آزمون پیرسن کای_دو در استتا

مثلاً، ممکن است بخواهیم بدانیم:

• آیا بین جنسیت و ترجیح یک نامزد خاص در انتخابات، رابطه‌ای وجود دارد؟
• آیا بین سطح تحصیلات و نوع شغلی که افراد انتخاب می‌کنند، ارتباطی هست؟
• آیا بین گروه خونی و ابتلا به یک بیماری خاص، تفاوت معنی‌داری وجود دارد؟

در چنین سناریوهایی، آزمون کای-دو ابزار قدرتمندی برای پاسخ به این سوالات است.

مفهوم آزمون کای-دو: انتظار در برابر مشاهده

هسته اصلی آزمون کای-دو بر مقایسه استوار است: مقایسه چیزی که مشاهده می‌کنیم با چیزی که انتظار داریم ببینیم، اگر هیچ رابطه‌ای وجود نداشت.

اجازه دهید مفهوم آن را ساده‌تر توضیح دهیم:

1. فرض خنثی (فرضیه صفر - Null Hypothesis): در ابتدای هر آزمون آماری، ما یک فرض خنثی داریم. برای آزمون کای-دو، فرضیه صفر این است: “هیچ رابطه‌ای بین دو متغیر طبقه‌ای وجود ندارد.” به عبارت دیگر، این دو متغیر از یکدیگر مستقل هستند.
2. فرضیه جایگزین (Alternative Hypothesis): در مقابل فرضیه صفر، فرضیه جایگزین می‌گوید: “بین دو متغیر طبقه‌ای رابطه وجود دارد.” (آن‌ها مستقل نیستند).

برای انجام این مقایسه، ما داده‌های خود را در یک جدول توافقی (Contingency Table یا Cross-Tabulation) سازماندهی می‌کنیم. این جدول، فراوانی (تعداد) مشاهدات را برای هر ترکیب از دسته‌های دو متغیر نشان می‌دهد.

سپس آزمون کای-دو دو نوع فراوانی را در هر خانه (سلول) از این جدول با هم مقایسه می‌کند:

• فراوانی مشاهده شده (Observed Frequencies): این همان چیزی است که ما واقعاً در داده‌هایمان می‌بینیم (تعداد افراد در هر ترکیب از دسته‌ها).
• فراوانی مورد انتظار (Expected Frequencies): این فراوانی، چیزی است که ما انتظار داریم در هر سلول ببینیم، اگر فرضیه صفر (یعنی عدم وجود رابطه) درست بود. این فراوانی‌ها بر اساس این فرض محاسبه می‌شوند که توزیع هر متغیر، مستقل از دیگری است.

هرچه تفاوت بین “فراوانی مشاهده شده” و “فراوانی مورد انتظار” بیشتر باشد، احتمال اینکه فرضیه صفر (عدم وجود رابطه) غلط باشد، بیشتر می‌شود و این نشان‌دهنده وجود یک رابطه یا همبستگی بین دو متغیر است. آماره کای-دو عددی است که این مجموع تفاوت‌ها را خلاصه می‌کند.

نحوه اجرای آزمون پیرسون کای-دو در استتا

اجرای آزمون کای-دو در نرم‌افزار استتا بسیار آسان و با یک فرمان ساده انجام می‌شود:

1. بارگذاری داده‌ها: ابتدا اطمینان حاصل کنید که داده‌های شما در استتا بارگذاری شده‌اند و دو متغیر طبقه‌ای مورد نظر شما به درستی تعریف شده‌اند.
2. فرمان tabulate: برای اجرای آزمون کای-دو، از فرمان tabulate (یا به اختصار tab) به همراه نام دو متغیر طبقه‌ای و گزینه chi2 استفاده می‌کنیم.

تفسیر نتایج آزمون کای-دو در استتا

خروجی استتا شامل اطلاعات مهمی است که برای تفسیر آزمون کای-دو نیاز دارید:

1. جدول توافقی: ابتدا به جدول اصلی نگاه کنید. این جدول نشان‌دهنده فراوانی‌های مشاهده شده در هر سلول است. درصدهای سطر یا ستون (اگر گزینه‌های row یا col را اضافه کرده باشید) می‌توانند دید اولیه خوبی از توزیع داده‌ها به شما بدهند.
2. آماره کای-دو (Pearson chi2): این عددی است که میزان تفاوت بین فراوانی‌های مشاهده شده و مورد انتظار را نشان می‌دهد. هرچه این عدد بزرگتر باشد، نشان‌دهنده تفاوت بیشتر و احتمال وجود رابطه قوی‌تر است.
3. درجه آزادی (Degrees of Freedom - df): این عدد به ابعاد جدول توافقی شما بستگی دارد و برای تفسیر P-value ضروری است.
4. مقدار P (P-value): مهمترین بخش خروجی برای تصمیم‌گیری، P-value است. P-value به شما می‌گوید که چقدر احتمال دارد که نتایجی به این شدت یا شدیدتر از این را به طور تصادفی مشاهده کنید، با فرض اینکه فرضیه صفر (عدم وجود رابطه) درست باشد.

