SPSS Cochran Q-test är ett förfarande för att testa om proportionerna för tre eller fler dikotoma variabler är lika i en population. Dessa utfallsvariabler har mätts på samma personer eller andra statistiska enheter.

SPSS Cochran Q-test Exempel

Rektorn vid ett universitet vill veta om tre examina är lika svåra. Femton studenter gjorde dessa examns och deras resultat finns i examn_results.sav.

Snabb kontroll av data

Det är alltid en bra idé att ta en snabb titt på hur data ser ut innan man går vidare med statistiska tester. Vi öppnar data och inspekterar några histogram genom att köra FREQUENCIES med syntaxen nedan. Observera nyckelordet TO i steg 3.

Histogrammen visar att de tre variablerna verkligen är dikotoma (det kunde ha funnits någon svarskategori ”Okänd” men den förekommer inte). Eftersom N = 15 för alla variabler drar vi slutsatsen att det inte finns några saknade värden. Värdena 0 och 1 representerar ”Underkänd” och ”Godkänd” Vi föreslår att du RECODE dina värden om detta inte är fallet. Vi ser därför lätt att andelen elever som lyckas varierar mellan 0,53 och 0,87.

Antaganden Cochrans Q-test

Cochrans Q-test kräver endast ett antagande:

• oberoende observationer (eller närmare bestämt oberoende och identiskt fördelade variabler).

Körning av SPSS Cochran Q-test

Vi går till Analysera Icke-parametriska test Legacy-dialoger K-relaterade prov…
Vi flyttar våra testvariabler under Testvariabler,
väljer Beskrivande under Statistik,
väljer Cochrans Q under Testtyp och
klickar på Klistra in
Detta resulterar i syntaxen nedan som vi sedan kör för att få fram våra resultat.

SPSS Cochran Q-testets utdata

I den första tabellen (Descriptive Statistics) presenteras de beskrivande faktorer som vi kommer att rapportera. Rapportera inte resultaten från DESCRIPTIVES i stället.Anledningen är att signifikanstestet (nödvändigtvis) baseras på fall utan saknade värden för någon av testvariablerna. De beskrivningar som erhålls från Cochrans test är därför begränsade till sådana fullständiga fall också.
Eftersom N = 15 bekräftar beskrivningarna återigen att det inte finns några saknade värden och
proportionerna sträcker sig från 0,53 till 0,87.Återigen motsvarar proportionerna medelvärden om 0 och 1 används som värden.

Tabellen Test Statistics presenterar resultatet av signifikanstestet.
P-värdet (”Asymp. Sig.”) är 0,093. Om de tre testerna verkligen är lika svåra i populationen finns det fortfarande en chans på 9,3 % att hitta de skillnader som vi observerade i detta urval. Eftersom denna chans är större än 5 % förkastar vi inte nollhypotesen att testerna är lika svåra.

Rapportering av resultaten från Cochrans Q-test

När vi rapporterar resultaten från Cochrans Q-test presenterar vi först den tidigare nämnda beskrivande statistiken. Cochrans Q-statistik följer en chi-square-fördelning så vi rapporterar något i stil med ”Cochrans Q-test visade inte på några skillnader mellan de tre proportionerna, χ2(2) = 4,75, p = .093”.