카이 제곱은 항상 단측 테스트입니까?


48

출판 된 기사 ( pdf )에는 다음 두 문장이 포함되어 있습니다.

또한 잘못된 규칙을 적용하거나 통계 테스트에 대한 지식이 부족하여 잘못된보고가 발생할 수 있습니다. 예를 들어, 검정 의보고에서 분산 분석의 총 df를 오류 df로 간주 하거나 연구원이 또는 검정 의보고 된 p 값을 나눌 수 있습니다. 단측 값인 반면 또는 검정 의 값 은 이미 단측 테스트입니다.χ 2 F p p χ 2 FFχ2Fppχ2F

그들은 왜 그렇게 말했 을까요? 카이 제곱 테스트는 양면 테스트입니다. (저는 저자 중 한 명에게 물었지만 응답이 없었습니다.)

내가 뭔가를 간과하고 있습니까?


Chi-squared가 양측 테스트에 사용되는 경우의 예외적 인 예는 Davidson & Mackinnon 'Econometric Theory and Methods'2004 년 판 연습 4.14를 참조하십시오. 편집 : 여기에 좋은 설명 : itl.nist.gov/div898/handbook/eda/section3/eda358.htm
Max

답변:


50

카이 제곱 테스트는 기본적으로 항상 단측 테스트 입니다. 카이 제곱 테스트는 기본적으로 '적합성'테스트입니다. 때로는 명시 적으로 그렇게 언급되어 있지만 그렇지 않은 경우에도 본질적으로 여전히 적합합니다. 예를 들어, 2 x 2 빈도 표에 대한 카이 제곱 독립 검정은 첫 번째 행 (열)이 두 번째 행 (열)에 의해 지정된 분포에 적합하고 그 반대 인 경우에 대한 검정입니다. 동시에. 따라서 실현 된 카이 제곱 값이 분포의 오른쪽 꼬리에 나올 때 적합하지 못함을 나타내며, 미리 지정된 임계 값에 비해 충분히 크면 결론이 너무 나쁘다는 결론을 내릴 수 있습니다. 우리는 데이터가 그 참조 분포에서 온 것으로 믿지 않습니다.

카이 제곱 검정을 양측 검정으로 사용한다면 통계가 카이 제곱 분포 의 왼쪽에 너무 멀리 있는지 걱정할 것 입니다. 이것은 우리가 착용감이 너무 좋다고 걱정한다는 것을 의미합니다 . 이것은 단순히 우리가 일반적으로 걱정하는 것이 아닙니다. (역사적 측면에서, 이것은 Mendel이 자신의 데이터를 퍼지했는지 여부에 대한 논쟁과 관련이 있습니다. 아이디어는 그의 데이터가 너무 좋지 않아서 사실 이 아닙니다. 궁금한 점이 있으면 여기 를 참조 하십시오 .)


9
멘델의 완두콩 실험에서 양측 사용에 대해 언급 한 +1 : 기억에 남고 문제의 핵심입니다.
whuber

2
좋은 질문과 훌륭한 답변을 얻으려면 +1하십시오. @Joel W : 테스트 에서 Khan Academys 비디오를 강력히 추천 할 수 있습니다χ2
Max Gordon

9
이것에 대한 나의 요약은 는 우리가 일반적으로 분포의 꼬리 중 하나에 만 관심이있는 양측 검정이라는 것인데, 우연히 예상하는 것보다 덜 불일치하지 않고 더 많은 불일치를 나타냅니다. χ2
Frank Harrell 2019

5
양측 뷰 지원 : "표준 정규 분포의 +/- z를 초과하는 양측 꼬리 확률은 df = 1 인 카이 제곱 분포의 경우 z- 제곱 위의 우측 꼬리 확률과 같습니다. 예를 들어, df가 1 일 때 -1.96 미만이고 1.96을 초과하는 꼬리 표준 정규 확률 .05는 오른쪽 꼬리 카이 제곱 확률이 (1.96) squared = 3.84 이상입니다. " Agresti, 2007 (2 판) 페이지 11
Joel W.

5
맞습니다. z- 점수를 제곱하면 카이 제곱 변수가 생성됩니다. 예를 들어, 제곱이 4 인 경우 a의 2 (또는 -2!)는 해당 카이 제곱 값입니다. z- 점수가 2 인 양측 p- 값은 .04550026입니다. 카이 제곱 값 4 (df = 1)와 관련된 단측 p- 값은 .04550026입니다. 양측 z 검정은 단측 카이 제곱 검정에 해당합니다. 카이 제곱 분포의 왼쪽 꼬리를 보면 우연히 예상 할 수있는 것보다 z = 0에 가까운 z- 점수를 찾는 것과 같습니다.
gung-복직 모니카

12

카이 제곱은 항상 단측 테스트입니까?

그것은 실제로 두 가지에 달려 있습니다.

