MerQuR+İstatistik Sözlüğü

İstatistik Sözlüğü → Ki-Kare Uyum İyiliği

Ki-Kare Uyum İyiliğianaliz

Tek bir kategorik değişkenin gözlenen dağılımının önceden belirlenmiş bir dağılıma (eşit oranlar, kuramsal oranlar, nüfus yüzdeleri) uyup uymadığını sınayan test.

Kavram

Bazen soru iki değişken arasındaki ilişki değil, tek bir değişkenin dağılımının bir beklentiye uyup uymadığıdır: bir zar hileli mi, örneklemin yaş dağılımı nüfusa benziyor mu, çaprazlama sonucu yavruların oranı kalıtım kuralının öngördüğü gibi mi? Uyum iyiliği testi gözlenen kategori sayılarını bu beklentiyle karşılaştırır.

Her kategori için beklenen sayı, toplam gözlem sayısıyla o kategorinin beklenen oranının çarpımıdır: E = n·p. Test gözlenen ve beklenen sayılar arasındaki farkları toplar: χ² = Σ (O − E)² / E; serbestlik derecesi kategori sayısının bir eksiğidir (k − 1). Farklar büyüdükçe χ² büyür ve p-değeri küçülür.

Gözlemler bağımsız olmalı ve beklenen sayılar çok küçük olmamalıdır (genellikle her kategoride 5 ve üzeri); küçükse kesin çokterimli test ya da Monte Carlo p kullanılır. Anlamsız bir sonuç verinin beklentiyle 'aynı' olduğunu kanıtlamaz, yalnız belirgin bir sapma bulunamadığını söyler. Anlamlı bir sonuçta hangi kategorilerin saptığını artıklar, sapmanın büyüklüğünü ise Cohen w gösterir.

Ne zaman kullanılır?

  • Tek bir kategorik değişkenin dağılımını kuramsal ya da bilinen oranlarla karşılaştırırken (ör. eşit tercih, Mendel oranları, nüfus sayımı yüzdeleri).
  • Beklenen sayılar küçükse ki-kare yaklaşımı yerine kesin çokterimli test ya da Monte Carlo p; yalnız iki kategori varsa binom testi kullanılır.
  • İki kategorik değişken arasındaki ilişki soruluyorsa ki-kare bağımsızlık testi; sürekli bir ölçümün belirli bir dağılıma (ör. normal) uyumu soruluyorsa Shapiro-Wilk ya da Kolmogorov-Smirnov gibi testler uygundur.

Gündelik bir örnek

Bir dondurmacı geçen yazın satışlarına bakarak çikolata, vanilya, çilek ve limon için sırasıyla %40, %30, %20 ve %10'luk bir pay bekliyor. Bu yaz satılan ilk 200 külahın 70'i çikolata, 65'i vanilya, 45'i çilek, 20'si limon çıkıyor; beklenen sayılar ise 80, 60, 40 ve 20'dir. Uyum iyiliği testi bu sapmaların şansla açıklanıp açıklanamayacağını söyler; burada χ² ≈ 2,29 ve sd = 3 olduğundan p yaklaşık 0,51 çıkar ve müşterilerin tercihinin geçen yıldan belirgin biçimde değiştiğine dair kanıt yoktur.

MerQur'da parametreler

Sütun

Kavram: Dağılımı sınanacak tek kategorik değişkendir. Kategori sayısı (k) testin serbestlik derecesini (k − 1) belirler; her gözlem tam olarak bir kategoriye düşmelidir.

Gündelik örnek: Dondurmacı örneğinde her satır satılan bir külahtır ve sütun külahın aromasını (çikolata, vanilya, çilek, limon) içerir. Dört aroma olduğu için serbestlik derecesi 3'tür.

Ne işe yarar: Dağılımı sınanacak kategorik değişkeni seçer; kategori kümesi, n ve sd = k - 1 bu sütundan gelir.

Sonuca etkisi: Tüm sonuçları belirler.

Doğrulama verisinde: hsb2 race (eşit oran) X²(3) = 242.44; ses X²(2) = 18.97, p = .00008. Varsayılan örnek: race, beklenen 10 / 10 / 10 / 70, X²(3) = 5.0286, p = .1697.

