image
تاریخ : 2014/12/15 نویسنده : h.gh دیدگاه : 0

الف- در دو جامعه مستقل

به طور کلی در جداول توافقی آماره آزمون دارای توزیع کی‎دو است و از این رو به آزمون مرتبط آزمون کی‎دو نیز گفته می‎شود. در این حالت برای بررسی همبستگی بین متغیرهای گسسته از آزمون های کی دو پیرسون (Pearson Chisquare)، آماره نسبت درست نمایی (Likelihood Ratio) و دقیق فیشر استفاده می شود. اگر هر دو متغیر از مقیاس فاصله ای پیروی کنند، می توان از ضریب Linear by Linear Association نیز استفاده نمود.

ترتیب استفاده این است که در صورتی که فراوانی های مورد انتظار در همه خانه های جدول بزرگ تر از ۵ باشد، مجازیم از آماره کی دو استفاده کنیم، در غیر این صورت اگر فراوانی صفر نداشته باشیم از آماره نسبت درست نمایی می توان بهره برد. اما در هر حالت آزمون دقیق فیشر بهتر می باشد که نرم افزار به صورت پیش گزیده برای جداول دو در دو این آزمون را محاسبه می کند.

اما برای محاسبه شاخص های مرتبط با هم خوانی (هم نوایی) یا سازگاری نکات ذیل حائز اهمیت می باشند:

  1. متغیر اسمی در مقابل اسمی (حداقل یکی اسمی):

در این صورت ضرائب یا آماره های Contingency coeff، Phi، Cramer’s V، Lambdaی متقارن و نامتقارن و ضریب تردید (Uncertainty Coeff) برای مقایسه سازگاری و یا توزان بین دو متغیر (ارتباط یا همبستگی) مناسب می باشد. اگر بخواهیم پیش بینی تغییرات یک متغیر از روی دیگری را داشته باشیم، می توان از ضرائب Goodman and Kruskal tau، Lambdaی متقارن، و ضریب تردید (که از روی آنتروپی شرطی بدست می آید و عددی بین صفر و یک است) بهره برد.

  1. متغیر رتبه ای در مقابل رتبه ای (هر دو):

در این حالت ضرائب یا آماره های Gamma (عددی بین منفی یک و یک)، Kendall’s tau-b، Kendall’s (Stuart’s) tau-c، برای مقایسه سازگاری و یا توزان بین دو متغیر (ارتباط یا همبستگی) مناسب می باشد. اگر بخواهیم پیش بینی تغییرات یک متغیر از روی دیگری را داشته باشیم، می توان از آماره Somer’s-d استفاده نمود.

ضرائب کندال بی و سی تقریبا یکی هستند ولی ضریب کندال سی وقتی معمولا ارجح تر است که تعداد سطوح دو متغیر سطر و ستون یکسان نباشد.

  1. متغیر اسمی در مقابل فاصله ای:

در این حالت ضریب Eta برای پیش بینی یک متغیر از روی دیگری مورد استفاده قرار می گیرد.

  1. متغیر اسمی در مقابل اسمی با یک متغیر کنترل کننده اسمی (رتبه ای):

در این حالت بایستی از آزمون منتل هانزل (Mantel Haenszel) استفاده نمود. در این حالت در نرم افزار SPSS بایستی متغیر کنترل کننده به عنوان لایه (Layer) تعریف گردد.

آزمون دیگری که در اینجا وجود دارد آزمون Breslov Day برای همگنی نسبت بخت (Odss Ratio) در آزمون منتل هانزل می باشد (یا همان آزمون کوکران منتل هانزل).

 

ب-در دو جامعه وابسته یا نمونه های زوج شده

  1. متغیر اسمی در مقابل اسمی (هر دو دو سطحی):

در این حالت آزمون مناسب همان آزمون مک نمار است. ضریب کاپا (Kappa) نیز شاخص مناسبی برای این موضوع می باشد. مقدار ضریب کاپا عددی بین منفی یک و یک می باشد و اگر صفر شود به معنی عدم سازگاری می باشد و اگر مساوی یک یا منفی یک شود به معنی سازگاری مستقیم و یا معکوس کامل است.

  1. متغیر رتبه ای در مقابل رتبه ای (با سطوح برابر):

در این حالت می توان از آزمون و ضریب کاپا (Kappa) که برای بررسی سازگاری بین دو روش ارزیابی می باشد، استفاده نمود. ضریب دیگری که در این جا کاربرد دارد، همان ضریب کاپای وزنی یا ضریب توافق Bowker’s می باشد که باید برای جداول مربعی استفاده شود.

  1. متغیر اسمی در مقابل اسمی (چند سطحی):

در این حالت آزمون مناسب همان آزمون ویلکاکسون می باشد.

  1. چند متغیر اسمی در مقابل هم دیگر (همه دو سطحی):

این حالت در واقع یک جدول توافقی چند بعدی (چند طرفه multi-way) با سطوح دوتایی بدست می دهد یعنی ۲*…۲*۲٫ به عبارتی دیگر اگر یک تست تشخیصی برای افراد در طی زمان انجام گیرد و بخواهیم نتیجه تشخیص را در زمان های مختلف بررسی کنیم این حالت پیش می آید.

در این حالت آزمون مناسب همان آزمون ککران (Cochran’s Q) می باشد که تعمیم یافته آزمون مک نمار است. این آزمون برای آزمون نمودن همگنی حواشی یک بعدی است (نمونه ها بایستی زوجی باشند). واضح است که در این‎جا اگر بیش از دو سطح برای هر مرحله اندازه‎گیری وجود داشته باشد، بایستی از آزمون فریدمن یا اگر شرائط پارامتری وجود داشته باشد از آزمون اندازه‎های تکراری استفاده نمود.

دیدگاهتان را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *