Анализ концентрированных данных
На предприятии с семнадцатью работниками девять из них удовлетворены условиями труда. Двое из этой последней группы в текущем году болели гриппом; из восьми работников, которые не удовлетворены условиями труда, гриппом болели пятеро. Это дает нам следующую таблицу:
| удовлетворены | не удовлетворены | |
| болели не болели | 17 | 53 |
Следует выяснить, является ли значимой большая доля болевших среди неудовлетворенных условиями труда. Подходящим статистическим тестом для этой задачи будет точный тест Фишера и Йейтса, который выполняется после создания таблицы сопряженности в дополнении к обычному тесту %2, если количество наблюдений очень мало.
Чтобы можно было решить эту задачу с применением SPSS, в первую очередь следует построить соответствующий файл данных, состоящий из наблюдений и переменных. Примером такого файла служит grippe.sav. Загрузите этот файл. В окне редактора данных вы получите структуру с четырьмя наблюдениями и тремя переменными.
Она содержит переменную grippe с категориями 1 и 2 (болели – не болели), переменную zuf с категориями 1 и 2 (удовлетворены – не удовлетворены) и переменную freq, которая указывает частоту каждого сочетания и будет использоваться в качестве переменной взвешивания.
- Выберите в меню команды Data › Weight Cases… (Данные › Взвесить наблюдения)
- В диалоговом окне Weight Cases выберите опцию Weight cases by и перенесите переменную freq в поле Frequency variable.
- Закройте диалоговое окно и выберите команды меню Analyze › Descriptive Statistics › Crosstabs… (Анализ › Дескриптивные статистики › Таблицы сопряженности)
- Перенесите переменную grippe в список переменных строк (Rows), переменную zuf – в список переменных столбцов (Columns), и в диалоге, открываемом кнопкой Statistics…, задайте проведение теста %2 (Chi-square).
В окне просмотра появится следующий результат:
Таблица сопряженности Болели? › Удовлетворены?
| Count (Количество) | ||||
|---|---|---|---|---|
| Удовлетворены? | Total | |||
| да | нет | |||
| Болели? | Да | 2 | 5 | 7 |
| Нет | 7 | 3 | 10 | |
| Total | 9 | 8 | 17 | |
Chi-Square Tests
| Value | df | Asymp. Sig. (2-sided) | Exact Sig. (2-sided) (Точная значимость (двусторонняя)) | Exact Sig. (1-sided) (Точная значимость (односторонняя)) | |
|---|---|---|---|---|---|
| Pearson Chi-Square (% по Пирсону) | 2.837 | 1 | 0.092 | ||
| Continuity Correction (b) (Коррекция непрерывности) | 1.418 | 1 | 0.234 | ||
| Likelihood Ratio (Отношение правдоподобия) | 2.915 | 1 | 0.088 | ||
| Fisher's Exact Test (Точный тест Фишера) | 0.153 | 0.117 | |||
| Linear-by-Linear Association (Зависимость линейный-линейный) | 2.670 | 1 | 0.102 | ||
| N of Valid Cases (Кол-во допустимых случаев) | 17 |
- a. Computed only for a 2x2 table (Вычислено только для таблицы 2Х2)
- b. 3 cells (75.0%) have expected count less than 5. The minimum expected count is 3.29 (3 ячейки (75%) имеют ожидаемую частоту менее 5. Минимальная ожидаемая частота 11.50.)
Односторонний тест Фишера-Йейтса даст в этом случае р = 0.117, т.е. отсутствие значимой разницы.