간호 연구 나 다른 연구에 사용 된 Pearson의 카이 제곱은 관련 변수의 중요성을 확인합니다. 가설에는 세 가지 유형의 변수가 있습니다. 대조군은 비교되는 실험의 일부이며, "표준"입니다. 의존성, 실험 또는 테스트에 의해 변경되어야하는 요소; 독립, 실험에서 변경 될 것으로 예상되는 측면. 간호학 연구의 초점은 우수한 간호를 제공하는 것입니다. 카이 제곱의 검정은 귀무 가설이 사실인지, 거짓인지 또는 변수의 변화가 없는지를 결정합니다.
$config[code] not found피어슨의 카이 - 스퀘어
테스트해야 할 가설을 결정하십시오. 간호사는 열이있는 사람과 감기에 걸린 사람 사이에 상관 관계가 있는지 여부를 알아 내고 싶어합니다. 예상되는 결과는 100 명 중 90 명의 환자가 감기에 노출되어 열이 발생한다는 것입니다.
데이터를 수집하십시오. 100 명의 환자 중 75 명은 추위에 노출되었을 때 열이 나는 반면 25 명은 감기에 걸리지 않고 열이납니다. 이것은 관찰 된 실험의 측면입니다.
계산: 감기에서 발열로 관찰 된 환자의 수, 75. 발열 예상 환자 수를 뺀다. 90-75-90 = 15, 2 또는 사각으로 곱하면 30, 음수는 무시한다.
예상 건수, 90. 0.33에 대해 30을 나누십시오.
자유도 또는 df를 결정합니다. 자유도는 비교 된 사례 수와 비교 된 사례 수를 나눈 값입니다. 이 경우 방정식은 100 / 100 = 1이됩니다. 이것은 확률이 중요한지 여부를 결정합니다. 이 경우, p = 0.05, p는 카이 제곱 가능성 표에서 발견됩니다.
카이 제곱 분포표에서 p = 0.05에서.01을 찾는다. 이 경우 카이 제곱은 47.4와 같습니다. 의미있는 귀무 가설이 입증되었거나 추위에 노출되면 열이 47 % 발생합니다.
팁
카이 제곱은 신중하게 계산해야합니다. 한 단계를 놓치고 거짓 음성 또는 거짓 긍정을 쉽게받을 수 있습니다.