• اگر P-value کوچک باشد (معمولاً کمتر از 0.05 یا 0.01): این نشان می‌دهد که مشاهده این تفاوت‌ها به صورت تصادفی بسیار بعید است. در این صورت، ما فرضیه صفر را رد می‌کنیم و نتیجه می‌گیریم که رابطه معنی‌داری بین دو متغیر طبقه‌ای وجود دارد.
• اگر P-value بزرگ باشد (معمولاً بزرگتر از 0.05): این نشان می‌دهد که تفاوت‌های مشاهده شده می‌توانند به راحتی از شانس و تصادف ناشی شده باشند. در این صورت، ما در رد فرضیه صفر موفق نیستیم و نمی‌توانیم نتیجه بگیریم که رابطه معنی‌داری بین دو متغیر وجود دارد.

1. معیارهای قدرت همبستگی (اختیاری): آزمون کای-دو فقط وجود یا عدم وجود یک رابطه را نشان می‌دهد، اما قدرت آن را مشخص نمی‌کند. استتا می‌تواند معیارهایی مانند Cramer’s V یا Phi coefficient (به ویژه برای جداول 2x2) را نیز ارائه دهد که قدرت و شدت این رابطه را نشان می‌دهند. مقادیر این معیارها بین 0 تا 1 هستند که 0 نشان‌دهنده عدم رابطه و 1 نشان‌دهنده رابطه کامل است.

محدودیت‌ها و ملاحظات مهم

• فراوانی‌های مورد انتظار کم: آزمون کای-دو زمانی که تعداد زیادی از سلول‌ها (معمولاً بیش از 20 درصد سلول‌ها) دارای “فراوانی مورد انتظار” کمتر از 5 باشند، ممکن است نتایج نامعتبر ارائه دهد. در چنین حالتی، یا باید دسته‌ها را ادغام کرد یا از آزمون دقیق فیشر (Fisher’s Exact Test) استفاده کرد که استتا آن را نیز فراهم می‌کند.
• استقلال مشاهدات: فرض مهمی در آزمون کای-دو این است که مشاهدات مستقل از یکدیگر باشند. هر مشاهده (مثلاً هر فرد) تنها یک بار در نظر گرفته شود و انتخاب یک فرد بر انتخاب دیگری تأثیر نگذارد.
• فقط وجود رابطه، نه علیت: آزمون کای-دو نشان می‌دهد که آیا دو متغیر با هم مرتبط هستند یا خیر، اما نشان‌دهنده رابطه علت و معلولی نیست. برای اثبات علیت، نیاز به روش‌های تحقیقاتی دقیق‌تر (مانند آزمایش‌های کنترل‌شده) و تئوری قوی دارید.
• حجم نمونه: در حجم‌های نمونه بسیار بزرگ، حتی تفاوت‌های کوچک و بی‌اهمیت نیز ممکن است از نظر آماری معنی‌دار شوند (P-value کوچک). بنابراین، علاوه بر P-value، به بررسی قدرت رابطه (با معیارهایی مانند Cramer’s V) و اهمیت عملی نتایج نیز توجه کنید.

در مجموع، آزمون پیرسون کای-دو ابزاری بسیار مفید و پرکاربرد در تحلیل‌های آماری است، به شرطی که محدودیت‌های آن را بدانیم و به درستی تفسیرش کنیم.

کلیدواژه ها : استتا-Stata-آزمون کای-دو-Chi-Squared Test-پیرسون-Pearson-متغیرهای طبقه‌ای-Categorical Variables-جدول توافقی-Contingency Table-فراوانی مشاهده شده-Observed Frequencies-فراوانی مورد انتظار-Expected Frequencies-فرضیه صفر-Null Hypothesis-فرضیه جایگزین-Alternative Hypothesis-P-value-درجه آزادی-Degrees of Freedom-استقلال-Independence-همبستگی-Association-آماره کای-دو-Chi-Squared Statistic-Cramer’s V-فی کوئفیشنت-Phi Coefficient-tabulate-آزمون دقیق فیشر-Fisher’s Exact Test