MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Ki-Kare Bağımsızlık Testi

Ki-Kare Bağımsızlık Testianaliz

İki kategorik değişkenin birbiriyle ilişkili olup olmadığını, çapraz tablodaki gözlenen sayıları ilişki yokken beklenecek sayılarla karşılaştırarak sınayan test.

Kavram

İki kategorik değişken bir çapraz tabloda özetlendiğinde (ör. aşı durumu × hastalanma) asıl soru, bir değişkenin dağılımının diğerinin düzeylerine göre değişip değişmediğidir. Değişmiyorsa değişkenler bağımsızdır; değişiyorsa aralarında bir ilişki vardır.

Bağımsızlık doğruysa her hücrede beklenen sayı E = satır toplamı × sütun toplamı / n olur. Test gözlenen (O) ve beklenen (E) sayılar arasındaki farkları toplar: χ² = Σ (O − E)² / E. Farklar büyüdükçe χ² büyür; serbestlik derecesi (r − 1)(c − 1) olan ki-kare dağılımından p-değeri elde edilir. Olabilirlik oranı G² aynı soruyu biraz farklı bir ölçütle yanıtlar ve büyük örneklemlerde benzer sonuç verir.

Gözlemler bağımsız olmalı (her kişi tabloda yalnız bir hücrede yer alır) ve beklenen sayılar çok küçük olmamalıdır; yaygın kural, hücrelerin en az %80'inde beklenen sayının 5 ve üzeri olmasıdır. Anlamlı bir χ² yalnız ilişkinin var olduğunu söyler: ilişkinin gücü için Cramér V gibi etki büyüklükleri, hangi hücrelerin farka yol açtığı için artıklar, yönü ve büyüklüğü için 2x2 tablolarda göreli risk ya da odds oranı okunmalıdır. Çok büyük örneklemlerde pratikte önemsiz ilişkiler bile anlamlı çıkabilir.

Ne zaman kullanılır?

  • İki kategorik değişken arasında ilişki olup olmadığını, ayrı kişilerden ya da birimlerden oluşan bir örneklemde sınarken (ör. tedavi grubu × iyileşme, cinsiyet × tercih).
  • Beklenen sayılar küçükse, özellikle 2x2 tablolarda, Fisher kesin testi ya da kesin / Monte Carlo p tercih edilir.
  • Aynı kişiler iki kez ölçüldüyse (önce/sonra) McNemar testi; ilişki üçüncü bir değişkene göre tabakalara ayrılarak incelenecekse Cochran-Mantel-Haenszel testi; üç ya da daha çok değişkenin etkileşimi için log-doğrusal model kullanılır.

Gündelik bir örnek

Bir okulda grip mevsimi boyunca 200 aşılı ve 200 aşısız öğrenci izlenmiş olsun. Aşılıların 30'u (%15), aşısızların 50'si (%25) grip geçirmiş. Aşı ile hastalanma ilişkisiz olsaydı her iki grupta da 400 öğrencinin genel oranı olan %20, yani 40'ar grip vakası beklenirdi. Ki-kare testi gözlenen 30 ve 50 sayılarının bu beklenen 40'tan şansla bu kadar uzaklaşma olasılığını verir; göreli risk ise aşılıların grip riskinin aşısızlarınkinin 0,6 katı olduğunu gösterir.

MerQur'da parametreler

Sütun 1 ve Sütun 2

Kavram: Çapraz tablonun satırlarını ve sütunlarını oluşturacak iki kategorik değişkendir. Ki-kare istatistiği hangi değişkenin satıra konduğundan etkilenmez; ama bir değişkenin diğerini 'açıkladığı' yönlü ölçüler ve sıralı ölçüler bu seçime ve düzeylerin sırasına bağlıdır.

Gündelik örnek: Okul örneğinde satırlara aşı durumu (aşılı / aşısız), sütunlara grip (geçirdi / geçirmedi) konur. Değişkenlerin yeri değiştirilse χ² aynı kalır; ama 'aşı durumunu bilmek gribi tahmin etmeyi ne kadar kolaylaştırır?' gibi yönlü bir soru ters çevrilmiş olur.

Ne işe yarar: Çapraz tablonun satır ve sütun değişkenlerini seçer. Düzeyler sayılar artan, dizeler kod noktası (ASCII) sırasıyla dizilir; düzey sırası ayrıca belirtilebilir. Özet (frekans) tablosunda faktör sütunları da seçilebilir.

