آمار کای‌اسکوئر (χ²) چیست؟

آمار کای‌اسکوئر یک آزمون است که داده‌های مشاهده‌شده را با مدل نظری مقایسه کرده و میزان تطابق آن‌ها را اندازه‌گیری می‌کند. داده‌هایی که برای محاسبه این آماره استفاده می‌شوند باید:

• تصادفی
• خام (پردازش‌نشده)
• ناسازگار (Mutually exclusive)
• مستقل از یکدیگر
• و دارای حجم نمونه کافی باشند.

مثال: پرتاب یک سکه‌ی منصفانه تمام این شرایط را دارد.

کاربرد آزمون کای‌اسکوئر

آزمون‌های کای‌اسکوئر اغلب برای آزمودن فرضیه‌ها به کار می‌روند. این آزمون تفاوت بین نتایج مورد انتظار و نتایج واقعی را با در نظر گرفتن اندازه نمونه و تعداد متغیرها بررسی می‌کند.

در این آزمون‌ها، از درجات آزادی (Degrees of Freedom) برای تعیین این استفاده می‌شود که آیا می‌توان فرضیه صفر (Null Hypothesis) را رد کرد یا نه. هرچه اندازه نمونه بزرگ‌تر باشد، نتایج معتبرتر خواهد بود.

نکات کلیدی

• آزمون کای‌اسکوئر برای بررسی تفاوت در متغیرهای طبقه‌بندی‌شده (Categorical) به‌ویژه اسمی (Nominal) مناسب است.
• مقدار χ² به تفاوت بین مقادیر مشاهده‌شده و مورد انتظار، درجات آزادی، و اندازه نمونه بستگی دارد.
• از χ² می‌توان برای بررسی رابطه یا استقلال بین دو متغیر استفاده کرد.
• همچنین می‌توان از آن برای آزمون نیکویی برازش (Goodness of Fit) بین توزیع مشاهده‌شده و توزیع نظری استفاده کرد.

فرمول آزمون کای‌اسکوئر

$\chi^2 = \sum \frac{(O_i - E_i)^2}{E_i}$

که در آن:

• $O$ = مقدار مشاهده‌شده
• $E$ = مقدار مورد انتظار
• $c$ = درجه آزادی

کاربردهای آزمون کای‌اسکوئر

دو نوع اصلی از آزمون‌های کای‌اسکوئر وجود دارد:

۱. آزمون استقلال (Test of Independence)

این آزمون بررسی می‌کند که آیا بین دو متغیر رابطه‌ای وجود دارد یا نه. مثال:
«آیا بین جنسیت دانش‌آموزان و انتخاب رشته تحصیلی رابطه‌ای وجود دارد؟»

برای اجرای این آزمون:

• داده‌هایی درباره‌ی دو متغیر (مثلاً جنسیت و انتخاب درس) جمع‌آوری می‌شود.

• سپس فراوانی انتخاب دروس توسط پسران و دختران مقایسه می‌شود.

• اگر متغیرها مستقل باشند، توزیع انتخاب دروس باید تقریباً در دو گروه یکسان باشد.

مثال کاربردی:
یک شرکت محصول جدیدی (مکمل گیاهی انرژی‌زا) را تولید کرده و فرض می‌کند افراد علاقه‌مند به سلامت، بیشتر به آن علاقه‌مند هستند. آگهی‌ها را در سایت‌های ورزشی منتشر می‌کند. اما نتایج نظرسنجی نشان می‌دهد هیچ رابطه‌ای بین علاقه‌مندی و سبک زندگی سلامت‌محور وجود ندارد. آزمون کای‌اسکوئر این بی‌ارتباطی را تایید می‌کند.

۲. آزمون نیکویی برازش (Goodness of Fit Test)

این آزمون بررسی می‌کند که داده‌های نمونه تا چه حد با ویژگی‌های جمعیت کلی (که نمونه نماینده آن است) مطابقت دارد.