Beklenen oranlar

Kavram: Sıfır hipotezinin söylediği dağılımdır: her kategorinin toplam içinde alması beklenen paydır. Oranlar veriye bakmadan, kuramdan ya da dış bir kaynaktan belirlenmelidir; hiç oran verilmezse tüm kategorilerin eşit olduğu varsayılır.

Gündelik örnek: Dondurmacı %40, %30, %20 ve %10 oranlarını geçen yazın satışlarından alır. Oran yazmasaydı test 'dört aroma eşit sevilir mi?' sorusunu yanıtlardı ve her aromaya 50 külah beklenirdi.

Ne işe yarar: H₀ altındaki kategori olasılıkları. Boş = eşit oran. "ad=oran" biçimi kategori adıyla, yalnız sayı listesi sabit sıraya (sayısal kod artan, metin alfabetik) eşlenir. Oranlar toplamına bölünür.

Sonuca etkisi: Beklenen frekanslar E_k = n·p_k olduğundan X², p ve artıklar değişir.

Doğrulama verisinde: race boş: 242.44; 10 / 10 / 10 / 70: 5.0286; aynı oranlar adla ya da 1, 1, 1, 7 olarak yazıldığında da 5.0286 (oranlar toplamı 1'e ölçeklenir). Beş kategorili örnek (40, 20, 20, 15, 5): 9.9901 (p = .0406). Sıra karışıklığını önlemek için adla yazım tercih edilmelidir.

→ Sıfır hipotezi (H₀) ve test değeri

Etki: Cohen w ve V (onay kutusu)

Kavram: Gözlenen dağılımın beklenenden ne kadar uzaklaştığını örneklem büyüklüğünden bağımsız olarak gösteren etki büyüklüğüdür. Cohen w için yaklaşık 0,1 küçük, 0,3 orta, 0,5 büyük sapma kabul edilir.

Gündelik örnek: Dondurmacı örneğinde w = √(2,29/200) ≈ 0,11'dir; sapma küçüktür. Aynı oranlar 2000 külahta gözlenseydi p çok küçülürdü ama w yine 0,11 kalırdı.

Ne işe yarar: w = √(X²/n), V = √(X²/(n(k - 1))) (Cohen, 1988; w: .1 küçük, .3 orta, .5 büyük).

Sonuca etkisi: Yalnız ek satır.

Doğrulama verisinde: hsb2 race w = .1586, V = .0915; Color w = .1776; beş kategorili örnek w = .1765.

→ Cramér V ve Cohen w

G-testi (onay kutusu)

Kavram: Pearson ki-karesi yerine olabilirlik oranına dayanan istatistiği (G²) ana test yapar. Büyük örneklemlerde ikisi benzer sonuç verir; beklenen sayılar küçükken Pearson genellikle ki-kare dağılımına daha iyi uyar.

Gündelik örnek: 200 külahlık örnekte G² ile Pearson χ² neredeyse aynıdır. Dondurmacı yalnız 30 külahla karar verseydi, iki istatistik birbirinden daha belirgin biçimde ayrılabilirdi.

Ne işe yarar: Pearson X² yerine olabilirlik oranı G² = 2 Σ O ln(O/E) ana istatistik olur.

Sonuca etkisi: İstatistik ve p değişir; sd aynıdır. Küçük beklenen frekansta Pearson genellikle ki-kare dağılımına daha iyi uyar (Agresti, 2013).

Doğrulama verisinde: hsb2 race G² = 5.7755, p = .1231 (Pearson 5.0286, .1697); Color G² = 9.0176, p = .0607 (Pearson p = .1008).

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

Standart artıklar (onay kutusu)

Kavram: Her kategoride gözlenen ile beklenen sayı arasındaki farkın, beklenen sayının kareköküne bölünmüş halidir. Genel testin anlamlı ya da sınırda olduğu durumlarda sapmanın hangi kategorilerden geldiğini gösterir; yaklaşık 2'yi aşan değerler dikkat çeker.