Sonuca etkisi: X², G², V, C ve simetrik PRE yer değişiminden etkilenmez; yönlü ölçüler (Somers d, lambda, GK tau, U) yön değiştirir; sıralı ölçüler ve doğrusal-doğrusal test düzey sırasına bağlıdır.

Doğrulama verisinde: Pain verisi Somers d C|R = 0.4427, R|C = 0.2569; yer değişiminde iki değer yer değiştirir. JobSat düzey sırası belirtildiğinde gamma 0.2211009; düzey sırası boşken alfabetik sıra ve açık uyarı verilir.

Güven düzeyi (%90, %95, %99, Diğer/özel 80.0-99.9)

Kavram: Karar eşiğini (α = 1 − güven düzeyi) ve göreli risk, odds oranı, Cramér V gibi tahminlerin güven aralıklarının genişliğini belirler. Test istatistiği ve p-değeri değişmez.

Gündelik örnek: Göreli risk 0,6 bulunduğunda %95 güven aralığı ör. 0,40 ile 0,91 arası çıkabilir; %99 güven istenirse aralık genişler ve 1'e yaklaşır ya da 1'i içine alabilir.

Ne işe yarar: α = 1 - güven düzeyi. Karar kuralı (p < α) ve tüm GA'lar (2x2 OR, RR, RD, sıralı ölçüler, Cramér V, Monte Carlo p) bu düzeyle hesaplanır.

Sonuca etkisi: Test istatistiği ve p değişmez; GA genişliği ve karar değişir. Cramér V ve sıralı ölçü GA'ları [-1, 1] (V için [0, 1]) aralığına kırpılır.

Doğrulama verisinde: FatComp verisi (Yates p = 0.0742) OR = 8.25 için GA %80 [2.2792, 29.8627], %90 [1.5827, 43.0037], %95 [1.1535, 59.0029], %99 [0.6217, 109.4843]. Karar %90 ve %80'de "reddedilir".

→ Güven düzeyi ve güven aralığı

φ, 2x2 (onay kutusu)

Kavram: 2x2 tablolar için ilişkinin gücünü gösteren etki büyüklüğüdür; iki ikili değişken arasındaki korelasyona karşılık gelir. 0 ilişki olmadığını, 1'e yaklaşması güçlü ilişkiyi gösterir.

Gündelik örnek: Okul örneğinde χ² = 6,25 ve n = 400 ise φ = √(6,25/400) ≈ 0,13 olur: aşı ile grip arasındaki ilişki anlamlı olsa da gücü küçüktür, çünkü aşılıların da bir kısmı grip geçirmiştir.

Ne işe yarar: phi = √(X²/n), düzeltmesiz Pearson X²'den; yalnız 2x2 tabloda yazılır (RxC'de "yalnız 2x2" notu verilir).

Sonuca etkisi: Yalnız ek etki büyüklüğü satırı.

Doğrulama verisinde: hsb2 schtyp x female 0.0153; aspirin 0.0337.

→ Phi (φ) katsayısı

C, kontenjans katsayısı (onay kutusu)

Kavram: Her boyuttaki tabloya uygulanabilen eski bir ilişki ölçüsüdür. Ulaşabileceği en büyük değer tablo boyutuna bağlı olduğu için (2x2'de en fazla yaklaşık 0,71) farklı tablolar arasında karşılaştırma zordur; bu nedenle genellikle Cramér V tercih edilir.

Gündelik örnek: Okul örneğinde C ≈ 0,12 çıkar. Aynı okul 3x3'lük bir tabloyla başka bir ilişkiyi incelerse C'nin üst sınırı değişeceği için iki değer doğrudan yan yana konamaz.

Ne işe yarar: C = √(X²/(X² + n)).

Sonuca etkisi: Yalnız ek satır. Üst sınırı tablo boyutuna bağlı olduğundan V tercih edilir.

Doğrulama verisinde: Color verisi 0.1635; GSS 0.0843.

→ Olumsallık (kontenjans) katsayısı C

Yates düzeltmesi, 2x2 (onay kutusu; varsayılan açık)

Kavram: 2x2 tablolarda tamsayı sayımları sürekli ki-kare dağılımıyla karşılaştırmanın yarattığı iyimserliği azaltmak için her farktan yarım birim çıkaran düzeltmedir. p-değerini büyütür ve testi daha temkinli yapar; bazı yazarlar onu gereğinden temkinli bulur.

