Teste qui-quadrado
| Comando: | Testes Teste qui-quadrado |
|---|
Testa a significância estatística das diferenças em um sistema de classificação (classificação de um fator) ou da relação entre dois sistemas de classificação (classificação de dois fatores).
Para realizar este teste qui-quadrado, os dados já devem estar classificados em uma tabela de frequências (este teste não é realizado com os dados brutos).
Uma tabela de frequências mostra o número de casos que pertencem simultaneamente a duas ou mais categorias distintas, por exemplo, pacientes classificados de forma cruzada segundo o sexo e a faixa etária.
Dados necessários
Os dados da tabela de contingência devem ser inseridos na tabela da caixa de diálogo. Pode ser usada uma classificação de um fator (ocupando uma única linha ou uma única coluna) ou uma tabela de classificação de dois fatores de até 6 x 9.
Opcionalmente, você pode selecionar um teste qui-quadrado para tendência. O teste de tendência de Cochran-Armitage (Cochran, 1954; Armitage, 1955) é um teste mais poderoso que o teste não ordenado, mas só é aplicável se a tabela de classificação tiver 2 colunas e 3 ou mais linhas (ou 2 linhas e 3 ou mais colunas) e se os dados provierem de categorias ordenadas.
Resultados
O MedCalc calcula as frequências esperadas de cada célula da tabela, e são exibidos os seguintes resultados:
Qui-quadrado, com os graus de liberdade e o valor P. A estatística qui-quadrado é a soma, para todas as células, dos quadrados das diferenças entre a frequência observada e a esperada, divididos pela frequência esperada:
$$ \chi^2 = \sum{ \frac {(contagem\ observada\ -\ contagem\ esperada)^2} {contagem\ esperada}} $$Para uma tabela 2x2, o MedCalc usa o teste qui-quadrado “N−1”, conforme recomendado por Campbell (2007) e Richardson (2011). No teste qui-quadrado “N−1”, o 2 dado acima é multiplicado por um fator (N-1)/N. O uso da correção de continuidade de Yates não é mais recomendado.
Se o valor P calculado for inferior a 0,05, há uma relação estatisticamente significativa entre as duas classificações.
V de Cramér: uma medida da força da associação entre as duas classificações, que varia de 0 (nenhuma associação) a 1 (associação perfeita). Ao contrário da estatística qui-quadrado e do seu valor P, que aumentam com o tamanho da amostra mesmo para uma associação fraca, o V de Cramér não é afetado pelo número de casos, de modo que pode ser usado para comparar a força de uma associação entre tabelas ou estudos de tamanhos diferentes. O MedCalc também apresenta o intervalo de confiança de 95% do V de Cramér, baseado na distribuição qui-quadrado não central (Smithson, 2003).
Como orientação aproximada, um valor do V de Cramér de 0,2 ou menos indica uma associação fraca entre as duas classificações, mesmo que a associação seja estatisticamente significativa; um valor entre 0,2 e 0,6 indica uma associação moderada; e um valor superior a 0,6 indica uma associação forte.
Frequências esperadas pequenas
Quanto à confiabilidade do teste na presença de frequências esperadas pequenas, consulte Tabela de frequências & teste qui-quadrado.
Literatura
- Altman DG (1991) Practical statistics for medical research. London: Chapman and Hall.
- Armitage P (1955) Tests for linear trends in proportions and frequencies. Biometrics 11:375-386.
- Campbell I (2007) Chi-squared and Fisher-Irwin tests of two-by-two tables with small sample recommendations. Statistics in Medicine 26:3661-3675.
- Cochran WG (1954) Some methods for strengthening the common chi-squared tests. Biometrics 10:417-451.
- Richardson JTE (2011) The analysis of 2 x 2 contingency tables - Yet again. Statistics in Medicine 30:890.
- Smithson M (2003) Confidence Intervals. Series: Quantitative Applications in the Social Sciences. New York, NY: Sage Publications.