  1. 어떤 가설이 테스트되고 있는지. 지정된 값에 대한 정규 데이터의 분산을 테스트하는 경우 카이 제곱의 상단 또는 하단 꼬리 (단일 꼬리) 또는 분포의 양쪽 꼬리를 모두 처리 할 수 ​​있습니다. 유형 통계는 도시에서 유일한 카이 제곱 검정이 아니라는 점을 기억해야 합니다!(OE)2E

  2. 사람들이 대안 가설에 대해 일방 또는 양측 에 대해 이야기하고 있는지 여부 (일부 사람들 은 통계의 표본 분포에 어떤 일이 발생하든 상관없이 양측 대안을 참조하기 위해 '양측'을 사용하기 때문에) 예를 들어, 우리가 2- 표본 비율 검정을보고있는 경우 누군가 누군가가 두 비율이 같다는 것을 널 (null) 쓰기로하고 다른 대안으로| T | | T |π1π2그런 다음 '양쪽 꼬리'라고 말하지만 z 검정이 아닌 카이 제곱을 사용하여 검정하므로 검정 통계량 분포의 상단 꼬리 만보십시오. 샘플 비율의 차이, 그러나 그에서 얻은 카이 제곱 통계량의 분포의 측면에서 꼬리 하나의 분포 - 당신이 당신의 t-테스트 statistc 할 경우 것과 거의 같은 방법으로 , 당신 만있어 분포에서 하나의 꼬리를 봅니다.|T||T|

즉, '카이 제곱 검정'을 사용하여 다루어야하는 의미 '단 꼬리'대 '양 꼬리'라고 할 때의 의미에 대해 매우 신중해야 합니다.

어떤 상황에서는 (내가 언급 한 두 가지가 더있을 수 있습니다), 양측이라고 부르는 것이 합리적이거나 용어 사용이 느슨하면 양측이라고 부르는 것이 합리적 일 수 있습니다.

토론을 특정 종류의 카이-제곱 테스트로 제한하는 경우 단 한 번만 말하는 것이 합리적 진술 일 수 있습니다.



분산 테스트를 언급 해 주셔서 대단히 감사합니다. 그것은 실제로 테스트의 매우 흥미로운 사용이며,이 페이지에서 끝나는 이유입니다. ^^
Tobbey September

5

분산이 라는 가설 의 카이 제곱 검정 는 t- 검정 평균이 라는 가설 는 단측 또는 양측 꼬리 일 수 있습니다.σ 2 ( m μ ) (n1)s2/σ2σ2μ(mμ)n/sμ


1

@gung의 대답은 정확하며 대한 토론을 읽는 방법입니다. 그러나 다른 독서에서 혼란이 발생할 수 있습니다.χ2

쉽게 해석 될 검정 통계량은 전형적으로 차의 제곱합으로 구성되어 있다는 의미에서 '양면'로서 모두 원래 분포의 변.χ2

이 수치는 테스트 통계가 어떻게 생성되는지와 테스트 통계의 꼬리 어떻게 혼동하는지에 대한 것 입니다.


"원본 배포의 측면"이 무엇인지 자세히 설명해 주시겠습니까? "원본 분포"가 데이터에서 계산 된 카이 제곱 통계량과 어떤 관련이 있는지 또는 그것이 어떻게 관련되어 있는지는 분명하지 않습니다.
whuber

nχ2χ2

좋아, 그러나 나는 아직도 당신이 무엇을 대조하는지 알 수 없다. 분산 분석에 사용할 수있는 비 양측 검정 통계량의 예를 제공하고 분포의 꼬리와 어떻게 연결되는지 보여줄 수 있습니까?
whuber

χ2χ2χ2

나는 당신이 묘사하려는 것을 이해하는 데 도움이되는 대조만을 요구하고 있습니다. 나는 그것이 무엇인지 아직 결정할 수 없었습니다.
whuber

0

나는 또한이 질문에 대해서도 문제를 겪었지만 몇 가지 실험을 한 후에 내 문제가 단순히 테스트의 이름을 지정하는 것처럼 보였습니다.

예를 들어 SPSS에서 2x2 테이블에는 카이 제곱 검정이 추가 될 수 있습니다. p- 값에 대한 두 개의 열이 있습니다. 하나는 "Pearson Chi-Sqare", "Continuity Correction"등이고, Fisher의 정확한 테스트를위한 또 다른 한 쌍의 열은 양면 테스트를위한 하나의 열과 단면 테스트.

처음에는 단면과 양면이 카이 제곱 테스트의 단면 또는 양면 버전을 나타내는 것으로 생각했는데 이상하게 보였습니다. 그러나 이것은 비율의 차이, 즉 z- 검정의 검정에서 대립 가설의 기본 공식을 나타냅니다. 따라서 SPSS에서 카이 제곱 검정을 사용하여 종종 합리적인 양측 비율 검정을 수행합니다. 카이 제곱 측정 값은 분포의 (단면) 상단 꼬리 값과 비교됩니다. 이것이 원래 질문에 대한 다른 응답이 이미 지적한 것 같아요.하지만 그것을 깨닫는 데 약간의 시간이 걸렸습니다.

그건 그렇고, 같은 종류의 공식이 openepi.com과 다른 시스템에서도 사용됩니다.



0

χ2 (n1)s2σ2σs>σs<σsσ


1
이력서에 오신 것을 환영합니다! Ray Koopman의 답변이 이미이 점을 다루고 있다고 생각 합니다.
Silverfish

-1

χ2χ2χ2

SSwdfw

χ2

카이 제곱 및 F 분포


1
검정 통계량은 두 꼬리를 모두 고려하기 위해 음수 값을 취할 필요가 없습니다. 예를 들어 두 분산의 비율에 대한 F 검정을 고려하십시오.
Glen_b

F 테스트는 단면 테스트 Glen_b입니다.
Daniel

3
분산의 동등성에 대한 F 검정은 두 분산 추정치의 비율 인 통계가 한쪽이 아닙니다. 분자에 두 개의 표본 분산을 더 크게하는 근사값이 있지만 df가 동일한 경우에만 옳습니다. 그러나 마음에 들지 않으면 다른 예가 많이 있습니다. 순위 합계 검정에 대한 통계량은 음수 일 수 없지만 검정은 양측 검정이므로 필요한 경우 다른 예를 제공 할 수 있습니다.
Glen_b

σ12σ22σ12>σ22
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.