Критерій хі-квадрат: як перевіряють зв’язок між категоріальними змінними
Оновлено: 8 жовт.
Автор: Український психологічний ХАБ · Опубліковано: 7 жовтня 2026 · Редакційна політика
Критерій хі-квадрат (χ²) — це статистичний інструмент для аналізу частот у категоріальних даних. У найпоширенішому варіанті, у критерії незалежності Пірсона, він перевіряє, чи узгоджується спостережуваний розподіл комбінацій двох категоріальних змінних із моделлю їхньої незалежності. Інший близький варіант, критерій узгодженості, порівнює спостережувані частоти однієї категоріальної змінної з частотами, очікуваними за наперед заданою моделлю.
Ключова ідея проста: критерій порівнює те, що реально спостерігали, з тим, що очікували б за нульової гіпотези. Чим більша сукупна розбіжність між спостережуваними й очікуваними частотами відносно самих очікуваних частот, тим більшим стає χ². Але саме значення χ² ще не говорить ані про практичну важливість зв’язку, ані про його причинність. Для повної інтерпретації потрібні p-значення, розмір ефекту, структура таблиці, дизайн дослідження та припущення методу.
У психологічних дослідженнях χ² часто застосовують до відповідей «так/ні», поведінкових категорій, типів стратегій, групових належностей, рівнів категоризованої відповіді та інших змінних, поданих як частоти. Це один із базових інструментів інференційної статистики, але його коректність залежить від того, як були отримані дані і що саме дослідник хоче висновувати з результату.
Коротко: що перевіряє критерій хі-квадрат
Для таблиці спряженості критерій хі-квадрат Пірсона перевіряє нульову гіпотезу про незалежність двох категоріальних змінних.
Нульова гіпотеза H₀: розподіл однієї змінної не залежить від категорії іншої змінної.
Альтернативна гіпотеза H₁: між змінними є статистична асоціація, тобто спостережувані частоти відхиляються від структури, очікуваної за незалежності.
Якщо p-значення достатньо мале за наперед визначеним планом аналізу, дані вважають несумісними з моделлю незалежності на відповідному рівні статистичної невизначеності. Це означає наявність статистичних підстав говорити про асоціацію. Це не визначає напрямку причинного впливу, не виключає змішування чинників і не показує автоматично, наскільки сильним або важливим є зв’язок. American Statistical Association окремо наголошує, що p-значення не є ймовірністю істинності нульової гіпотези і не вимірює величину чи наукову важливість ефекту.
Що таке категоріальні дані
Категоріальна змінна описує належність спостереження до однієї з категорій. Наприклад:
• тип відповіді: «так», «ні», «не впевнений»;
• група участі: контрольна, експериментальна;
• тип копінгової стратегії;
• категорія поведінкової реакції;
• статус події: сталася / не сталася.
Категорії можуть бути номінальними, коли між ними немає природного порядку, або порядковими, коли порядок є. Сам критерій Пірсона χ² використовує частоти в категоріях і в базовому варіанті не використовує інформацію про відстань між категоріями. Тому для порядкових даних він може відповідати на загальне питання про асоціацію, але іноді втрачає інформацію про впорядкованість. Якщо дослідницьке питання стосується тренду або конкретної порядкової структури, спеціалізований метод може бути доречнішим.
Важлива одиниця аналізу — кількість спостережень у кожній категорії. У класичний χ² не слід підставляти відсотки так, ніби вони є частотами. Відсотки корисні для опису таблиці, але тестова статистика має ґрунтуватися на реальних кількостях спостережень.
Таблиця спряженості: де виникає χ²
Коли аналізують дві категоріальні змінні, дані зазвичай подають як таблицю спряженості. Рядки представляють категорії однієї змінної, стовпці — категорії іншої, а кожна клітинка містить кількість спостережень з відповідною комбінацією категорій.
Уявімо дослідження з 200 учасниками. Є дві незалежні групи — A і B — та категоріальна відповідь із трьома варіантами: «так», «ні», «не впевнений».
Група A: 42 «так», 38 «ні», 20 «не впевнений».
Група B: 25 «так», 45 «ні», 30 «не впевнений».
Разом у кожній групі по 100 учасників. Загальні частоти відповідей: 67 «так», 83 «ні» і 50 «не впевнений».
Питання критерію незалежності: чи така різниця в розподілах відповідей між групами є більшою, ніж очікувалося б за моделі незалежності групи та відповіді?
Спостережувані та очікувані частоти
Спостережувана частота O — це фактична кількість спостережень у клітинці.
Очікувана частота E — це кількість, яку ми очікували б у цій клітинці, якби нульова гіпотеза про незалежність була правильною в межах статистичної моделі.
Для клітинки i,j таблиці спряженості:
Eᵢⱼ = (Rᵢ × Cⱼ) / N,
де Rᵢ — сума відповідного рядка, Cⱼ — сума відповідного стовпця, N — загальна кількість спостережень.
У нашому прикладі для клітинки «група A × так»:
E = (100 × 67) / 200 = 33,5.
Отже, за незалежності групи та відповіді в цій клітинці очікувалося б 33,5 спостереження, а фактично маємо 42.
За тією самою логікою очікувані частоти для кожної групи дорівнюють 33,5; 41,5; 25,0. Саме відхилення спостережуваних частот від цих очікувань утворюють статистику χ². Формула і логіка розрахунку стандартно описані в огляді McHugh, 2013 та в матеріалах NIST.
Формула критерію χ²
Для критеріїв Пірсона основна статистика має вигляд:
χ² = Σ (O − E)² / E.
Сума береться за всіма клітинками таблиці або всіма категоріями в критерії узгодженості.
Формула робить три речі одночасно. Вона:
• вимірює відхилення O від E;
• підносить відхилення до квадрата, тому позитивні й негативні відхилення не компенсують одне одного;
• масштабує кожне відхилення через E, бо одна й та сама абсолютна різниця має різне значення для очікуваної частоти 5 і для очікуваної частоти 500.
Більше χ² означає більшу сумарну невідповідність між даними та нульовою моделлю. Проте величина χ² залежить і від обсягу вибірки, і від розмірності таблиці. Тому її не слід читати як самостійний показник сили зв’язку.
Ступені вільності
Для критерію незалежності в таблиці r × c:
df = (r − 1)(c − 1),
де r — кількість рядків, c — кількість стовпців.
Для таблиці 2 × 3:
df = (2 − 1)(3 − 1) = 2.
Ступені вільності визначають, з яким розподілом χ² порівнюють отриману тестову статистику. Разом із χ² вони визначають p-значення в асимптотичному критерії.
Приклад повного розрахунку
Для таблиці з групами A і B та трьома варіантами відповіді маємо:
Група A: 42, 38, 20.
Група B: 25, 45, 30.
Очікувані частоти:
Група A: 33,5; 41,5; 25,0.
Група B: 33,5; 41,5; 25,0.
Після підстановки всіх шести клітинок у формулу:
χ² ≈ 6,904,
df = 2,
p ≈ 0,0317.
За звичної конвенції α = 0,05 результат був би статистично значущим: дані демонструють відхилення від моделі незалежності. Коректний висновок звучить так: у цій вибірці є статистичні підстави вважати розподіл відповідей пов’язаним із групою.
Некоректно переходити від цього без додаткових підстав до твердження «група спричинила різницю». Якщо групи виникли в спостережувальному дослідженні, асоціацію можуть пояснювати змішувальні чинники, відбір учасників, часовий порядок, особливості вимірювання або інші структурні відмінності. Якщо групи створені рандомізованим експериментом, причинна інтерпретація може мати сильніші підстави, але вони походять із дизайну, рандомізації, дотримання протоколу та відповідних припущень, а не з самого χ².
Критерій незалежності та критерій узгодженості — це різні питання
Назва «критерій хі-квадрат» охоплює кілька споріднених процедур. Для психологічних досліджень особливо важливо розрізняти критерій незалежності й критерій узгодженості.
Критерій хі-квадрат незалежності
Використовується, коли є дві категоріальні змінні і потрібно перевірити, чи пов’язаний їхній розподіл.
Приклад питання: чи пов’язана категорія обраної стратегії з групою учасника?
Дані організовано як таблицю спряженості r × c.
Нульова гіпотеза: змінні незалежні.