Gündelik örnek: Çikolatada gözlenen 70, beklenen 80 olduğundan artık (70 − 80)/√80 ≈ −1,12'dir; çikolata biraz az satılmış ama bu sapma tek başına dikkat çekici değildir.

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

Sonuca etkisi: Yalnız ek tablo.

Doğrulama verisinde: race: Asian -2.01*, diğerleri +0.89, +0.00, +0.42.

→ Standartlaştırılmış ve düzeltilmiş artıklar (çapraz tablo)

Ağırlık / frekans sütunu

Kavram: Veri her satırı bir gözlem olan ham veri değil de her satırı bir kategori olan özet tablo ise, o kategorinin kaç kez gözlendiğini veren sütundur.

Gündelik örnek: Dondurmacı 200 külahı tek tek girmek yerine dört satırlık bir tablo yazabilir: 'çikolata 70', 'vanilya 65', 'çilek 45', 'limon 20'. Sayı sütunu ağırlık seçildiğinde sonuç ham veriyle aynı çıkar.

Ne işe yarar: Özet tabloda her satırın sayımını belirtir.

Sonuca etkisi: Frekanslar ağırlık toplamı olur.

Doğrulama verisinde: Color Region 1 Count ile 7.7602; ağırlıksız her satır 1 sayılır (2.7179, p = .606). Özet + ağırlık ile açılmış veri aynı sonucu verir. MerQur yanlış sütun seçimini uyarmaz.

→ Frekans ağırlığı (özet tablo verisi)

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

Kavram: Kararın eşiğini (α = 1 − güven düzeyi) belirler: p bu eşiğin altındaysa gözlenen dağılımın beklenene uyduğu hipotezi reddedilir. İstatistik ve p-değeri değişmez.

Gündelik örnek: Dondurmacı yeni sipariş planını ancak güçlü bir kanıt varsa değiştirmek istiyorsa %99 güven seçer. p ≈ 0,51 olduğu için burada hangi düzey seçilirse seçilsin karar değişmez.

Ne işe yarar: α = 1 - düzey. Bu analizde güven aralığı yoktur; yalnız karar ve kategori testlerindeki işaretleri belirler.

Sonuca etkisi: İstatistik ve p değişmez; karar değişebilir. Özel değer yalnız "Diğer" seçiliyken etkindir.

Doğrulama verisinde: race p = .1697: %90, %95, %99'da "reddedilemez"; 80.0'da (α = .20) "reddedilir". Beş kategorili örnek p = .0406: %90'da reddedilir, %99'da reddedilemez.

→ Güven düzeyi ve güven aralığı

Kesin / Monte Carlo p

Kavram: p-değerini ki-kare yaklaşımı yerine doğrudan hesaplar. Kesin test, beklenen oranlar doğruyken gözlenen kadar ya da daha az olası tüm sonuçların olasılığını toplar; Monte Carlo yöntemi bu oranlarla binlerce rastgele örneklem üretip ne kadarının gözlenen kadar uç olduğunu sayar. Beklenen sayılar küçükken tercih edilir.

Gündelik örnek: Dondurmacı sezonun ilk gününde yalnız 25 külah satmışsa limon için beklenen sayı 2,5'e düşer ve ki-kare yaklaşımı güvenilmez olur. Bu durumda kesin p doğru karar için daha sağlam bir dayanaktır.

Ne işe yarar: Kesin çokterimli p (olasılık sıralaması: P(x) <= P(gözlenen) toplamı) ya da Monte Carlo (B = 10000, tohum 12345). Seçilen p ana p ve karara esas olur; asimptotik p ayrıca yazılır.

Sonuca etkisi: Ana p ve karar değişir; büyük tablolarda da (n = 200, k = 4) kesin p hesaplanır.

Doğrulama verisinde: Beş kategorili örnekte (gözlenen 89 / 37 / 30 / 28 / 2; oranlar 40 / 20 / 20 / 15 / 5) kesin p = .0238 (olasılık sıralaması; asimptotik p = .0406; χ² sıralamasıyla kesin p = .0404). .30997 değeri üç kategorili ABC örneğine (20 / 15 / 25, eşit oran; asimptotik p = .2865) aittir. hsb2 race 1-3: kesin p = .0786 (olasılık sıralaması). MC p = .1686 (3 MC SH içinde).

