Калькулятор таблицы сопряжённости

О Калькулятор таблицы сопряжённости

Калькулятор таблицы сопряжённости выполняет критерий независимости хи-квадрат для любой таблицы сопряжённости R×C (перекрестной табуляции). Введите наблюдаемые частоты, чтобы проверить, существует ли статистическая связь между двумя категориальными переменными. Получите подробные результаты, включая ожидаемые частоты, скорректированные стандартизированные остатки, размер эффекта V Крамера, анализ вклада ячеек, интерактивные мозаичные графики, тепловые карты остатков, кривые распределения хи-квадрат и полное пошаговое решение.

Как использовать калькулятор таблицы сопряжённости

1. Установите размеры таблицы — выберите количество строк и столбцов для вашей таблицы сопряжённости. По умолчанию это таблица 2×2, но вы можете анализировать таблицы размером до 10×10, используя выпадающие списки.
2. Введите наблюдаемые частоты — введите наблюдаемое количество для каждой ячейки непосредственно в интерактивную сетку. Либо переключитесь в режим «Текстовый ввод», чтобы вставить данные, разделенные табуляцией или запятыми. Все значения должны быть неотрицательными целыми числами.
3. Добавьте метки (необязательно) — введите метки категорий строк и столбцов через запятую. Метки делают выходные таблицы и графики более понятными. Например, «Мужчины, Женщины» для строк и «Да, Нет» для столбцов.
4. Установите уровень значимости — выберите желаемый уровень α. Самый распространенный выбор — 0.05 (95% доверия). Меньшие значения α (0.01, 0.001) требуют более веских доказательств для признания значимости.
5. Проанализируйте результаты — нажмите «Анализировать таблицу сопряжённости», чтобы увидеть статистику хи-квадрат, p-значение, меры размера эффекта, визуализации и пошаговое решение.

Что такое таблица сопряжённости?

Таблица сопряжённости (также называемая кросс-табуляцией или двухсторонней частотной таблицей) отображает совместное распределение частот двух категориальных переменных. Каждая строка представляет одну категорию первой переменной, каждый столбец — одну категорию второй переменной, а каждая ячейка содержит количество наблюдений, попадающих в эту конкретную комбинацию. Таблицы сопряжённости являются основой для многих методов анализа категориальных данных, включая критерий хи-квадрат, точный тест Фишера и лог-линейные модели.

Критерий независимости хи-квадрат

Критерий хи-квадрат (χ²) на независимость определяет, существует ли статистически значимая связь между двумя категориальными переменными. Он работает путем сравнения наблюдаемых частот ячеек с частотами, которые ожидались бы, если бы переменные были независимыми.

Где Oᵢⱼ — наблюдаемая частота в ячейке (i,j), а Eᵢⱼ — ожидаемая частота, рассчитываемая как:

Степени свободы для теста равны (r − 1) × (c − 1), где r — количество строк, а c — количество столбцов. Большее значение χ² указывает на большее расхождение между наблюдаемыми и ожидаемыми частотами, что предполагает наличие связи между переменными.

V Крамера — измерение размера эффекта

В то время как p-значение говорит о том, существует ли связь, V Крамера показывает, насколько она сильна. V Крамера варьируется от 0 (отсутствие связи) до 1 (полная связь) и рассчитывается как:

Где N — общий объем выборки, а k — меньшее из количества строк или столбцов. Интерпретация V Крамера зависит от степеней свободы:

Размер эффекта	df* = 1	df* = 2	df* ≥ 3
Незначительный	< 0.10	< 0.07	< 0.06
Малый	0.10 – 0.30	0.07 – 0.21	0.06 – 0.17
Средний	0.30 – 0.50	0.21 – 0.35	0.17 – 0.29
Большой	≥ 0.50	≥ 0.35	≥ 0.29

*df* относится к min(строки, столбцы) − 1

Понимание стандартизированных остатков

Скорректированные стандартизированные остатки показывают, какие именно ячейки вносят наибольший вклад в значимый результат хи-квадрат. Остаток +2.5 в ячейке означает, что в этой ячейке на 2.5 стандартных отклонения больше наблюдений, чем ожидалось при условии независимости. Ключевые пороги:

• |r| > 1.96 — значимое отличие от ожидаемого (p < 0.05)
• |r| > 2.58 — высокозначимое отличие от ожидаемого (p < 0.01)
• Положительный остаток — в этой ячейке больше наблюдений, чем ожидалось
• Отрицательный остаток — в этой ячейке меньше наблюдений, чем ожидалось

Когда использовать критерий хи-квадрат

• Категориальные данные — обе переменные должны быть категориальными (номинальными или порядковыми)
• Независимые наблюдения — каждое наблюдение должно быть учтено только один раз
• Адекватный размер выборки — не менее 80% ожидаемых частот должны быть ≥ 5, и ни одна ожидаемая частота не должна быть ниже 1
• Случайная выборка — наблюдения должны быть получены из случайной выборки населения

Если ожидаемые частоты слишком малы, рассмотрите возможность объединения категорий, использования точного теста Фишера (для таблиц 2×2) или использования точных тестов или симуляции Монте-Карло для более крупных таблиц.

Критерий хи-квадрат vs. Точный тест Фишера

• Критерий хи-квадрат использует аппроксимацию для больших выборок; тест Фишера вычисляет точные вероятности
• Тест Фишера предпочтительнее для таблиц 2×2 с малыми ожидаемыми частотами (< 5)
• Критерий хи-квадрат естественным образом обобщается на таблицы R×C любого размера
• Для больших выборок оба теста дают очень похожие результаты

FAQ

Что такое таблица сопряжённости?