Очікувані частоти обчислюються з маргінальних сум самої таблиці.
Критерій хі-квадрат узгодженості
Використовується для однієї категоріальної змінної, коли спостережувані частоти порівнюють із наперед заданим теоретичним або нормативним розподілом.
Якщо очікувана ймовірність для категорії i дорівнює pᵢ, тоді:
Eᵢ = N × pᵢ.
Наприклад, дослідник має чотири категорії відповіді й теоретична модель передбачає пропорції 0,40; 0,30; 0,20; 0,10. Для N = 200 очікувані частоти становитимуть 80, 60, 40 і 20. Критерій перевіряє, наскільки фактичні частоти сумісні з таким розподілом.
NIST підкреслює, що для критерію узгодженості χ² результат залежить від способу групування даних, а достатність очікуваних частот потрібна для коректності χ²-апроксимації. Якщо параметри теоретичного розподілу оцінюються з тих самих даних, число ступенів вільності також зменшується; його не можна механічно завжди брати як k − 1.
Критерій однорідності
Ще один близький випадок — порівняння розподілів однієї категоріальної змінної між кількома популяціями або групами. Обчислення χ² Пірсона може бути тим самим, що в тесті незалежності, але статистичне питання й схема відбору відрізняються. Це важливе нагадування: одна формула не робить різні дослідницькі дизайни тотожними.
Які припущення потрібні
Критерій χ² часто називають простим, але його коректність тримається на припущеннях.
Спостереження мають бути незалежними
Одне спостереження не повинно механічно повторюватися в кількох клітинках так, ніби це різні незалежні одиниці. Якщо та сама людина дає відповідь «до» і «після», ці два вимірювання пов’язані. Звичайний χ² незалежності не перетворює парні або повторні дані на незалежні.
Для парних дихотомічних даних типовою альтернативою є критерій Мак-Немара. Для складніших повторних категоріальних вимірювань можуть знадобитися моделі для корельованих даних.
Категорії мають бути взаємовиключними на рівні одиниці аналізу
Для конкретної змінної кожне спостереження має потрапляти у визначену категорію відповідно до правил кодування. Якщо одна людина може одночасно бути зарахована до кількох категорій тієї самої змінної, проста таблиця спряженості може не відповідати структурі даних.
Аналіз має використовувати частоти
χ² працює з кількостями спостережень. Відсотки, середні значення або бали тесту не стають категоріальними частотами лише через те, що їх записали в таблицю.
Очікувані частоти мають бути достатніми для асимптотичної апроксимації
Класичний χ² Пірсона використовує χ²-розподіл як асимптотичне наближення. Воно може працювати погано, коли очікувані клітинкові частоти надто малі.
Поширена конвенція, що походить від класичної методологічної літератури, допускає не більше 20% клітинок з E < 5 і не допускає E < 1; її відтворюють, зокрема, McHugh, 2013 та Kim, 2017. Це правило є практичною методологічною конвенцією для оцінки якості апроксимації, а не універсальним природним законом. Важливі також розмір таблиці, дисбаланс маргінальних частот, дизайн і доступність точних або симуляційних процедур.
Вибірка і спосіб відбору визначають межі узагальнення
Іноді в підручниках «випадкову вибірку» подають як формальне припущення χ². Точніше розділяти два питання. Незалежність спостережень і модель породження частот потрібні для статистичного висновку; спосіб формування вибірки визначає, на яку популяцію можна узагальнювати результат. Зручна вибірка не стає репрезентативною лише тому, що p < 0,05.
Так само випадкове формування вибірки не слід плутати з рандомізацією учасників між експериментальними умовами. Перше стосується відбору з популяції, друге — розподілу між умовами і підстав для причинного висновку.
Що робити, якщо очікувані частоти малі
Найгірше рішення — автоматично провести χ² Пірсона, побачити попередження програми і проігнорувати його.
Для таблиці 2 × 2 із малими очікуваними частотами часто розглядають точний критерій Фішера. На відміну від асимптотичного χ² Пірсона, він обчислює точну ймовірність за визначеної умовної моделі. Kim, 2017 показує практичну відмінність між двома процедурами і пояснює, чому точний підхід особливо корисний у малих вибірках.
