Биномиальный критерий

Этот метод похож на критерий Хи-квадрат, поскольку также предназначен для сопоставления наблюдаемого распределения номинативной переменной с ожидаемым распределением. Но в отличие от критерия Хи-квадрат, биномиальный критерий может быть применен только к дихотомическим переменным. Иначе говоря, номинативная переменная может иметь только 2 категории.

spss-t20

 

Допустим, использовались только два метода обучения: «самостоятельно» и «подробные инструкции». Студенты были разделены на 2 группы равной численности и по отношению к каждой группе применялся только один метод обучения. В каждой группе было подсчитано количество студентов, которые получили все необходимые навыки, причем сделали это вовремя. Согласно табл.20, метод «Подробные инструкции» позволил «эффективно обучить» 24-х студентов (доля составляет 0,69). Метод же «Самостоятельно» оказался гораздо менее эффективным (доля - 0,31). Если бы полностью отсутствовало не только влияние метода обучения, но и случайность, мы получили бы долю 0,5, т.е. теоретически 17,5 «эффективно обученных человек» в каждой группе. Именно с таким ожидаемым распределением и следует сопоставить наблюдаемое распределение, представленное в табл.20.

Воспользуйтесь меню Data > Weight cases и выберите в качестве частотной (frequency) переменную Количество.  Ок.  Воспользуйтесь меню Analyze > Nonparametric tests >BinomialМы проверяем (test) переменную МетодОбучения. Поскольку размеры групп равны, то нулевой гипотезе соответствует доля 0,5.  Ок.  В таблице Binomial test все ясно. А разница между наблюдаемой и ожидаемой пропорциями является статистически значимой на уровне .

Легко убедиться, что биномиальный критерий предназначен только для дихотомических данных. Добавьте в файл Sav третий метод обучения и соответственно некоторое количество «эффективно обученных». Попробуйте выполнить тот же анализ и не получите ничего кроме сообщения: «биномиальный критерий не может быть выполнен…». 

Разделительная точка. Но откройте меню Analyze > Nonparametric tests > Binomialснова. До сих пор мы получали (get) дихотомию из (from) исходных данных (data). Теперь же этот метод не работает, поскольку данные теперь дихотомическими не являются. Но с помощью разделительной точки (cut point) мы можем получить дихотомию из переменной, измеренной в любой шкале. Введите в это поле значение 2.  Ок.  Теперь, согласно таблице Binomial test, методы «самостоятельно» и «подробные инструкции» объединены в одну группу (Category<=2, N=35). Дихотомия же образуется за счет третьего метода (Category>2). 

По всем вопросам, связанным с использованием материалов Expect.ru, обращайтесь к Никулину Денису Николаевичу
email