Gündelik örnek: Okul örneği küçük olsaydı, ör. 20'şer öğrencilik iki sınıf, düzeltmesiz test sınırda anlamlı, Yates düzeltmeli test ise anlamsız çıkabilirdi. Örneklem büyüdükçe iki sonuç birbirine yaklaşır.

Ne işe yarar: 2x2'de ana istatistik süreklilik düzeltmeli X² olur; etki büyüklükleri her zaman düzeltmesiz X²'den hesaplanır. RxC'de etkisizdir.

Sonuca etkisi: X², p ve karar.

Doğrulama verisinde: FatComp: açık 3.1879, p = 0.0742 (reddedilemez); kapalı 4.9597, p = 0.0259 (reddedilir). hsb2 schtyp x female: açık 0.0005, p = 0.9815; kapalı 0.0470, p = 0.8283.

→ Süreklilik düzeltmesi (Yates)

G-testi, olabilirlik oranı (onay kutusu)

Kavram: Pearson ki-karesi yerine olabilirlik oranına dayanan bir istatistiktir: gözlenen sayılar ile bağımsızlık altında beklenen sayılar arasındaki uzaklığı logaritmik bir ölçütle toplar. Büyük örneklemlerde Pearson ile benzer sonuç verir; log-doğrusal modellerle aynı dili konuşur.

Gündelik örnek: Okul örneğinde G² ile Pearson χ² neredeyse aynı çıkar. Araştırmacı daha sonra yaş grubunu da ekleyip üç yönlü bir log-doğrusal model kuracaksa, G² sonuçları o modelle doğrudan karşılaştırılabilir.

Ne işe yarar: Ana istatistik G² = 2 Σ O ln(O/E) olur. 2x2'de Yates de açıksa G²'ye de süreklilik düzeltmesi uygulanır; APA satırında "(Yates düzeltmeli)" yazılır.

Sonuca etkisi: Ana istatistik, p ve karar G²'ye dayanır.

Doğrulama verisinde: hsb2 female x ses G² = 4.6789; FatComp Yates açıkken 3.2290, Yates kapalıyken 5.0975.

→ G testi (olabilirlik oranı ki-karesi, G²)

Beklenen değerler (onay kutusu)

Kavram: İki değişken bağımsız olsaydı her hücrede kaç gözlem bulunacağını gösteren tablodur. Hem testin mantığını görmeyi hem de beklenen sayıların küçüklüğünü (ki-kare yaklaşımının geçerliliğini) denetlemeyi sağlar.

Gündelik örnek: Okul örneğinde dört hücrenin beklenen sayıları 40, 160, 40 ve 160'tır. Hepsi 5'in çok üstünde olduğu için ki-kare yaklaşımına güvenilebilir.

Ne işe yarar: E = satır toplamı x sütun toplamı / n tablosu.

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: Color verisinde 15 hücrenin tümü için beklenen değerler verilir; GSS ve Agresti Tablo 3.2 verilerinde de beklenenler hesaplanır.

→ Beklenen frekans

Standart artıklar (onay kutusu)

Kavram: Her hücrede gözlenen ile beklenen sayı arasındaki farkın, beklenen sayının kareköküne bölünmüş halidir. Hangi hücrelerin genel χ²'ye en çok katkı yaptığını gösterir; yaklaşık 2'yi aşan değerler dikkat çeker.

Gündelik örnek: Aşısız ve grip geçiren hücrede gözlenen 50, beklenen 40 ise artık (50 − 40)/√40 ≈ 1,58 olur. Bu, o hücrenin beklenenden fazla vaka içerdiğini ama tek başına çok uç olmadığını gösterir.

Ne işe yarar: Pearson artığı (O - E)/√E; |r| > 2 işaretlenir.

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: Color verisinde 15 hücrenin standart artıkları verilir (ör. green-black -2.40).

→ Standartlaştırılmış ve düzeltilmiş artıklar (çapraz tablo)

Düzeltilmiş artıklar (onay kutusu)

Kavram: Standart artığın, satır ve sütun toplamlarının etkisini de hesaba katan sürümüdür; bağımsızlık altında yaklaşık standart normal dağılır. Bu yüzden ±1,96'yı aşan değerler o hücrenin beklenenden anlamlı biçimde saptığını gösterir.

Gündelik örnek: Aynı okul örneğinde düzeltilmiş artık her hücrede yaklaşık ±2,5 çıkar. Basit artığın 1,58'de kaldığı hücre bile, marjinaller dikkate alınınca beklenenden anlamlı biçimde fazla vaka içeriyor demektir.