مثال:
کارشناس بازاریابی معتقد است محصول جدیدی برای زنان بالای ۴۵ سال جذاب‌تر خواهد بود. پانل آزمایشی ۵۰۰ نفره انجام می‌دهد و اطلاعات سنی و جنسیتی افراد را جمع‌آوری می‌کند.

آزمون χ² بررسی می‌کند که آیا واقعاً بیشترین تمایل به خرید در زنان بالای ۴۵ سال است یا گروه‌های دیگر نیز به همان اندازه علاقه‌مند هستند. در صورت عدم تطابق، تیم بازاریابی کمپین تبلیغاتی را بازطراحی می‌کند.

مثال استفاده از آزمون کای‌اسکوئر

فرض کنید یک سکه منصفانه را ۱۰۰ بار پرتاب می‌کنید. انتظار می‌رود ۵۰ بار شیر و ۵۰ بار خط بیاید. اما ممکن است نتیجه واقعی ۶۰ به ۴۰ یا حتی ۹۰ به ۱۰ باشد.

هرچه فاصله بین نتایج واقعی و مورد انتظار بیشتر باشد، احتمال اینکه سکه منصفانه نباشد بیشتر می‌شود. آزمون χ² این اختلاف را اندازه‌گیری کرده و نتیجه‌گیری می‌کند.

زمان مناسب برای استفاده از آزمون کای‌اسکوئر

زمانی مناسب است که:

• داده‌ها تصادفی باشند
• متغیرها طبقه‌بندی‌شده (Categorical) باشند، مثلاً نوع خودرو، نژاد، جنسیت، میزان تحصیلات، یا علاقه به یک نامزد سیاسی.

چنین داده‌هایی معمولاً از نظرسنجی‌ها و پرسشنامه‌ها جمع‌آوری می‌شوند.

مراحل انجام آزمون کای‌اسکوئر

۱. ایجاد جدول فراوانی مشاهده‌شده و مورد انتظار
۲. محاسبه مقدار χ² با فرمول
۳. استفاده از جدول آماری یا نرم‌افزار برای یافتن مقدار بحرانی
4. مقایسه مقدار محاسبه‌شده و مقدار بحرانی
۵. رد یا پذیرش فرضیه صفر

محدودیت‌های آزمون کای‌اسکوئر

• نسبت به اندازه نمونه حساس است؛ ممکن است در نمونه‌های بزرگ، رابطه‌ای غیرواقعی ظاهر شود.
• این آزمون نمی‌تواند رابطه‌ی علّی بین متغیرها اثبات کند؛ فقط وجود یا عدم وجود رابطه را بررسی می‌کند.

پرسش‌های متداول

آزمون کای‌اسکوئر برای چه استفاده می‌شود؟

برای بررسی تفاوت بین متغیرهای طبقه‌ای از یک نمونه تصادفی، به‌منظور قضاوت درباره نیکویی برازش بین نتایج مشاهده‌شده و مورد انتظار.

چه کسانی از آن استفاده می‌کنند؟

پژوهشگرانی که داده‌های نظرسنجی را تحلیل می‌کنند، در حوزه‌هایی مانند جمعیت‌شناسی، بازاریابی، علوم سیاسی و اقتصاد.

آیا برای متغیرهای اسمی یا ترتیبی کاربرد دارد؟

کای‌اسکوئر بیشتر برای متغیرهای اسمی مناسب است (مثلاً رنگ مورد علاقه). متغیرهای ترتیبی مانند سن، ترتیب عددی دارند و مناسب این آزمون نیستند.

نتیجه‌گیری

آزمون کای‌اسکوئر تفاوت بین فراوانی مشاهده‌شده و مورد انتظار را در مجموعه‌ای از متغیرهای طبقه‌بندی‌شده می‌سنجد. این آزمون به‌ویژه برای داده‌های اسمی مؤثر است و در دو نوع «آزمون استقلال» و «آزمون نیکویی برازش» استفاده می‌شود.