Для більших таблиць r × c можливі узагальнені точні методи або процедури Монте-Карло, якщо їх підтримує статистичне програмне забезпечення та вони відповідають дизайну.
Об’єднання рідкісних категорій іноді виправдане, якщо категорії справді мають змістову спільність і це рішення визначене до перегляду результатів. Об’єднувати категорії лише для отримання бажаного p-значення — методологічно хибний шлях, бо така перебудова змінює саму гіпотезу й простір можливих результатів.
p-значення: що воно означає тут
У χ²-тесті p-значення характеризує сумісність даних із нульовою моделлю, враховуючи статистику χ² та ступені вільності. У спрощеному формулюванні це ймовірність отримати результат не менш несумісний із H₀, ніж спостережуваний, за умови заданої нульової моделі та припущень аналізу.
p-значення не є:
• імовірністю того, що H₀ істинна;
• імовірністю того, що результат виник «випадково»;
• часткою результату, яку пояснює випадковість;
• розміром асоціації;
• показником практичної або клінічної важливості;
• доказом причинності.
Ці межі прямо відповідають принципам ASA Statement on p-Values. Детальніше логіку p-значення в Українському психологічному ХАБі розкрито в окремій статті «p-значення: що воно насправді означає», а різницю між статистичною та практичною важливістю — у статті «Статистична значущість».
Статистична значущість не показує силу зв’язку
За великого N навіть невелике відхилення від незалежності може дати мале p-значення. За малого N змістовно важлива асоціація може залишитися статистично невизначеною.
Тому поруч із χ² і p-значенням потрібно оцінювати розмір асоціації. Для таблиць спряженості одним із найпоширеніших показників є V Крамера.
V = √[χ² / (N × min(r − 1, c − 1))].
Для таблиці 2 × 2 ця нормалізація пов’язана з коефіцієнтом φ. Для більших таблиць V Крамера дає безрозмірний показник сили асоціації від 0 у напрямку до 1, хоча досягнення 1 залежить від структури таблиці.
У нашому прикладі:
χ² ≈ 6,904,
N = 200,
min(r − 1, c − 1) = 1,
V ≈ 0,186.
Отже, сама фраза «p = 0,0317» не описує величину зв’язку. V ≈ 0,19 дає додаткову інформацію про його масштаб, яку слід інтерпретувати в контексті предметної області, дизайну, наслідків і попередніх даних. Загальні пороги «малий / середній / великий» можуть бути орієнтирами, але не універсальними межами наукової важливості.
Крім того, звичайний V Крамера має позитивне зміщення в скінченних вибірках, особливо коли таблиця велика відносно N. Bergsma, 2013 запропонував корекцію цього зміщення. Тому для невеликих вибірок і таблиць із багатьма категоріями корисно перевіряти, яку саме версію V обчислює програма.
Окремо про логіку й роль розміру ефекту варто читати як про самостійний елемент статистичного висновку, а не як «додаток» до p-значення.
Чи потрібен довірчий інтервал
Для хорошого статистичного звіту бажано показувати невизначеність не лише через p-значення. Для конкретних параметрів асоціації — наприклад, різниці ризиків, відношення шансів або іншої змістовно релевантної міри в таблиці 2 × 2 — довірчі інтервали часто дають більше інформації про діапазон оцінок, сумісних із даними й моделлю.
Для V Крамера інтервальне оцінювання залежить від обраного підходу та програмного забезпечення. Головний принцип залишається тим самим: точкова оцінка без характеристики невизначеності неповна. Загальну логіку частотних інтервалів розкрито в статті «Довірчий інтервал».
Як зрозуміти, які клітинки створили загальний χ²
Значущий загальний χ² для таблиці 3 × 4 або 4 × 5 повідомляє, що структура таблиці відхиляється від незалежності. Він не каже автоматично, які саме клітинки або категорії відповідають за цю відмінність.
Перший рівень діагностики — внесок кожної клітинки:
(O − E)² / E.
Клітинки з великим внеском сильніше збільшують загальну χ²-статистику. Але для змістовної післятестової інтерпретації частіше аналізують стандартизовані або скориговані залишки, тому що вони краще враховують масштаб і структуру таблиці.
