Minun pieneen päähäni ei mahdu, mitä eroa näissä on! Molempia käytetään tilanteessa, jossa ainakin toinen muuttuja on luokitteluasteikon muuttuja. OK, no mulla on. Khiin nelilössä asetetaan hypoteesit H0: muuttujat ovat riippumattomia, H1: Muuttujat riippuvat toisistaan. OK saadaan p-arvoksi 0,00. Eli jos hylkään 0 hypoteesin minulla on 0 % todennäköisyys virhepäätelmään. Jos p-arvo olisi vaikka 0,02 % ja hylkäisin tuon nollan niin voisiko kuitenkin olla, että ne ovat toisistaan riippumattomia. Onko se todennäköisyys suoraan sen 2 %. Ajatellaan asiaa toisin päin. Jos p-arvo on 0,2 niin nollahypoteesi jää voimaan, mutta onko oikein kuitenkaan sanoa, että nämä ovat riippumattomia? Onko kuitenkin 80 % mahdollisuus, että ne ovatkin riippuvaisia? (Eli onko päätelmä aina vahvempi jos nolla hypoteesin voi hylätä tai sitten jos p-arvo lähenee 1 eli riippumattomuus on silloin vahvempi). Eli khiin neliö-testissä ristiintaulukoidut muuttujat ovat riippuvaisia toisistaan, jos arvo on < 0,05 (sopimuksen mukaista tosin.)
No kuten otsikossa lukee niin minua kiinnostaa kontingenssikertoimien ja tuon khiin neliön ero. Kontingenssikerrointa käytetään myös tilanteessa, jossa toinen muuttuja on luokitteluasteikollinen. Eli "yleisesti katsotaan, että riippuvuutta ei esiinny, jos C0,3. Väliin jää "ei osaa sanoa alue". Niin eikö tässäkin johtopäätös ole muotoa x:n ja y:n (ristiintaulukoidut muuttujat) välillä esiintyy riippuvuutta, jos arvo on >0,3?
Omassa analyysissani esim. khiin neliön p-arvoksi tuli 0,00 ja kontingenssikertoimen arvoksi 0,142. Eli khiin nelilön mukaan esiintyy riippuvuutta, mutta kontingenssin ei. Kumpikos näistä on sitten vahvempi. Tesitn tekemisen ehdot täyttyvät molemmissa.
No kuten otsikossa lukee niin minua kiinnostaa kontingenssikertoimien ja tuon khiin neliön ero. Kontingenssikerrointa käytetään myös tilanteessa, jossa toinen muuttuja on luokitteluasteikollinen. Eli "yleisesti katsotaan, että riippuvuutta ei esiinny, jos C0,3. Väliin jää "ei osaa sanoa alue". Niin eikö tässäkin johtopäätös ole muotoa x:n ja y:n (ristiintaulukoidut muuttujat) välillä esiintyy riippuvuutta, jos arvo on >0,3?
Omassa analyysissani esim. khiin neliön p-arvoksi tuli 0,00 ja kontingenssikertoimen arvoksi 0,142. Eli khiin nelilön mukaan esiintyy riippuvuutta, mutta kontingenssin ei. Kumpikos näistä on sitten vahvempi. Tesitn tekemisen ehdot täyttyvät molemmissa.
Vastaukset 2
Vanhimmat
... tää on tätä :-). Khi-neliötestiä tai C:tä on mieletöntä yrittääkään käyttää, elleivät molemmat muuttujat ole luokiteltuja. Voi olla, että joku ohjelmisto laskee C:n, vaikka toinen muuttuja on korkeammalla mittaustasolla, mutta tulos on järjetön, ja parempiakin analyysiiälineitä riippuvuustarkasteluun on rutosti tarjolla.
Khi-neliötestin p kertoo myös, onko C:n arvo merkitsevä valitulla p:n arvolla, vaikka C olisi pienikin!!! Huomaa, että C:n teoreettinen maksimiarvo riippuu luokkien lukumäärästä (eli ei ole C =1) joten parempi, välille [0,1] skaalautuva tunnusluku on C/C_max.
Jos olen ymmärtänyt oikein kontingenssikertoimen luonteen, niin se on aika "häilyvä" tunnusluku. Sillehän ei ole määritelty mitään jakaumaa päinvastoin kuin esim. khi^2:lle. Joten pelkän kontingenssikertoimen käyttäminenkin on vähän niin ja näin. Itse yrittäisin etsiä jonkin muun testin riippumattomuudelle. Lisäksi asia on niin, että kontingenssikertoimia on olemassa useita erilaisia. Se, mikä on missäkin tapauksessa käyttökelpoinen, ei liene aivan selkeää.