422. Test chi-kwadrat niezależności – idea i założenia

Test chi-kwadrat niezależności należy do podstawowych metod analizy danych jakościowych. Pozwala ocenić, czy dwie zmienne kategorialne są ze sobą powiązane w populacji, na podstawie obserwowanych liczebności zapisanych w tabeli kontyngencji. W praktyce można dzięki niemu sprawdzić na przykład, czy występowanie działań niepożądanych zależy od rodzaju leczenia, czy status palenia wiąże się z rozpoznaniem choroby albo czy forma zatrudnienia jest związana z deklarowanym poziomem stresu.

W tej lekcji szkolenia na statystyk.edu.pl skupiamy się na idei testu i jego założeniach. Samo uzyskanie wartości p nie kończy analizy. Trzeba jeszcze wiedzieć, jakie pytanie postawiono, jak obliczono liczebności oczekiwane, czy dane spełniają warunki stosowania przybliżenia chi-kwadrat oraz jak opisać siłę i znaczenie praktyczne związku.

1. Jakie pytanie odpowiada test chi-kwadrat niezależności?

Rozważmy dwie zmienne jakościowe:

• X – na przykład rodzaj interwencji: standardowa albo nowa;
• Y – na przykład wynik leczenia: poprawa albo brak poprawy.

Test chi-kwadrat niezależności sprawdza hipotezę zerową, że zmienne X i Y są niezależne w populacji. Intuicyjnie oznacza to, że rozkład jednej zmiennej nie zmienia się w zależności od poziomu drugiej. Hipoteza alternatywna mówi, że istnieje związek między zmiennymi, czyli rozkład odpowiedzi różni się między co najmniej niektórymi kategoriami.

Formalnie:

• H₀: zmienne są niezależne;
• H₁: zmienne nie są niezależne, czyli występuje zależność.

Ważne jest precyzyjne rozumienie słowa „zależność”. Test wskazuje na niezgodność danych z hipotezą niezależności, ale sam nie wyjaśnia mechanizmu tego związku. W badaniu obserwacyjnym nie uzasadnia też automatycznie wniosku przyczynowego. Jeśli palacze częściej chorują na określoną chorobę, test może wykazać związek, lecz nie rozstrzyga samodzielnie o przyczynowości, zwłaszcza gdy nie kontrolowano wieku, płci, ekspozycji zawodowej lub innych zmiennych zakłócających.

2. Tabela kontyngencji jako punkt wyjścia

Dane do testu przedstawia się zwykle w tabeli krzyżowej. Dla dwóch zmiennych binarnych otrzymujemy tabelę 2 × 2:

	Wynik: tak	Wynik: nie	Suma
Grupa A	a	b	a + b
Grupa B	c	d	c + d
Suma	a + c	b + d	N

Komórki tabeli zawierają liczebności obserwowane, oznaczane często jako O_ij. Indeksy i i j wskazują odpowiednio wiersz i kolumnę. W większej tabeli, na przykład 3 × 4, każda komórka opisuje liczbę osób należących jednocześnie do określonej kategorii pierwszej i określonej kategorii drugiej zmiennej.

Przed wykonaniem testu należy ustalić, co jest jednostką analizy. W tabeli powinny znajdować się liczby osób, pacjentów, gospodarstw domowych lub innych niezależnych jednostek, a nie na przykład liczba wszystkich wizyt tej samej osoby, jeśli obserwacje te nie są od siebie niezależne. Test chi-kwadrat nie jest przeznaczony do bezpośredniej analizy średnich, median ani surowych wyników ilościowych.

3. Idea liczebności oczekiwanych

Centralna idea testu polega na porównaniu tego, co zaobserwowano, z tym, czego oczekiwalibyśmy, gdyby zmienne były niezależne. Liczebność oczekiwana w komórce jest teoretyczną liczbą przypadków wynikającą z założenia niezależności oraz z zachowania obserwowanych sum brzegowych.

Dla komórki znajdującej się w wierszu i i kolumnie j liczebność oczekiwana wynosi:

E_ij = (suma wiersza i × suma kolumny j) / N

gdzie:

• E_ij – liczebność oczekiwana w komórce i, j;
• suma wiersza i – liczba wszystkich obserwacji w danym wierszu;
• suma kolumny j – liczba wszystkich obserwacji w danej kolumnie;
• N – całkowita liczebność próby.

Jeżeli rzeczywiste liczebności są bliskie oczekiwanym, dane są zgodne z niezależnością. Jeżeli w wielu komórkach występują duże rozbieżności, statystyka testowa przyjmuje większą wartość.

Przykład obliczania liczebności oczekiwanej

Załóżmy, że w badaniu 100 pacjentów porównano dwie metody postępowania. W grupie standardowej było 60 osób, a w grupie nowej 40 osób. Poprawę uzyskało 50 pacjentów, a brak poprawy odnotowano u 50. Liczebność oczekiwana dla komórki „metoda standardowa – poprawa” wynosi:

E = (60 × 50) / 100 = 30.