У нашому прикладі найпомітніше відхилення пов’язане з відповіддю «так»: у групі A її спостерігають частіше, ніж очікувалося за незалежності, а в групі B — рідше. Проте після загального тесту не слід хаотично перевіряти десятки клітинок і пар категорій без контролю множинності. Якщо виконується серія післятестових порівнянь, потрібно визначити сімейство перевірок і застосувати обґрунтований контроль помилки множинних висновків.
Agresti розглядає аналіз залишків і подальші процедури як окремий етап після загального тесту незалежності, а не як автоматичний дозвіл на необмежений пошук «значущих» клітинок.
χ² не показує напрямок зв’язку так, як кореляція
У таблиці з кількома категоріями V Крамера є невід’ємним показником сили асоціації. Він не має природного знака «плюс» або «мінус», який можна було б тлумачити як напрямок зв’язку в сенсі лінійної кореляції.
Саме тому не варто перетворювати результат χ² на фразу «позитивний» або «негативний» зв’язок, якщо структура категорій не задає конкретного змістовного контрасту. Напрямок описують через самі пропорції, залишки, відношення шансів, ризики або інші параметри, що відповідають дослідницькому питанню.
Критерій хі-квадрат і кореляційний аналіз не є взаємозамінними назвами одного методу. χ² працює з частотами категорій; кореляційні коефіцієнти мають іншу шкалу й інші припущення.
Асоціація і причинність
У контексті χ² найточніше слово — «асоціація» або «статистичний зв’язок між категоріальними змінними». Сам тест не встановлює причинний ефект.
Навіть дуже мале p-значення не розв’язує питання:
• що передувало в часі;
• чи існує третя змінна, що впливає на обидві досліджувані;
• чи не виник зв’язок через систематичну похибку відбору;
• чи правильно виміряні та класифіковані змінні;
• чи не є результат наслідком диференційного пропуску даних;
• чи можна перенести асоціацію на іншу популяцію.
У поперечному або іншому спостережувальному дослідженні χ² дає інформацію про асоціацію за заданої таблиці. Причинний висновок потребує дизайну й припущень, що адресують змішування, часовий порядок, систематичну похибку відбору та інші альтернативні пояснення. У рандомізованому експерименті χ² може бути тестом для категоріального результату, але причинна сила висновку походить від рандомізації та належного виконання дизайну.
Це частина загальної логіки кількісного дослідження в психології: статистичний тест відповідає на вузьке модельне питання, а науковий висновок формується на рівні всього дизайну.
Коли звичайний χ² не підходить
Парні або повторні категоріальні дані
Якщо ті самі учасники виміряні двічі, незалежність спостережень порушена. Для 2 × 2 парних даних часто використовують критерій Мак-Немара; для складніших схем — моделі повторних категоріальних відповідей.
Дуже малі очікувані частоти
Потрібен точний або симуляційний підхід, а не механічне довіряння асимптотичному p.
Складний вибірковий дизайн
Кластери, страти, ваги та багатоступеневий відбір змінюють дисперсійну структуру. Звичайний χ² Пірсона, який ігнорує дизайн опитування, може давати некоректну інференцію. Для комплексних вибірок застосовують корекції та моделі, що враховують схему відбору.
Потрібно врахувати кілька предикторів одночасно
χ² у двовимірній таблиці описує маргінальну асоціацію між двома змінними. Якщо треба контролювати потенційні змішувальні чинники, моделювати ймовірність категоріального результату або оцінювати взаємодії, потрібні регресійні чи логлінійні моделі. Простий χ² не «контролює» третю змінну.
Категорії впорядковані і цікавить тренд
Звичайний χ² бачить категорії як окремі комірки. Якщо наукове питання стосується монотонного тренду або порядку рівнів, спеціальний трендовий тест чи модель може бути ефективнішим і змістовно точнішим.
Дані є неперервними, а категоризацію створено штучно
Розбивати неперервну змінну на «низький / середній / високий» лише для використання χ² часто означає втрату інформації, потужності та точності. Метод слід обирати під структуру дослідницького питання й даних, а не перебудовувати дані під знайомий тест без змістового обґрунтування.
