クロス集計とカイ二乗 (Proのみ)

クロス集計とカイ二乗(分割表)は、変数の度数分布を明らかにする表です。表をベースにした分析は有意な関連性があるかどうかを決定し、関連性の強さと方向を作成して、一致対データの一致を計測して検定します。これは、カテゴリデータの分析に広く使用されています。

目的

クロス集計には、大きく4つの目的があります。

一致の計測

2人の評価者や2つの評価システムの同意の度合いを検定または計測します。例えば、アンケートに答えた人が同意する、しないという選択でどのくらい矛盾していないか検討するために使用されます。

クロス集計とカイ二乗分析は、素データまたは度数データで実行できます。

性別	度数
Female	15
Male	21

解析から欠損値を取り除くため、カテゴリとして列を設定します。または、欠損値を数値とします。

Originは3種類の残差を提供しています。通常値が0に近いほど列と行変数は関連性がありません。詳細については結果の解釈ページを参照してください。

Originは、分割表の変数間で有意な関連性があるかどうか検定する2つの方法を提供しています。

カイ二乗検定

行と列変数が独立であるという仮説の検定に使用されます。
Fisherの正確確率検定

Fisherの正確確率検定は2*2表で利用できます。サンプルサイズが小さく(いくつかのセルが0でも)、カイ二乗検定が適さない場合に便利です。

C係数

C係数は、サンプルサイズによるカイ二乗を調整する他の統計量です。Phiと同様、異なる次元の表間で比較する際にはおすすめできません。しかし、同じ次元の表（n,m>2で同じn 及びm）では便利です。Phiと比べると、標準化された統計量なので、n > 2 および m > 2 の時の変数間の関連性を計測するために統計量を1と比較します。

ラムダ

誤差減少率(PRE)の測定に使用され、従属変数の予測に独立変数を使用したとき誤差を何パーセント削減したかによるものです。従属変数が独立変数から予測できない場合(ラムダ=0)、2つの変数の関連性はないことが考えられます。

ガンマ

順序変数のための伝統的な統計値です。結び付きの補正はありません。
ケンドールのタウbタウc

順序変数でよく使用される統計値です。ガンマと似ていますが結び付きの補正があります。Kendallのタウbはn*n 表で、タウcはn*m 表で使用されます。
Somer's D

ガンマとKendallのタウb及びタウcとは異なり、SomersのDは非対称の統計量です。どの変数が他に依存しているか識別するときに適用されます。例えば、実験(1,2,3,4,5) と週ごとの研究のタイムアウト(5~10hr, 10~15hr など...)間で関連性があるかどうかを判断するため便利です。実験のスコアは従属変数で、週ごとの学校の研究のタイムアウトが変数です。

カッパ

Cohenのカッパとも呼ばれます。2 つの評価者が同じ対象を評価するときに、それらの評価の一致の度合を測定します。
Bowker検定

McNemar-Bowkerの対称性検定とも呼ばれます。McNemar検定は2*2表で、Bowker検定はn*n 表で使用されます。 1人の評価者の各観測値が他の観測値に合致する対データの一致の度合を計測します。例えば、同じ患者のグループで評価したとき、標準の患者の評価者1の評価と標準の患者の評価者2の評価が等しいかどうかを検定します。