对于大样本下卡方检验的思考 | 您所在的位置:网站首页 › 样本量太大对研究的影响 › 对于大样本下卡方检验的思考 |
本人只是个小白,此帖子只是在搜帖子搜不到最终答案的情况下,翻阅了书籍,并将积累的内容对大家做诠释。 一、研究背景 在大数据时代,我们获取数据的方式多种多样。根据统计学理论,在针对分类变量之间的相关性上,可以使用卡方检验,来检验两组分类变量之间是否相互独立。 二、探索结果 本次使用了chat-GPT等大模型工具搜索答案,chat-GPT给出的答案只是基于一些资料及课本上的内容,真实情况需对它进行不断的训练,或者直接跳过,仅供参考。 对于大样本下的卡方检验来说,严格来讲是可以使用的。卡方检验本身就适用于样本量较大的情况,当样本比例增大10倍,卡方值也会增大10倍,这会使得相对较小的样本出来的卡方值本不能拒绝原假设,但大样本下,卡方值便拒绝原假设,表示两变量之间是有相关性的。 这种从统计的原理上来讲,也是讲的通的,即,样本量越大,越能反映数据真实的样子。原本样本并不能充分说明两变量之间的相关,但在样本量同比增大的时候,相关性就体现了出来。 也就是说,在大样本的情况下使用卡方检验,会使卡方检验更加灵敏,一些小的变化会导致结果的不一样。(我看许多网友的答案里也说明了这点) 但更灵敏了以后,也会影响到一些判断,如一些本相对独立的变量,在样本量同比增大以后,会变的不再独立,而显示出有相关性。 所以在实际的大样本的卡方检验,并不能达到我们预期的效果。 需要使用Alan AGRESTI 第8章,第229页。 故在大样本的条件下,卡方检验应慎重使用,建议使用交叉乘积比来衡量相关性。
|
CopyRight 2018-2019 实验室设备网 版权所有 |