da poco ho cominciato ad interessarmi di statistica per ragioni piuttosto pratiche e sto già incontrando i primi problemi. Per farla breve, devo analizzare dei dati, ma i risultati mi creano alcune perplessità.
Qualche dettaglio: lavoro con variabili categoriali in una tavola di contingenza 4x5 (e quindi df = 12): come da manuale, ho provato ad applicare il test del chi-quadro per escludere che la relazione fra le variabili sia dovuta soltanto al caso, ma... La somma dei quadrati dà un valore molto elevato e il p-value risultante è 1.5168E-140.
Sono inesperto, sì, però un risultato così "piccolo" mi fa specie. E' dovuto forse all'eccessiva dispersione dei miei dati? E ancora, la differenza drammatica fra frequenze osservate e attese indica che c'è qualcosa non va nel campione?
Intanto grazie per la risposta. Il mio dubbio fondamentalemente era che un valore così basso di p potesse dipendere dalle dimensioni del campione e che quindi alla fine non fosse un buon indice di significatività statistica. Ho visto che in questi casi si applicano, come test post-hoc, il test phi e il Cramer V per misurare la forza di associazione fra righe e colonne. Siccome il risultato di Cramer V è di 0.43 dovrei star tranquillo, no?
azz guarda,ho giusto un'infarinatura molto blanda di statistica per ingegneria,noi utilizzavamo il software Minitab per vedere se erano rispettate le ipotesi del modello per il test Anova,in più si guardava all' R-sq(aggiustato) come parametro in più. L'R-sq è una somma di SS che ora non ricordo,e valori in genere sotto il 70-80% erano indice di test poco affidabile.
ALtrimenti per evitarti tutto sto sbattone se riesci a calcolarti la potenza del test capisci subito se un p_value così basso ha un significato possibile o meno.
Il p-value è la probabilità che il coefficiente sia 0, un basso p-value è indice del fatto che il valore è significativo.
L'r^2 è il rapporto tra la varianza spiegata dal modello (ovvero la varianza delle previsioni) e la varianza totale. Indica ovvero la percentuale di varianza che il modello è in grado di spiegare, più che indicare la significatività dei coefficienti indica quanto il modello è completo.
Statistica. Dubbi con il Test Chi-Quadro
Rispondi Citando