Таблица сопряжённости (также называемая кросс-табуляцией или кросстабом) — это таблица, которая отображает распределение частот двух или более категориальных переменных. Каждая ячейка показывает количество наблюдений, попадающих в определенную комбинацию категорий. Это основа для проверки независимости или связи переменных с помощью критерия хи-квадрат.

Что такое критерий независимости хи-квадрат?

Критерий независимости хи-квадрат определяет, существует ли статистически значимая связь между двумя категориальными переменными в таблице сопряжённости. Он сравнивает наблюдаемые частоты ячеек с ожидаемыми частотами, рассчитанными в предположении, что переменные независимы. Большая статистика хи-квадрат относительно степеней свободы говорит о том, что переменные связаны.

Что такое V Крамера и как его интерпретировать?

V Крамера — это мера размера эффекта для критерия хи-квадрат, принимающая значения от 0 (нет связи) до 1 (полная связь). Для таблиц 2×2 значения ниже 0.10 незначительны, 0.10–0.30 — малый эффект, 0.30–0.50 — средний, выше 0.50 — большой. Для таблиц большего размера пороги пропорционально ниже. В отличие от p-значения, V Крамера измеряет силу связи, а не просто факт её статистического существования.

Что такое стандартизированные остатки в таблице сопряжённости?

Скорректированные стандартизированные остатки показывают, насколько каждая ячейка отклоняется от того, что ожидалось бы при независимости. Значения больше +1.96 или меньше −1.96 указывают на значимое отклонение на уровне 0.05. Положительные остатки означают больше наблюдений в этой ячейке, чем ожидалось; отрицательные — меньше. Они помогают точно определить, какие комбинации ячеек обуславливают общую связь.

Когда мне не следует использовать критерий хи-квадрат?

Критерий хи-квадрат может быть ненадежным, когда ожидаемые частоты очень низкие — в частности, когда более 20% ожидаемых значений ниже 5 или любое ожидаемое значение ниже 1. Для таблиц 2×2 с малыми выборками предпочтительнее точный тест Фишера. Тест также требует независимых наблюдений, поэтому его не следует использовать с парными или повторными данными.

Статистика и анализ данных:

• Калькулятор размера выборки A/B теста Новый
• Калькулятор Значимости A/B Теста Новый
• Калькулятор ANOVA
• Калькулятор среднего арифметического Популярное
• Калькулятор среднего значения - Высокая точность
• Калькулятор среднего отклонения
• 📊 Создатель столбчатых диаграмм Новый
• Калькулятор теоремы Байеса Новый
• Калькулятор бета-распределения Новый
• Генератор диаграмм размаха (ящик с усами)
• Калькулятор хи-квадрат теста
• Калькулятор коэффициента вариации Популярное
• Калькулятор d Коэна
• Калькулятор сложных темпов роста
• Калькулятор доверительного интервала
• Калькулятор доверительного интервала для пропорции
• Калькулятор таблицы сопряжённости Новый
• Калькулятор коэффициента конверсии Новый
• Калькулятор коэффициента корреляции
• Калькулятор размера эффекта Новый
• Калькулятор Экспоненциального Распределения Новый
• Калькулятор F-теста и F-распределения Новый
• Калькулятор Точного Теста Фишера Новый
• Калькулятор сводки пяти чисел Новый
• Калькулятор Геометрического Распределения Новый
• Калькулятор среднего геометрического
• Калькулятор коэффициента Джини
• Калькулятор гармонического среднего
• Создатель гистограмм
• Калькулятор Гипергеометрического Распределения Новый
• Калькулятор межквартильного диапазона
• Калькулятор теста Краскела-Уоллиса
• 📈 Создатель линейных графиков Новый
• Калькулятор линейной регрессии
• Калькулятор логарифмического роста
• Калькулятор U-критерия Манна-Уитни
• Калькулятор среднего абсолютного отклонения (MAD)
• Калькулятор среднего значения
• Калькулятор среднего, медианы и моды
• Калькулятор медианного абсолютного отклонения
• Медианный калькулятор
• Калькулятор середины размаха
• Калькулятор моды
• Калькулятор нормального распределения Новый
• Калькулятор Отношения Шансов Популярное
• Калькулятор выбросов
• Калькулятор p-значения Новый
• Генератор диаграмм Парето Новый
• Калькулятор перцентиля Новый
• 🥧 Создатель Круговой Диаграммы Новый
• Калькулятор стандартного отклонения населения-высокая точность
• Калькулятор квартилей
• Калькулятор квартильного отклонения
• Калькулятор диапазона
• Калькулятор Относительного Стандартного Отклонения Популярное
• Калькулятор среднеквадратичного значения
• Калькулятор выборочного среднего
• Калькулятор размера выборки
• Калькулятор стандартного отклонения выборки
• Создатель диаграмм рассеяния
• Калькулятор возможностей процесса Шести Сигм Новый
• Калькулятор ранговой корреляции Спирмена Новый
• Калькулятор стандартного отклонения - Высокая точность
• Калькулятор Стандартной Ошибки
• Статистический Калькулятор
• Калькулятор t-Теста
• Калькулятор дисперсии (высокая точность)
• Калькулятор распределения Вейбулла Новый
• Калькулятор Z-оценки