Chi-square (מבחן חי בריבוע)

מבחן חי בריבוע (Chi-Square) באמצעות SPSS
מבוא
מבחן חי-בריבוע (chi-square test), הנקרא גם מבחן חי בריבוע של פירסון (Pearson's chi-square test) , או מבחן חי בריבוע של אסוציאציה (chi-square test of association), משמש כדי לגלות אם יש קשר בין שני משתנים קטגוריים.
הנחות
כאשר אתם בוחרים לנתח את הנתונים באמצעות מבחן חי בריבוע (chi-square test), עליכם לוודא כי הנתונים שברצונכם לנתח עונים על שתי הנחות. אם הנתונים לא מתאימים, אז לא ניתן להשתמש במבחן חי בריבוע. שתי הנחות אלו הן: הנחה מס '1: שני המשתנים צריכים להיות בסולם שמי או בסולם סדר, כלומר, משתנים קטגוריים. ניתן ללמוד עוד על משתנים אלו בלינק אבה: הנחה מס '2: שני המשתנים שלך צריכים להיות מורכבים משתי קבוצות עצמאיות וקטגוריות. המשתנים הבלתי תלויים העומדים בקריטריון זה כוללים מגדר (2 קבוצות: זכרים ונקבות), דת (לדוגמה, 3 קבוצות: יהודים, מוסלמים ונוצרים), מקצוע (למשל, 5 קבוצות: מנתח, רופא, אחות, רופא שיניים, מטפל), וכן הלאה. בחלק אבה אנו נראה איך לבצע מבחן חי בריבוע ונדגים שלב שלב מה עליכם לעשות.
דוגמא
אם אנו רוצים לדעת אם יש השפעה של מין על העדפה של סוג הרכב, ניתן לבדוק זאת בעזרת מבחן חי-בריבוע. משתנה מין (2 קבוצות: זכר/נקבה) הינו משתנה מסולם שמי (ערכים אלו משמשים כתווית בלבד אין להם משמעות כמותית או מספרית). והמשתנה השני הוא סוג הרכב (3 קבוצות: אקונומי/סטנדרט/יוקרה).
לחצו על: Analyze > Descriptives Statistics > Crosstabs

יש להכניס משתנה גיל לתא הראשון ומשתנה סוג הרכב בתא השני, כפי שמופיע בתמונה הבאה:
לחצו על ולסמן את האופציות המופיעות בתמונה הבאה:
לחצו על וסמנו את האופציות המופיעות בתמונה הבאה:
לאחר מכן לחצו על ו-
הסבר של פלטים SPSS חי בריבוע (chi-square)
יוצגו בפניכם מספר טבלאות בתצוגת פלט תחת הכותרת "Crosstabs". הלוחות מוצגים להלן:
טבלה הזאת מאפשרת לנו לראות שכמות התצפיות הינה 6400 איש, אין תצפיות חסרות.
ניתן לראות כי כמעט ואין הבדלים בין גברים לנשים. קיימת העדפה לרכבים סטנדרט ויוקרה גם אצל גברים וגם אצל נשים.
בעת קריאת טבלה זו אנו מעוניינים בתוצאות של "Pearson Chi-Square" שורה. ניתן לראות כאן כי χ (1) = 0.154, p = .926. זה אומר לנו כי אין קשר מובהק סטטיסטית בין מגדר לבין סוג רכב מועדפת; כלומר, גברים ונשים כאחד מעדיפים אותם סוגים של רכבים.
ניתן לראות כי עוצמת הקשר בין המשתנים חלשה מאוד.
{ניתוח סטטיסטי}