Jeśli obserwowano w tej komórce 36 pacjentów, odchylenie wynosi 6. To odchylenie nie jest oceniane w izolacji: test uwzględnia wszystkie komórki tabeli, a większe rozbieżności są silniej widoczne wtedy, gdy liczebność oczekiwana jest mała.

4. Statystyka chi-kwadrat

Statystykę Pearsona zapisujemy następująco:

χ² = Σ_i=1^r Σ_j=1^c [(O_ij − E_ij)² / E_ij]

Oznaczenia są następujące:

• χ² – wartość statystyki testowej;
• O_ij – liczebność obserwowana w komórce i, j;
• E_ij – liczebność oczekiwana w tej samej komórce;
• r – liczba wierszy;
• c – liczba kolumn;
• Σ – sumowanie po wszystkich komórkach tabeli.

Kwadrat różnicy sprawia, że dodatnie i ujemne odchylenia się nie znoszą. Dzielenie przez liczebność oczekiwaną powoduje, że różnica jest oceniana względnie: odchylenie o 5 przypadków ma inne znaczenie przy oczekiwanej liczebności 10, a inne przy oczekiwanej liczebności 100. Statystyka χ² jest więc miarą łącznego odstępstwa tabeli od wzorca oczekiwanego przy niezależności.

Przy spełnieniu odpowiednich warunków statystyka ma w przybliżeniu rozkład chi-kwadrat z liczbą stopni swobody:

df = (r − 1)(c − 1)

W tabeli 2 × 2 mamy jeden stopień swobody. W tabeli 3 × 4 mamy (3 − 1)(4 − 1) = 6 stopni swobody. Stopnie swobody odzwierciedlają liczbę niezależnych informacji pozostających po uwzględnieniu sum brzegowych.

5. Co oznacza wartość p?

Wartość p jest prawdopodobieństwem uzyskania wyniku co najmniej tak niezgodnego z hipotezą niezależności jak wynik obserwowany, przy założeniu, że hipoteza zerowa jest prawdziwa i że zastosowany model oraz warunki testu są właściwe. Nie jest to prawdopodobieństwo prawdziwości hipotezy zerowej.

Mała wartość p, na przykład p < 0,05, może stanowić podstawę do odrzucenia H₀ na przyjętym poziomie istotności. Nie oznacza jednak, że związek jest silny, ważny klinicznie ani przyczynowy. Przy dużej próbie nawet bardzo mała różnica między rozkładami może dać wynik istotny statystycznie. Z kolei mała próba może nie dostarczyć wystarczającej mocy do wykrycia związku o znaczeniu praktycznym.

Dlatego wynik testu należy uzupełnić o opis rozkładów, różnice proporcji oraz miarę siły związku, na przykład V Craméra. Dla tabeli 2 × 2 można także raportować iloraz szans lub względne ryzyko, jeżeli odpowiada to schematowi badania i pytaniu badawczemu.

6. Założenia testu chi-kwadrat niezależności

6.1. Zmienne powinny być kategorialne

Test jest przeznaczony dla dwóch zmiennych jakościowych: nominalnych albo porządkowych traktowanych jako kategorie. Zmienna porządkowa może mieć naturalną kolejność, ale klasyczny test chi-kwadrat niezależności nie wykorzystuje tej kolejności. Jeśli poziomy „niski”, „średni” i „wysoki” mają znaczenie porządkowe, test chi-kwadrat odpowiada tylko na pytanie o ogólną zależność, nie zaś o trend liniowy.

6.2. Obserwacje powinny być niezależne

Każda osoba powinna wnosić do tabeli jedną obserwację, a wynik jednej osoby nie powinien determinować wyniku innej. Problem pojawia się, gdy analizuje się wielokrotne pomiary tych samych pacjentów, pary dopasowane, członków jednej rodziny lub grupy silnie powiązane. W takich sytuacjach zwykły test chi-kwadrat może zaniżać niepewność i prowadzić do zbyt optymistycznych wniosków.

Dla danych sparowanych, na przykład odpowiedzi „przed” i „po” u tych samych osób, odpowiedniejszy może być test McNemary. Dla danych zgrupowanych lub powtarzanych należy rozważyć metody uwzględniające zależność, takie jak modele mieszane, uogólnione równania estymacyjne lub modele wielopoziomowe.