Точний критерій Фішера, поправка Єйтса та Монте-Карло: як не змішувати підходи
Точний критерій Фішера, поправка Єйтса і процедури Монте-Карло — різні інструменти.
Точний критерій Фішера обчислює точний розподіл статистики за конкретної умовної моделі, найчастіше для 2 × 2 таблиць. Він не є просто «χ² для малих вибірок», хоча часто використовується саме в такій ситуації.
Поправка Єйтса — поправка на неперервність для 2 × 2 χ² Пірсона. Вона історично призначалася для поліпшення апроксимації дискретного розподілу неперервним χ²-розподілом і може робити тест консервативнішим. Не слід автоматично вважати її єдино правильною відповіддю на будь-яку малу клітинку.
Метод Монте-Карло оцінює розподіл тестової статистики через багато симуляцій за нульовою моделлю. Він корисний, коли точний перебір складний, а асимптотична апроксимація сумнівна.
Практичний принцип: метод визначають структура таблиці, дизайн, очікувані частоти та статистичне питання, а в звіті прямо зазначають, який саме тест і яка версія p-значення використані.
Відсутність статистичної значущості не доводить незалежність
Якщо p ≥ α, правильний висновок полягає в тому, що дані не дали достатніх підстав відкинути H₀ за обраним тестом і правилами аналізу. Це не тотожне доведенню того, що асоціації немає.
Незначущий результат може виникнути, коли:
• істинний зв’язок малий;
• вибірка недостатня для його надійного виявлення;
• категорії занадто дрібно розбиті;
• дані надто шумні або класифікація неточна;
• дизайн не дозволяє точно оцінити потрібну асоціацію.
Статистична потужність і планування розміру вибірки мають розглядатися до збору даних, якщо дослідження справді потребує перевірки заданої гіпотези. Після отримання незначущого p не слід підміняти оцінювання доказів фразою «потужність була низька, отже ефект існує». Потужність — характеристика процедури за заданими припущеннями, а не доказ наявності ефекту.
Чим χ² відрізняється від t-критерію та дисперсійного аналізу
Вибір статистичного тесту починається не з назви процедури, а з дослідницького питання, шкали змінних, дизайну, незалежності спостережень і цільового параметра.
Критерій χ² у базовому застосуванні працює з частотами категоріальних змінних.
t-критерій зазвичай стосується порівняння середніх або різниць середніх неперервної змінної за відповідної моделі.
Дисперсійний аналіз — сімейство моделей для порівняння варіації та середніх у факторних структурах за відповідних припущень.
Регресія моделює параметри зв’язку й може включати кілька предикторів. Для бінарної або багатокатегоріальної залежної змінної застосовують відповідні узагальнені лінійні моделі.
Тому перетворювати бали психологічної шкали на категорії тільки для запуску χ² або, навпаки, подавати номінальні категорії як числа і аналізувати їх t-критерієм — це зміна статистичного питання, яка потребує змістового обґрунтування.
Типові помилки інтерпретації
«p < 0,05, отже зв’язок сильний»
Ні. p-значення залежить від розміру вибірки та структури даних. Силу асоціації оцінюють окремо.
«p < 0,05, отже одна змінна впливає на іншу»
Ні. χ² перевіряє статистичну асоціацію. Причинність визначається дизайном і причинними припущеннями.
«p > 0,05, отже змінні незалежні»
Такий висновок занадто сильний. Невідхилення H₀ не є доказом нульової асоціації. Потрібно дивитися на розмір ефекту, невизначеність, потужність, дизайн та цільову мінімально важливу величину.
«Усі клітинки мають бути більші за 5»
Йдеться про очікувані, а не спостережувані частоти, і правило «5» є практичною конвенцією для асимптотичної апроксимації. Воно не замінює оцінки конкретної таблиці.
«Якщо таблиця велика, χ² автоматично кращий»
Велика кількість категорій може створити багато рідкісних клітинок і погіршити апроксимацію. Розмір таблиці повинен відповідати змісту даних і обсягу вибірки.
«Після значущого χ² можна вибрати будь-які клітинки»
Загальний тест не захищає необмежену кількість наступних порівнянь від множинної помилки. Потрібен спланований післятестовий аналіз.
