Chi-Quadrat-Test

Diese Begriffserklärung teilen
« Zurück zum Glossar Index

Der Chi-Quadrat-Test (χ²-Test) ist ein statistisches Verfahren, das verwendet wird, um zu prüfen, ob es einen signifikanten Zusammenhang oder eine Abweichung zwischen beobachteten und erwarteten Häufigkeiten in kategorialen Daten gibt. Er ist besonders nützlich, um zu testen, ob zwei oder mehr Variablen unabhängig sind oder ob es eine Assoziation zwischen ihnen gibt.

Es gibt zwei Haupttypen von Chi-Quadrat-Tests:

  1. Chi-Quadrat-Test für Unabhängigkeit: Dieser Test wird verwendet, um zu überprüfen, ob zwei kategoriale Variablen in einer Kreuztabelle unabhängig voneinander sind.
  2. Chi-Quadrat-Test für Anpassung: Dieser Test wird verwendet, um zu überprüfen, ob die beobachteten Häufigkeiten in einer einzigen Variablen einer bestimmten Verteilung entsprechen.

1. Chi-Quadrat-Test für Unabhängigkeit

Der Chi-Quadrat-Test für Unabhängigkeit untersucht, ob es einen statistisch signifikanten Zusammenhang zwischen zwei Variablen gibt. Er wird häufig in Kreuztabellen eingesetzt, um zu überprüfen, ob zwei Variablen voneinander abhängig sind oder nicht.

Nullhypothese (H₀):

Es besteht keine Beziehung zwischen den Variablen. Die Variablen sind unabhängig voneinander.

Alternativhypothese (H₁):

Es besteht eine Beziehung zwischen den Variablen. Die Variablen sind abhängig voneinander.

Schritte beim Chi-Quadrat-Test für Unabhängigkeit:

  1. Daten sammeln und eine Kreuztabelle erstellen: Erstelle eine Kreuztabelle mit den beobachteten Häufigkeiten (O), die die Kombinationen der Kategorien der beiden Variablen darstellen.
  2. Berechnung der erwarteten Häufigkeiten: Die erwarteten Häufigkeiten (E) werden berechnet, basierend auf der Annahme, dass die Variablen unabhängig sind. Die Formel lautet: E=(R1×C1)NE = \frac{(R_1 \times C_1)}{N}
    • R₁: Gesamtzahl in der Zeile
    • C₁: Gesamtzahl in der Spalte
    • N: Gesamtzahl der Beobachtungen
  3. Berechnung des Chi-Quadrat-Werts: Der Chi-Quadrat-Wert (χ²) wird mit der folgenden Formel berechnet: χ2=∑(O−E)2E\chi^2 = \sum \frac{(O – E)^2}{E} Dabei wird für jede Zelle der Kreuztabelle die Differenz zwischen der beobachteten Häufigkeit (O) und der erwarteten Häufigkeit (E) berechnet, diese Differenz zum Quadrat genommen, durch die erwartete Häufigkeit geteilt und dann alle Zellen zusammengezählt.
  4. Vergleich mit dem kritischen Wert: Der berechnete Chi-Quadrat-Wert wird mit einem kritischen Wert aus der Chi-Quadrat-Verteilung verglichen, der abhängig ist von der Anzahl der Freiheitsgrade (df). Die Freiheitsgrade für den Test der Unabhängigkeit berechnen sich als: df=(r−1)×(c−1)\text{df} = (r – 1) \times (c – 1)
    • r: Anzahl der Zeilen
    • c: Anzahl der Spalten
    Der kritische Wert wird anhand des gewünschten Signifikanzniveaus (z. B. 0,05) und der Freiheitsgrade ermittelt.
  5. Entscheidung treffen:
    • Wenn der berechnete Chi-Quadrat-Wert größer als der kritische Wert ist, wird die Nullhypothese abgelehnt, was bedeutet, dass ein signifikanter Zusammenhang zwischen den Variablen besteht.
    • Wenn der berechnete Chi-Quadrat-Wert kleiner oder gleich dem kritischen Wert ist, wird die Nullhypothese nicht abgelehnt, was bedeutet, dass die Variablen unabhängig voneinander sind.

Beispiel für einen Chi-Quadrat-Test für Unabhängigkeit:

Angenommen, wir möchten testen, ob das Geschlecht (männlich/weiblich) und die Wahl eines Produkts (Produkt A, B, C) voneinander abhängig sind. Eine Kreuztabelle zeigt die folgenden beobachteten Häufigkeiten:

Geschlecht / ProduktwahlProdukt AProdukt BProdukt CGesamt
Männlich503020100
Weiblich405010100
Gesamt908030200

Nun berechnen wir die erwarteten Häufigkeiten unter der Annahme, dass Geschlecht und Produktwahl unabhängig sind. Die erwarteten Häufigkeiten für die Zelle „männlich/Produkt A“ wären: E=(100×90)200=45E = \frac{(100 \times 90)}{200} = 45

Wir wiederholen diese Berechnung für alle Zellen und berechnen dann den Chi-Quadrat-Wert. Wenn der Wert mit dem kritischen Wert verglichen wird, können wir entscheiden, ob Geschlecht und Produktwahl unabhängig sind oder nicht.

2. Chi-Quadrat-Test für Anpassung

Dieser Test wird verwendet, um zu überprüfen, ob die beobachteten Häufigkeiten einer bestimmten theoretischen Verteilung entsprechen. Zum Beispiel könnte man überprüfen, ob die Häufigkeiten von Würfelergebnissen in einer Serie von Würfen gleichmäßig verteilt sind.

Die Nullhypothese (H₀) wäre, dass die beobachteten Häufigkeiten mit der erwarteten Verteilung übereinstimmen. Der Test wird dann ähnlich durchgeführt, indem der Chi-Quadrat-Wert berechnet und mit einem kritischen Wert verglichen wird.

Fazit:

Der Chi-Quadrat-Test ist ein nützliches Instrument, um zu testen, ob zwei kategoriale Variablen unabhängig sind oder ob es einen signifikanten Zusammenhang gibt. Er wird häufig in der Marktforschung, der Sozialforschung und vielen anderen Bereichen eingesetzt, um Hypothesen über die Beziehung zwischen Variablen zu überprüfen.

Wir sind darum bemüht die angebotenen Informationen aktuell zu halten und diese in knapper und verständlicher Form darzustellen. Fehler und Irrtümer bleiben aber menschlich und darum vorbehalten. Bei Unstimmigkeiten zu einem Begriff, bitten wir darum dies per E-Mail mit uns zu diskutieren. Bitte nutze hierfür unsere E-Mail: info@jupiterexpress.de« Zurück zum Glossar Index