Ne işe yarar: Haberman düzeltilmiş standartlaştırılmış artık; |z| > 1.96 işaretlenir.

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: Agresti Tablo 3.2: (<HS, Fund) 4.5349, (<HS, Mod) -2.5522, (Bachelor, Fund) -6.8098, (Bachelor, Lib) 6.2525.

→ Standartlaştırılmış ve düzeltilmiş artıklar (çapraz tablo)

Tüm testler tablosu (onay kutusu)

Kavram: Aynı tabloya uygulanabilen farklı testleri yan yana gösterir: Pearson, Yates, olabilirlik oranı, Fisher ve düzeyler sıralıysa doğrusal eğilimi arayan doğrusal-doğrusal ilişki testi. Sonuçların hangi teste dayandığına duyarlı olup olmadığı tek bakışta görülür.

Gündelik örnek: Hakem 'Fisher testiyle de aynı sonuca varılır mı?' diye sorarsa tablo bunu hemen yanıtlar. Okul aşı durumu yerine 'aşı dozu sayısı' (0, 1, 2) kullansaydı doğrusal-doğrusal test doz arttıkça grip oranının düzenli olarak azalıp azalmadığını sorardı.

Ne işe yarar: Pearson, Yates (2x2), G², Fisher (2x2) ve doğrusal-doğrusal M² = (N - 1)·r² testini tek tabloda verir. M² için puan olarak sayısal düzey değeri kullanılır.

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: Agresti bebek verisi (alkol 0, 0.5, 1.5, 4, 7): M² = 6.5699, p = 0.0104; puanlar düzey değerleridir, eşit aralıklı puanlar farklı bir M² verir.

Kesin / Monte Carlo p (Yok, Monte Carlo χ², Fisher)

Kavram: p-değerini ki-kare yaklaşımı yerine doğrudan hesaplar. Kesin test, satır ve sütun toplamları sabitken gözlenen kadar uç tabloların olasılığını toplar; Monte Carlo yöntemi aynı toplamlara sahip binlerce rastgele tablo üretip bunların ne kadarının gözlenen kadar uç olduğunu sayar. Beklenen sayılar küçükken tercih edilir.

Gündelik örnek: Okul yalnız 12 aşılı ve 10 aşısız öğrenciyi izleseydi bazı hücrelerde beklenen sayı 5'in altına düşerdi. Bu durumda ki-kare yaklaşımı yerine kesin ya da Monte Carlo p'ye güvenmek gerekir.

Ne işe yarar: "Monte Carlo χ²": sabit marjinallerle B = 10000 tablo, p = (1 + b)/(B + 1), tohum 12345. "Fisher": 2x2'de kesin Fisher, RxC'de Fisher-Freeman-Halton Monte Carlo.

Sonuca etkisi: Seçilen p ana p, karar ve APA satırında kullanılır.

Doğrulama verisinde: hsb2 schtyp x race: Fisher MC p = 0.5923 [0.5826, 0.6020]. FatComp Fisher kesin p = 0.039305; MC χ² p = 0.0388.

→ Kesin (exact) test ve kesin p-değeri

Ağırlık (frekans) sütunu

Kavram: Veri her satırı bir kişi olan ham veri değil de her satırı bir hücre olan özet tablo ise, o satırın kaç gözlemi temsil ettiğini belirten sütundur. Böylece hücre sayıları satırları tek tek saymak yerine bu ağırlıkların toplanmasıyla elde edilir.

Gündelik örnek: Okul 400 öğrenciyi tek tek girmek yerine dört satırlık bir tablo hazırlayabilir: 'aşılı, grip, 30', 'aşılı, grip yok, 170' gibi. Sayı sütunu ağırlık olarak seçildiğinde sonuçlar 400 satırlık ham veriyle aynı çıkar.

Ne işe yarar: Satırlar özet tablo ise hücreler bu sütunun toplamıdır. Negatif ya da eksik ağırlık açık hata verir; tamsayı olmayan ağırlıkta Monte Carlo atlanır; sıfır ağırlıklı düzeyler atılır.

Sonuca etkisi: Tüm sayımlar ve sonuçlar ağırlıklı N üzerinden hesaplanır; künyedeki "Gözlem (n)" ağırlıklı N'dir.

Doğrulama verisinde: FatComp Count ile X² (Yates) = 3.1879, N = 23; ağırlıksız her satır 1 gözlem sayılır (X² = 0, p = 1, N = 4). Aspirin N = 22071.