«V Крамера має універсальні пороги важливості»
Конвенції можуть бути орієнтирами, але змістова важливість залежить від контексту. Крім того, скінченновибіркове зміщення V може бути помітним у малих вибірках і великих таблицях.
Як перевірити припущення перед тестом
Перед запуском χ² корисно пройти коротку послідовність.
1. Чітко визначити одиницю спостереження.
2. Переконатися, що дві змінні справді категоріальні для цього аналізу.
3. Побудувати таблицю абсолютних частот, а не лише відсотків.
4. Перевірити, чи кожне спостереження враховане згідно з дизайном і чи немає псевдоповторів.
5. Обчислити очікувані частоти.
6. Оцінити рідкісні клітинки й придатність асимптотичної χ²-апроксимації.
7. Заздалегідь визначити альтернативний точний або симуляційний метод, якщо таблиця розріджена.
8. Визначити, який показник розміру ефекту та які інтервальні оцінки потрібні.
9. Визначити план післятестового аналізу, якщо таблиця має більше двох рівнів.
10. Узгодити силу майбутнього висновку з дизайном дослідження.
Ця послідовність допомагає уникнути ситуації, коли програмне забезпечення видає число, а дослідник уже після результату намагається з’ясувати, яке питання воно насправді перевірило.
Як звітувати результат χ² у психологічній статті
Якісний звіт дає читачеві змогу зрозуміти дані, відтворити логіку аналізу і не перебільшує висновок. APA Journal Article Reporting Standards for Quantitative Research спрямовані саме на прозоре повідомлення дизайну, аналізів і результатів кількісних досліджень.
Для χ² зазвичай варто повідомити:
• які змінні та категорії аналізували;
• абсолютні частоти й доречні відсотки;
• який саме χ²-тест використано;
• χ²-статистику;
• ступені вільності;
• обсяг вибірки N;
• точне або достатньо точне p-значення;
• показник розміру ефекту;
• спосіб оцінювання невизначеності, якщо він застосовувався;
• як перевіряли достатність очікуваних частот;
• який точний, метод Монте-Карло або скоригований підхід застосовано, якщо стандартна апроксимація була непридатною;
• як виконували післятестові порівняння та контроль множинності;
• межі причинної й популяційної інтерпретації.
Приклад стислого звіту для нашої умовної таблиці:
«Розподіл відповідей відрізнявся між групами, χ²(2, N = 200) = 6,90, p = 0,032, V Крамера = 0,19. Усі очікувані частоти перевищували 5. Результат вказує на статистичну асоціацію між групою та категорією відповіді; його причинна інтерпретація залежить від дизайну дослідження».
Цей формат значно інформативніший за фразу «χ² був значущим».
Як читати χ² у чужій статті
Коли бачите результат χ², поставте шість запитань.
Перше: які саме категоріальні змінні порівнювали і чи відповідають вони дослідницькому питанню?
Друге: чи незалежні спостереження?
Третє: чи були очікувані частоти достатніми і чи застосовано належну альтернативу для розрідженої таблиці?
Четверте: чи подано розмір асоціації, а не лише p?
П’яте: чи показано самі частоти або пропорції, щоб можна було зрозуміти структуру результату?
Шосте: чи не перетворено асоціацію на причинне твердження, якого дизайн не підтримує?
Ці питання є частиною загальної навички критичного читання психологічного дослідження.
Чи є χ² «непараметричним тестом»
У навчальній літературі критерій χ² часто відносять до непараметричних методів, оскільки він не потребує припущення про нормальний розподіл неперервної залежної змінної та працює з частотами.
Ця назва корисна лише як широка класифікація. χ² все одно має статистичну модель, припущення про структуру спостережень і умови, за яких його асимптотичний розподіл є добрим наближенням. «Непараметричний» не означає «без припущень».
Чи можна застосовувати χ² до малих вибірок
Сам розмір N не дає повної відповіді. Важлива конфігурація очікуваних частот.
Дві вибірки однакового розміру можуть мати різну придатність для χ² Пірсона: у збалансованій таблиці 2 × 2 очікувані частоти можуть бути достатніми, а в таблиці 5 × 6 з рідкісними категоріями — ні.
