Chi-Square Analysesの結果の重要性を理解するのに役立ちますこんにちは、
ここで私は死傷者の重症度（1 =致命的、2 =重大、3 =軽度）に対して自動車乗客の見せかけ（1 =前席、2 =後席）を実行しました。
結果がよくわかりません。期待される数と実際の数が私が興味を持っているものであることを私は理解していますが、どうすればこれら2つの数の差があるかどうかを検出することができますか重要です。
前もって感謝します！
再：私はカイ二乗分析の結果の重要性を理解するのに役立ちますいいえ、オッズ比は有意性（カイ2乗標本統計量）ではなく、関連の強度を表すため、さまざまなレベルの予測子または説明変数に対する結果のオッズの比です。たとえば、Passenger = 0とPassenger = 2のときのSeverity = 3のオッズ比はどれくらいかと尋ねるかもしれません。
あなたが使用する必要があります分析する > フィットモデルロジスティック回帰モデルに適合するように順序ロジスティックプラットフォームを使用する。次に、オッズと目的のオッズ比を計算するために使用できる確率式を保存します。
再：私はカイ二乗分析の結果の重要性を理解するのに役立ちますベイリーさん、
「 あなたのサンプルは非常に大きいので、弱い関連を検出することは可能です。 証拠は対立仮説を強く示唆しているが（関連がある）、R 2乗値0.0053はこの関連が予測情報をあまり提供しないことを示している。オッズ比は関連性の強さを示しているでしょう。」
わかりました。あなたが言及するオッズ比は、予想されたものと観察されたものの比ですか？
再：私はカイ二乗分析の結果の重要性を理解するのに役立ちます関連がない場合は、予測子変数のレベルに関係なく、周辺分布が成り立ちます。この数量は、分割表の下部にある列の合計（件数）によって提供されます。期待値は、周辺分布に基づいています。そのため、Severity = 1およびCar Passenger = -1の最初のセルの期待値は475 *（1792/181384）のようになります。カイ2乗距離を使用して関連付けがない場合、観測数と予測値を比較します。（Count-Expected）^ 2 / Expected。最初のセルのカイ2乗は（1-4-69281）2 / 4.69281 = 2.9059です。セルのカイ二乗の平方根は、ピアソン残差であり、対立仮説にとって最も重要なレベルの考えを与えます。最後に、すべてのセル統計を追加して、サンプルのカイ2乗（下部の表ではPearsonと表示されています）を取得します。標本統計量は、帰無仮説と大標本のもとでのカイ二乗分布に従います。期待値は、自由度=（n row - 1）（n col - 1）=（4-1）（3-1）= 6です。標本統計量780.77は6よりはるかに大きく、帰無仮説に対する強力な証拠を示しています。
あなたのサンプルは非常に大きいので、弱い関連を検出することは可能です。 証拠は対立仮説を強く示唆しているが（関連がある）、R 2乗値0.0053はこの関連が予測情報をあまり提供しないことを示している。オッズ比は関連の強さを示します。
再：私はカイ二乗分析の結果の重要性を理解するのに役立ちます