→ Frekans ağırlığı (özet tablo verisi)

Sütun oranları z-testi (onay kutusu)

Kavram: Her satır kategorisinde, sütun grupları arasındaki oranları ikişer ikişer karşılaştırır. Çok sayıda karşılaştırma yapıldığı için Bonferroni düzeltmesiyle yanlış alarm riski kontrol edilir; birbirinden farklı olmayan sütunlar aynı harfle gösterilir.

Gündelik örnek: Okul aşısız, tek doz ve iki doz olmak üzere üç sütun kullansaydı genel χ² 'bir fark var' derdi ama farkın nerede olduğunu söylemezdi. Sütun oranları testi, ör. grip oranının aşısızlarda tek ve iki dozdan yüksek olduğunu, tek ile iki doz arasında ise fark bulunmadığını gösterebilir.

Ne işe yarar: Her satırda sütun çiftleri için birleşik oranlı iki-oran z testi, Bonferroni (m = C(C - 1)/2) ve harf gösterimi.

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: Pain "Yes" satırı: Dose 0, 1, 2 (b), 3 (ab), 4 (a); anlamlı fark çiftleri 5 koşunun tümünde aynıdır; Bonferroni p'ler, süreklilik düzeltmesiz iki oran z-testi p'sinin karşılaştırma sayısı (m) ile çarpımıdır.

→ Sütun oranları z-testi

Sıralı ölçüler (onay kutusu)

Kavram: Her iki değişkenin düzeyleri doğal bir sıraya sahipse (az-orta-çok gibi) ilişkinin yönünü ve gücünü ölçen katsayılardır (gamma, Kendall tau-b ve tau-c, Somers d). −1 ile 1 arasında değer alırlar; pozitif değer, bir değişken yükseldikçe diğerinin de yükselme eğiliminde olduğunu gösterir.

Gündelik örnek: Okul doz sayısını (0, 1, 2) ve hastalık şiddetini (yok, hafif, ağır) çaprazlasaydı, negatif bir gamma doz arttıkça hastalığın daha hafif seyretme eğiliminde olduğunu söylerdi. Ki-kare ise yalnız 'ilişki var' der, yönü göstermez.

Ne işe yarar: gamma, tau-b, tau-c, Somers d (C|R, R|C); ASE1 ile GA, ASE0 ile z ve p. GA'lar [-1, 1] aralığına kırpılır.

Sonuca etkisi: Yalnız ek tablo; düzey sırasına bağlıdır.

Doğrulama verisinde: Pain verisi: gamma 0.5313 (ASE 0.0935, GA 0.3480-0.7146), Somers R|C 0.2569, z = 5.151.

→ Sıralı ilişki ölçüleri (gamma, tau-b, tau-c, Somers d)

RR / risk farkı, 2x2 (onay kutusu)

Kavram: 2x2 tablolarda iki grubun olay riskini karşılaştırır: göreli risk (RR) bir grubun riskinin diğerinin kaç katı olduğunu, risk farkı ise yüzde puanı olarak ne kadar fark ettiğini gösterir. RR = 1 ve risk farkı = 0 fark olmadığı anlamına gelir.

Gündelik örnek: Aşılıların grip riski %15, aşısızlarınki %25'tir. RR = 0,15/0,25 = 0,6, yani aşılıların riski aşısızlarınkinin 0,6 katıdır; risk farkı −10 yüzde puanıdır, yani her 100 aşılı öğrencide yaklaşık 10 vaka daha az görülür.

Ne işe yarar: Birinci sütun riskinin satır1 / satır2 oranı (log-Wald GA) ve fark (Wald GA; [-1, 1] ile kırpılır). RxC'de "yalnız 2x2" notu verilir.

Sonuca etkisi: Yalnız ek satırlar.

Doğrulama verisinde: Aspirin RR = 1.8178 [1.4330, 2.3059], RD = 0.0077 [0.0047, 0.0107]. FatComp RR GA [1.1100, 7.1261].

→ Göreli risk (RR) ve risk farkı (RD)

Cramér V GA + Cohen yorumu (onay kutusu)

Kavram: Cramér V, her boyuttaki tablo için 0 ile 1 arasında değer alan ilişki gücü ölçüsüdür. Örneklemden hesaplandığı için onun da bir belirsizliği vardır; güven aralığı bu belirsizliği gösterir, Cohen'in eşikleri ise değeri küçük, orta ya da büyük diye sözel olarak yorumlamaya yardım eder.

