Podcast o Interpretacja testu chi-kwadrat i miar asocjacji

Interpretacja testu chi-kwadrat i miar asocjacji: Kompletny przewodnik

Podcast

Interpretacja testu chi-kwadrat i miar asocjacji0:00 / 2:54
0:001:00 pozostało
EliškaTo jest coś, co na egzaminie zaskakuje osiemdziesiąt procent studentów przy teście chi-kwadrat. Widzą w tabeli istotność zero kropka zero zero zero i mówią: „Istnieje zależność.” Kropka. Ale to nie wystarczy na piątkę.
VojtěchDokładnie tak. Tym samym właściwie tylko powiedziałaś, że w tym kryminale doszło do zbrodni. Ale nie powiedziałaś kto, gdzie i dlaczego.

Interpretacja testu chi-kwadrat i miar asocjacji

Délka: 2 minut

Přepis

Eliška: To jest coś, co na egzaminie zaskakuje osiemdziesiąt procent studentów przy teście chi-kwadrat. Widzą w tabeli istotność zero kropka zero zero zero i mówią: „Istnieje zależność.” Kropka. Ale to nie wystarczy na piątkę.

Vojtěch: Dokładnie tak. Tym samym właściwie tylko powiedziałaś, że w tym kryminale doszło do zbrodni. Ale nie powiedziałaś kto, gdzie i dlaczego.

Eliška: Dobrze, to przejdźmy do rzeczy. Słuchacie Studyfi Podcast. Jak więc w danych dotyczących mieszkalnictwa i wielkości miejscowości znajdziemy ten prawdziwy sens?

Vojtěch: Główne narzędzie to tak zwane „skorygowane residua”. To prostsze niż się wydaje. Szukaj liczb, które są większe niż dwa, albo mniejsze niż minus dwa. Właśnie tam kryje się cała historia.

Eliška: Aha! Czyli kiedy spojrzę na przykład na miasta między trzydziestoma a osiemdziesięcioma tysiącami mieszkańców… widzę residuum 2,6 przy „dużych, niemal nierozwiązywalnych problemach”.

Vojtěch: Bingo! Dokładnie tak. To oznacza, że w tych średniej wielkości miastach mieszka statystycznie istotnie więcej ludzi z tymi najgorszymi problemami mieszkaniowymi, niż byśmy się spodziewali czysto przypadkowo. I to jest dokładnie ten szczegół, który zapewni ci pełną liczbę punktów.

Eliška: Dobrze, więc wiemy, że istnieje jakiś związek między zmiennymi. Ale co dalej? Jak silny jest właściwie ten związek?

Vojtěch: Dokładnie na to teraz spojrzymy. Mamy tutaj tabelę z miarami zależności, takimi jak Phi, V Craméra czy tau-b Kendalla.

Eliška: Widzę, że we wszystkich kolumna „Approx. Sig.” jest prawie zerowa. To dobry znak, prawda?

Vojtěch: Dokładnie tak! Oznacza to, że ten związek jest statystycznie istotny. To nie jest tylko jakiś przypadek.

Eliška: Super. Ale co z samymi wartościami? Na przykład V Craméra wynosi tylko 0,145. To wydaje mi się dość mało.

Vojtěch: I to jest ten kluczowy wniosek. Wszystkie te wartości – Phi, Gamma, Kendall – są stosunkowo niskie. Zbliżają się do zera.

Eliška: Czyli ten związek co prawda istnieje, ale jest… słaby?

Vojtěch: Dokładnie. To tak, jakby mieć magnes, który ledwo utrzymuje kartkę na lodówce. Działa, ale to nie jest żadna wielka siła. Statystycznie istotny nie równa się silny.

Eliška: To ma sens! I tym samym dotarliśmy do końca dzisiejszego odcinka. Więc żeby to podsumować: omówiliśmy hipotezy, testowanie, a teraz także interpretację siły związków.

Vojtěch: Wykonaliście ogromny kawał pracy. Pamiętajcie, że najważniejsze jest zrozumienie, co te liczby naprawdę oznaczają.

Eliška: Bardzo ci dziękuję, Wojtku, za świetne wyjaśnienie. A wam, drodzy studenci, życzymy powodzenia. Do usłyszenia następnym razem w Studyfi Podcast!

Vojtěch: Trzymajcie się!