6.3. Liczebności oczekiwane nie powinny być zbyt małe

Rozkład chi-kwadrat jest przybliżeniem. Jego jakość zależy między innymi od liczebności oczekiwanych. W praktyce często stosuje się regułę, że żadna liczebność oczekiwana nie powinna być mniejsza od 1, a większość, na przykład co najmniej 80%, powinna wynosić co najmniej 5. Reguły te nie są prawem matematycznym, lecz praktycznym kryterium kontroli jakości przybliżenia i należy je interpretować w kontekście rozmiaru tabeli oraz liczebności próby (Cochran, 1952; Agresti, 2013).

Jeśli komórek o małych liczebnościach jest wiele, można połączyć kategorie tylko wtedy, gdy ma to sens merytoryczny, zwiększyć próbę albo zastosować dokładny test Fishera w tabeli 2 × 2. Przy większych tabelach można rozważyć dokładne lub symulacyjne procedury dla tabel kontyngencji. Nie należy natomiast łączyć kategorii wyłącznie po to, aby „wymusić” istotność statystyczną.

6.4. Kategorie muszą być rozłączne i wyczerpujące

Każda jednostka powinna zostać przypisana do jednej i tylko jednej kategorii w obrębie każdej zmiennej. Kategorie powinny obejmować wszystkie możliwe odpowiedzi albo powinno być jasno określone, jak potraktowano brak danych. Osoba z brakującą odpowiedzią nie może być automatycznie włączona do jednej z kategorii tylko dlatego, że program statystyczny wymaga liczby.

7. Dwa przykłady zastosowania

Przykład 1: szczepienie i hospitalizacja

W badaniu obserwacyjnym porównano status szczepienia przeciw określonej chorobie z wystąpieniem hospitalizacji w sezonie infekcyjnym. Obie zmienne są binarne. Test chi-kwadrat może odpowiedzieć na pytanie, czy w badanej populacji status szczepienia i hospitalizacja są powiązane.

Jeśli uzyskano istotny wynik, nie należy pisać bez dodatkowych uzasadnień, że szczepienie „spowodowało” zmniejszenie hospitalizacji. W badaniu obserwacyjnym różnice mogą częściowo wynikać z wieku, chorób przewlekłych, dostępu do opieki lub zachowań zdrowotnych. Poprawny opis powinien wskazywać na związek albo różnicę proporcji hospitalizacji, a nie na efekt przyczynowy. Warto podać liczebności, odsetki w obu grupach, przedział ufności dla odpowiedniej miary efektu oraz informację o ograniczeniach projektu.

Przykład 2: rodzaj szkolenia i poprawność triage’u

W badaniu pielęgniarek lub ratowników oceniono, czy ukończenie szkolenia symulacyjnego wiąże się z poprawną klasyfikacją pacjenta w triage’u. Zmienna „szkolenie” ma dwa poziomy, a „klasyfikacja” może mieć poziomy „poprawna” i „niepoprawna”. Tabela 2 × 2 jest naturalnym sposobem prezentacji danych.

Interpretując wynik, trzeba sprawdzić, czy każda osoba była oceniana tylko raz. Jeśli te same osoby rozwiązywały wiele scenariuszy, obserwacje nie są zwykłymi niezależnymi przypadkami. Wówczas proste zliczenie wszystkich scenariuszy i zastosowanie testu chi-kwadrat może nadmiernie zwiększyć pozorną liczebność próby. Analiza powinna uwzględnić powtarzalność pomiarów, na przykład przez model logistyczny z efektem losowym osoby.

8. Przykład praktyczny: analiza niewielkiej tabeli

Załóżmy, że 80 pacjentów przydzielono do dwóch grup obserwacyjnych. W grupie A 30 osób zgłosiło poprawę, a 10 nie zgłosiło poprawy. W grupie B poprawę zgłosiło 20 osób, a 20 nie zgłosiło poprawy.

	Poprawa	Brak poprawy	Suma
Grupa A	30	10	40
Grupa B	20	20	40
Suma	50	30	80

Liczebność oczekiwana dla komórki „Grupa A – poprawa” wynosi (40 × 50) / 80 = 25. Dla komórki „Grupa A – brak poprawy” wynosi (40 × 30) / 80 = 15. Z powodu symetrii takie same wartości oczekiwane występują w drugim wierszu. Obserwacje 30, 10, 20 i 20 porównujemy więc z oczekiwanymi 25, 15, 25 i 15.

W tym przykładzie różnice są umiarkowane, a wszystkie liczebności oczekiwane przekraczają 5, więc założenie dotyczące przybliżenia jest rozsądne. Wynik testu powinien być jednak przedstawiony razem z odsetkami: poprawę zgłosiło 75% osób w grupie A i 50% w grupie B. Samo „χ² = …, p = …” nie pokazuje, gdzie leży różnica ani czy ma ona znaczenie dla praktyki klinicznej.