Gündelik örnek: Okul örneğinde V ≈ 0,13 küçük bir ilişkiye karşılık gelir. Güven aralığı ör. 0,03 ile 0,22 arası çıkarsa gerçek ilişki çok küçük de olabilir küçük-orta da; 400 öğrenciyle bu kadarını söylemek mümkündür.

Ne işe yarar: Merkezî olmayan ki-kare ters çevrilerek V GA'sı; Cohen (1988) w eşikleri (.1 / .3 / .5, √(min(r, c) - 1)'e bölünerek) ile serbestlik derecesine bağlı yorum. Başlıktaki V etiketi de aynı yorumu kullanır.

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 female x ses V = 0.1513 [0.0000, 0.2776] (merkezi olmayan ki-kare GA), "Küçük"; V = .4644 olan bir tabloda etiket "Orta".

→ Cramér V ve Cohen w

λ, GK τ, belirsizlik katsayısı (onay kutusu)

Kavram: Sıralı olmayan (nominal) değişkenler için 'orantısal hata azalması' ölçüleridir: bir değişkenin değerini bilmenin, diğerini tahmin ederken yapılan hatayı ne oranda azalttığını gösterirler. 0 hiçbir katkı olmadığını, 1 tam tahmini gösterir; hangi değişkenin tahmin edildiğine göre değerleri değişebilir.

Gündelik örnek: Okul, öğrencinin hangi sınıfta okuduğunu bilmenin tercih ettiği kulübü (spor, müzik, satranç) tahmin etmeyi ne kadar kolaylaştırdığını merak ediyor olsun. Lambda = 0,20 ise sınıf bilgisi tahmin hatalarını %20 azaltır.

Ne işe yarar: Nominal orantısal hata azalması (PRE) ölçüleri.

Sonuca etkisi: Yalnız ek tablo; yönlü sürümler satır ve sütun rolüne bağlıdır.

Doğrulama verisinde: Pain verisi lambda C|R 0.1250, R|C 0.2373, simetrik 0.1604; U 0.0515 / 0.1261 / 0.0731; GK tau 0.0412 / 0.1652.

→ Orantılı hata azalımı ölçüleri (lambda, Goodman-Kruskal τ, belirsizlik katsayısı)

Gerçek veride örnek

Veri: Physicians' Health Study aspirin verisi, Agresti 2007

Değişkenler: sütun 1 group (1 = plasebo, 2 = aspirin), sütun 2 mi (1 = miyokard enfarktüsü var, 2 = yok), ağırlık count (özet tablo frekansı)

  • Soru: Aspirin kullanımı (plasebo ve aspirin grubu) ile miyokard enfarktüsü (MI) geçirme arasında ilişki var mı? Frekans sütunu (count) ağırlık olarak kullanılır; N = 22071.
  • Varsayım: En küçük beklenen frekans 146.48; hiçbir hücrede beklenen frekans 5'in altında değildir, ki-kare yaklaşımı geçerlidir.
  • Sonuç: Yates düzeltmeli χ²(1) = 24.43, p < .001 (düzeltmesiz Pearson χ² = 25.01). Sıfır hipotezi reddedilir: grup ile MI ilişkilidir.
  • Etki büyüklüğü: Cramér V = 0.034; ilişki istatistiksel olarak anlamlı ama çok küçüktür (büyük N küçük farkları anlamlı yapar).
  • Ek bulgu: Odds oranı 1.83, %95 GA [1.44, 2.33]: plasebo grubunda MI odds'u aspirin grubunun yaklaşık 1.8 katıdır; klinik yorum için odds oranı V'den daha bilgilendiricidir.
  • APA: χ²(1, N = 22071) = 24.43 (Yates düzeltmeli), p < .001, V = .03, OR = 1.83, %95 GA [1.44, 2.33].

İlgili kavramlar

Standartlaştırılmış ve düzeltilmiş artıklar (çapraz tablo)G testi (olabilirlik oranı ki-karesi, G²)Sıralı ilişki ölçüleri (gamma, tau-b, tau-c, Somers d)Süreklilik düzeltmesi (Yates)Cramér V ve Cohen wOlumsallık (kontenjans) katsayısı CSütun oranları z-testiOrantılı hata azalımı ölçüleri (lambda, Goodman-Kruskal τ, belirsizlik katsayısı)

Örneklerdeki sayılar MerQur'un bağımsız, kamuya açık doğrulama verileri üzerindeki çıktılarıdır; ayrıntılar için MerQur Teknik Not'a bakınız.