İçindekiler
Tek Örneklem Ki Kare Testi Nedir?
Tek Örneklem Ki Kare Testi, bir veri setindeki verilerin kafamızdan belirlediğimiz bir dağılıma uyup uymadığını test etmek için kullanılan bir istatistiksel analiz türüdür. Bu test, kategorik veriler ile uygulanır ve bir veri setindeki kategorilerin dağılımının, kafadan herhangi bir sayı olarak belirleyebildiğimiz beklenen frekanslardan anlamlı olarak farklı bir dağılım olup olmadığını değerlendirir.
Örneğin, 40 kadın ve 60 erkek katılımcıdan oluşan bir örneklem grubumuz var. Bu gruptaki 40-60 şeklindeki cinsiyet dağılımının, 50 erkek – 50 kadından oluşan teorik bir grubun cinsiyet dağılımından anlamlı olarak farklı bir dağılım olup olmadığını incelemek için Tek Örneklem Ki Kare Testi yapılabilir.
Tek Örneklem Ki Kare Testi, aynı zamanda Ki Kare Uygunluk Testi olarak da geçer. Bu ikisi aynı testtir.
SPSS ile Tek Örneklem Ki Kare Testi Nasıl Yapılır?
SPSS ile Tek Örneklem Ki Kare Testi uygulamak oldukça kolaydır ve sadece birkaç adımdan oluşur.
Örneğimizde, 100 kişilik bir veri setimiz var. Veride 60 katılımcının erkek ve 40 tanesinin kadın olduğu bilgisi var. “Bu cinsiyet dağılımı, 50 kadın 50 erkek olan dağılımdan anlamlı olarak farklı mıdır?” sorusuna yanıt aramak için SPSS ile Tek Örneklem Ki Kare Testi yapacağız.
Analyze -> Nonparametric Tests -> Legacy Dialogs -> Chi-Square butonlarına basıyoruz.
Kategorik olan Cinsiyet değişkenimizi Test Variable List kutusuna atıyoruz.
Bu örnekte, cinsiyet dağılımının, eşit (50-50) sayılıp sayılamayacağını test edeceğimiz için, Expected Values kısmında seçili olan seçeneği “All categories equal” olarak bırakabiliriz.
“OK” butonuna basıp analizi başlatalım.
SPSS analiz sonucu bize 2 tane tablo verecek.
Frequencies tablosundaki Observed N sütununda, veri setinde hangi cinsiyetten kaç katılımcının olduğunun bilgisi var. Expected N sütununda ise, veri setini karşılaştırdığımız dağılım şeklinde hangi cinsiyetten kaç katılımcı olması gerektiğinin bilgisi var (bu örnekte cinsiyet dağılımının eşit olup olmadığını test etmek istediğimiz için burada 50-50 olarak görünüyor). Residual kısmında ise, Observed N yani gözlemlenen katılımcı sayısı ile Expected N yani beklenen katılımcı sayısı arasındaki farkın bilgisi yer almakta.
Test Statistics tablosundaki Asymp. Sig. satırındaki değer, Ki Kare Analizi’nin p istatistiksel anlamlılık değerini gösterir. Bu değer 0.05’ten küçükse, veri setimizdeki katılımcıların dağılımının, karşılaştırdığımız dağılımdan (bu örnekte eşit cinsiyet dağılımından) istatistiksel olarak anlamlı şekilde farklı olduğunu anlıyoruz. (p değeri 0.05’ten büyük ise “karşılaştırdığımız dağılımdan anlamlı olarak farklı değil” demektir)
Bu örnekte, p değeri 0.046 olduğu için, “60-40’lık bir cinsiyet dağılımı, 50-50’lik bir cinsiyet dağılımından anlamlı olarak farklı dağılım göstermekteymiş” sonucuna varabiliriz.
SPSS ile Tek Örneklem Ki Kare Testi (Eşit Olmayan Dağılımlar)
Yine 60 erkek ve 40 kadından oluşan veri setindeki erkeklerin ve kadınların dağılımının, 66 erkek ve 34 kadından oluşan hayali bir dağılımdan anlamlı olarak farklı olup olmadığını da SPSS’te Tek Örneklem Ki Kare Testi yaparak incelemek mümkündür. SPSS’te deminki aynı işlemleri sadece ufak bir değişiklik yaparak uygulayabiliriz.
Yine Analyze -> Nonparametric Tests -> Legacy Dialogs -> Chi-Square butonlarına basıyoruz.
Yine kategorik değişken olan Cinsiyet değişkenini Test Variable List kutusuna atıyoruz.
Bu sefer, Expected Values kısmında “All categories equal” yerine “Values” kısmını seçmemiz gerekiyor.
Bizim veri setimizde Erkek = 1, Kadın = 2 olarak kodlanmış durumdadır. Bu yüzden, bu pencerede Values kısmına önce 66 yazıp “Add” butonuna basıyoruz, sonra da 34 yazıp “Add” butonuna basıyoruz. Bu şekilde, bizim elimizdeki 60 erkek – 40 kadın olarak dağılım gösteren verinin 66 erkek ve 34 kadın olan hayali bir veri setinden farklı olup olmadığını test etmesini SPSS’e söylemiş oluyoruz.
“OK” butonuna basıp analizi başlatıyoruz.
Frequencies tablosunda, yine deminki gibi sırasıyla soldan sağa sütunlarda gözlemlenen katılımcı sayısı, beklenen katılımcı sayısı ve aradaki farkın bilgileri bulunmaktadır.
“Test Statistics” tablosundaki son satırda, p anlamlılık değerinin 0.205 olduğunu görüyoruz. Bu değer 0.05’ten büyüktür. Demek ki, 60 erkek ve 40 kadından oluşan bir katılımcı grubunun cinsiyet dağılımı, 66 erkek ve 34 kadından oluşan bir katılımcı grubunun cinsiyet dağılımından anlamlı olarak farklı değilmiş.
Bir yanıt bırakın