→ Kesin (exact) test ve kesin p-değeri

Kategori bazlı testler (Yok, Holm, Bonferroni)

Kavram: Genel test yalnız 'dağılım beklentiye uymuyor' der; kategori bazlı testler her kategoriyi tek tek kendi beklenen oranıyla karşılaştırır. Birden çok test yapıldığı için Holm ya da Bonferroni düzeltmesi yanlış alarm riskini kontrol eder.

Gündelik örnek: Genel test anlamlı çıksaydı dondurmacı hangi aromanın beklenenden saptığını merak ederdi. Kategori bazlı testler, ör. yalnız vanilyanın beklenenden fazla satıldığını, diğerlerinin beklentiye uyduğunu gösterebilir.

Ne işe yarar: Her kategori için O_k ~ Bin(n, p_k) iki yönlü kesin binom testi ve düzeltilmiş artık (O - E)/√(E(1 - p_k)); Holm ya da Bonferroni düzeltmesi.

Sonuca etkisi: Yalnız ek bölüm.

Doğrulama verisinde: race Asian p = .0331, Holm .1325; Bonferroni .1325. Kategori p'leri kesin iki yönlü binom testinden gelir.

→ Çoklu karşılaştırma ve aile boyu hata oranı (FWER)

Kategori aralığı

Kavram: Kategoriler tamsayı kodlarla tutuluyorsa teste girecek kod aralığını belirler. Önemli olan, hiç gözlenmemiş kategorilerin de sıfır sayımla teste girebilmesidir; aksi halde yalnız gözlenen kategoriler sınanır ve serbestlik derecesi değişir.

Gündelik örnek: Dondurmacının listesinde 1-5 kodlu beş aroma varsa ama beşinci aroma (fıstık) hiç satılmadıysa, aralık 1-5 seçildiğinde fıstık 0 satışla teste girer. Bu, 'fıstık neden hiç satılmıyor?' sorusunu da sonuca katar.

Ne işe yarar: Tamsayı kodlar için alt ve üst sınır; aralıktaki tüm kodlar (gözlenmeyenler 0) teste girer, dışındakiler atılır. Ağırlık sütunu seçiliyken de uygulanır.

Sonuca etkisi: n, k, X² ve p değişir.

Doğrulama verisinde: race "1, 3": n = 55, X²(2) = 4.8364, p = .0891; "0, 5" gözlenmeyen 0 ve 5 dahil X²(5) = 463.66. Beş kategorili örnekte ağırlıkla aralık 1-4: n = 184, X²(3) = 54.5652.

Gerçek veride örnek

Veri: UCLA OARC hsb2 (High School and Beyond, n = 200)

Değişkenler: sütun race (1-4 kodlu ırk/köken), beklenen oranlar 10, 10, 10, 70 (UCLA örneğindeki hipotez)

  • Soru: Örneklemin ırk dağılımı (1 Hispanik, 2 Asyalı, 3 Afrikalı Amerikalı, 4 beyaz) öngörülen %10 / %10 / %10 / %70 oranlarına uyuyor mu?
  • Varsayım: En küçük beklenen frekans 20.00; tüm hücrelerde 5'in üstündedir, ki-kare yaklaşımı geçerlidir.
  • Sonuç: χ²(3) = 5.03, p = 0.170. Sıfır hipotezi reddedilemez: gözlenen dağılım öngörülen oranlarla uyumludur.
  • Betimsel: En büyük sapma Asyalı grupta görülür (gözlenen 11, beklenen 20); diğer gruplarda gözlenen ve beklenen sıklıklar birbirine yakındır.
  • APA: χ²(3, N = 200) = 5.03, p = .170.

İlgili kavramlar

Sıfır hipotezi (H₀) ve test değeriMonte Carlo p-değeriCramér V ve Cohen wG testi (olabilirlik oranı ki-karesi, G²)Standartlaştırılmış ve düzeltilmiş artıklar (çapraz tablo)Frekans ağırlığı (özet tablo verisi)Kesin (exact) test ve kesin p-değeriÇoklu karşılaştırma ve aile boyu hata oranı (FWER)

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