9. Najczęstsze błędy

• Traktowanie wartości p jako prawdopodobieństwa H₀. Wartość p nie mówi, jakie jest prawdopodobieństwo, że hipoteza zerowa jest prawdziwa.
• Wnioskowanie o przyczynowości z samego testu. Test bada zgodność z niezależnością, a nie poprawność modelu przyczynowego.
• Pomijanie liczebności oczekiwanych. Sam wynik programu nie wystarcza; trzeba sprawdzić, czy przybliżenie chi-kwadrat jest wiarygodne.
• Analizowanie procentów bez liczebności. Odsetek 50% może oznaczać 5 z 10 albo 500 z 1000 osób, co ma zupełnie inne konsekwencje dla niepewności.
• Wielokrotne testowanie pojedynczych komórek. Jeśli po istotnym teście wykonuje się wiele porównań, należy kontrolować problem wielokrotności i jasno opisać procedurę.
• Uznawanie istotności statystycznej za znaczenie kliniczne. Potrzebne są miary efektu, przedziały ufności i ocena konsekwencji praktycznych.
• Ignorowanie powtarzanych pomiarów. Wielokrotne obserwacje tej samej osoby naruszają założenie niezależności.
• Automatyczne łączenie kategorii. Kategorię można połączyć tylko wtedy, gdy jest to uzasadnione treścią pomiaru i planem analizy.

10. Jak raportować wynik?

Minimalny opis powinien zawierać: rodzaj testu, informację o tabeli, wartość statystyki χ², stopnie swobody, wartość p, liczebność próby oraz opis proporcji w kategoriach. Dobrze jest również podać miarę siły związku, na przykład V Craméra, i wyjaśnić, czy wynik ma znaczenie praktyczne.

Przykładowy zapis: „Wystąpił związek między grupą postępowania a poprawą stanu zdrowia, χ²(1) = …, p = …, V Craméra = …. Poprawę odnotowano u …% pacjentów w grupie A i …% w grupie B. Interpretację ogranicza obserwacyjny charakter badania”.

Nie należy zaokrąglać wartości p do „p = 0”. Jeśli jest bardzo mała, można napisać „p < 0,001”. W raporcie warto też wskazać, czy zastosowano korektę ciągłości, test dokładny lub procedurę symulacyjną, jeśli było to uzasadnione charakterem tabeli.

Co warto zapamiętać?

1. Test chi-kwadrat niezależności porównuje liczebności obserwowane z liczebnościami oczekiwanymi przy założeniu niezależności dwóch zmiennych kategorialnych.
2. Liczebność oczekiwana jest obliczana jako iloczyn sumy wiersza i sumy kolumny podzielony przez całkowitą liczebność próby.
3. Stopnie swobody wynoszą (r − 1)(c − 1).
4. Najważniejsze założenia dotyczą jakościowego charakteru zmiennych, niezależności obserwacji, rozłączności kategorii i dostatecznych liczebności oczekiwanych.
5. Wartość p nie jest prawdopodobieństwem prawdziwości H₀.
6. Istotność statystyczną trzeba odróżniać od siły związku i znaczenia praktycznego.
7. Test nie dowodzi przyczynowości, zwłaszcza w badaniu obserwacyjnym.
8. Jeśli założenia są naruszone, należy rozważyć zmianę metody, a nie tylko bezrefleksyjnie kontynuować obliczenia.

Historyczne podstawy statystyki chi-kwadrat wiążą się z pracą Pearsona, natomiast praktyczne omówienia ograniczeń liczebności oczekiwanych i zastosowań testu rozwijano w późniejszej literaturze metodologicznej (Pearson, 1900; Cochran, 1952; Agresti, 2013; McHugh, 2013). W kolejnej części modułu można przejść od idei testu do obliczeń, interpretacji tabeli 2 × 2 i wyboru właściwej alternatywy dla małych liczebności.

Źródła i dalsza lektura

1. Pearson, K. (1900). On the Criterion that a Given System of Deviations from the Probable in the Case of a Correlated System of Variables is Such that it Can be Reasonably Supposed to Have Arisen from Random Sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302), 157–175. DOI: 10.1080/14786440009463897.
2. Cochran, W. G. (1952). The χ2 Test of Goodness of Fit. The Annals of Mathematical Statistics, 23(3), 315–345. DOI: 10.1214/aoms/1177729380.
3. McHugh, M. L. (2013). The Chi-square Test of Independence. Biochemia Medica, 23(2), 143–149. DOI: 10.11613/BM.2013.018.
4. Agresti, A. (2013). Categorical Data Analysis. 3rd edition. John Wiley & Sons. Informacja wydawcy / źródło.
5. Kirkwood, B. R.; Sterne, J. A. C. (2003). Essential Medical Statistics. 2nd edition. Blackwell Science.
6. Bland, J. M.; Altman, D. G. (2000). The Odds Ratio. BMJ, 320(7247), 1468. DOI: 10.1136/bmj.320.7247.1468.