Тому перевіряють очікувані клітинкові частоти, а далі обирають асимптотичний, точний або симуляційний підхід.
Чи можна робити χ², якщо є нульові клітинки
Спостережуваний нуль сам по собі не забороняє χ². Критичною є очікувана частота. Якщо E > 0, внесок клітинки з O = 0 визначений.
Проблема виникає, коли таблиця структурно розріджена, очікувані частоти надто малі або певні клітинки принципово неможливі за дизайном. Структурні нулі потребують моделі, яка враховує цю неможливість; їх не слід трактувати так само, як випадково неспостережувану комбінацію.
Чи можна використовувати χ² після категоризації психологічного бала
Технічно після категоризації можна отримати таблицю частот. Методологічно це часто погіршує аналіз.
Перетворення неперервного або квазінеперервного бала на «низький / середній / високий» стирає інформацію, робить результат залежним від порогів і може знизити статистичну ефективність. Категоризація має бути обґрунтована вимірювальною моделлю, валідованим клінічним порогом або реальним змістом категорій, а не бажанням застосувати знайомий тест.
Питання психометричної валідності порогів і тестових шкал належить до окремої області психологічного вимірювання; χ² не робить категоризацію валідною.
Чи доводить значущий χ², що групи «різні»
Він показує, що розподіл частот у таблиці несумісний із нульовою моделлю на рівні, який відображає p-значення. Слово «різні» потребує уточнення: за якою змінною, у яких категоріях, якої величини різниця і що дозволяє стверджувати дизайн.
Для таблиці з багатьма категоріями загальний χ² може бути значущим через локалізовану відмінність у кількох клітинках. Тому після глобального тесту потрібно описувати структуру частот і, якщо це було передбачено, виконувати обґрунтований післятестовий аналіз.
Чи потрібен χ², якщо видно різницю у відсотках
Так, якщо мета — формальний статистичний висновок про сумісність даних із моделлю незалежності за визначених припущень. Візуально помітні відсотки не враховують автоматично обсяг вибірки та випадкову мінливість.
Водночас χ² не замінює самі відсотки. Добрий звіт показує і описові дані, і статистичний тест, і розмір асоціації.
Головний принцип інтерпретації
Критерій хі-квадрат відповідає на конкретне питання про частоти. Для незалежності це питання звучить так: «Наскільки спостережувана таблиця відхиляється від того, що очікувалося б, якби дві категоріальні змінні були незалежними?»
Повний висновок складається з кількох рівнів:
дані → очікувані частоти → χ² → p-значення → розмір асоціації → невизначеність → структура клітинок → дизайн → межі узагальнення.
Коли ці рівні не змішують, χ² стає прозорим інструментом статистичного висновку. Коли ж p-значення використовують як універсальний ярлик «зв’язок є / зв’язку немає», дослідник втрачає саме ту інформацію, заради якої проводив аналіз.
Пов’язані статті
Джерела
Agresti, A. (2002). Inference for Contingency Tables. In Categorical Data Analysis. Wiley. DOI
Appelbaum, M., Cooper, H., Kline, R. B., Mayo-Wilson, E., Nezu, A. M., & Rao, S. M. (2018). Journal article reporting standards for quantitative research in psychology: The APA Publications and Communications Board task force report. American Psychologist, 73(1), 3–25. DOI
Bergsma, W. (2013). A bias-correction for Cramér’s V and Tschuprow’s T. Journal of the Korean Statistical Society, 42(3), 323–328. DOI
Cochran, W. G. (1954). Some methods for strengthening the common χ² tests. Biometrics, 10(4), 417–451. DOI
Kim, H.-Y. (2017). Statistical notes for clinical researchers: Chi-squared test and Fisher’s exact test. Restorative Dentistry & Endodontics, 42(2), 152–155. DOI
McHugh, M. L. (2013). The chi-square test of independence. Biochemia Medica, 23(2), 143–149. DOI
National Institute of Standards and Technology. (n.d.). Chi-Square Goodness-of-Fit Test. NIST/SEMATECH e-Handbook of Statistical Methods. NIST
Wasserstein, R. L., & Lazar, N. A. (2016). The ASA’s statement on p-values: Context, process, and purpose. The American Statistician, 70(2), 129–133. DOI