Chi-Square Test (काई-स्क्वायर परीक्षण) | 100% Concept Clear | Formula, Types, Hypothesis & Numerical

Chi-Square Test

(काई-स्क्वायर परीक्षण)

परिचय (Introduction):

Chi-Square Test (χ² Test) एक प्रमुख Non-Parametric Statistical Test है, जिसका उपयोग मुख्यतः Categorical Data (श्रेणीबद्ध आँकड़ों) के विश्लेषण के लिए किया जाता है। इसके माध्यम से यह जाँचा जाता है कि प्राप्त Observed Frequency (प्रेक्षित आवृत्ति) और Expected Frequency (अपेक्षित आवृत्ति) के बीच अंतर केवल संयोग के कारण है या सांख्यिकीय रूप से महत्वपूर्ण है।

भूगोल, समाजशास्त्र, जनसंख्या अध्ययन, कृषि, अर्थशास्त्र तथा अन्य सामाजिक विज्ञानों में इसका व्यापक उपयोग किया जाता है।

Chi-Square Test का अर्थ-

Chi-Square Test में यह तुलना की जाती है कि वास्तविक रूप से प्राप्त आवृत्तियाँ अपेक्षित आवृत्तियों से कितनी भिन्न हैं।

इसे सामान्यतः χ² (Chi-Square) से प्रदर्शित किया जाता है।

“Observed Frequency (O) और Expected Frequency (E) के बीच अंतर जितना अधिक होगा, χ² का मान उतना ही अधिक हो सकता है।”

Chi-Square का सूत्र-

χ² = ∑E(O−E)²

जहाँ-

χ² = Chi-Square का मान

O = Observed Frequency (प्रेक्षित आवृत्ति)

E = Expected Frequency (अपेक्षित आवृत्ति)

Σ = सभी वर्गों के लिए प्राप्त मानों का योग

Expected Frequency कैसे ज्ञात करें?

दो-way contingency table में Expected Frequency का सामान्य सूत्र है:

E = (Row Total × Column Total)/Grand Total

अर्थात्-

Expected Frequency = (पंक्ति योग × स्तम्भ योग) ÷ कुल योग

Chi-Square Test के प्रमुख प्रकार

(1) Test of Goodness of Fit:

Test of Goodness of Fit का उपयोग यह जाँचने के लिए किया जाता है कि प्राप्त Observed Frequencies (प्रेक्षित आवृत्तियाँ) किसी निर्धारित Theoretical या Expected Distribution (अपेक्षित वितरण) के अनुरूप हैं या नहीं।

इसमें वास्तविक आँकड़ों की तुलना पहले से निर्धारित अनुपात या वितरण से की जाती है। यदि दोनों के बीच अंतर सांख्यिकीय रूप से महत्वपूर्ण नहीं है, तो माना जाता है कि observed data अपेक्षित वितरण के अनुकूल है।

उदाहरण के लिए, किसी क्षेत्र में चार प्रकार की भूमि का अपेक्षित अनुपात 25 : 25 : 25 : 25 हो, तो Chi-Square द्वारा वास्तविक वितरण की उपयुक्तता जाँची जा सकती है।

(2) Test of Independence:

Test of Independence का उपयोग दो Categorical Variables (श्रेणीबद्ध चरों) के बीच किसी सांख्यिकीय संबंध या Association की जाँच करने के लिए किया जाता है। इसका मुख्य उद्देश्य यह निर्धारित करना है कि एक variable की categories दूसरे variable की categories से स्वतंत्र हैं या उनके बीच कोई महत्वपूर्ण संबंध मौजूद है।

इसमें सामान्यतः Contingency Table का प्रयोग किया जाता है। उदाहरण के लिए, शिक्षा स्तर और रोजगार की स्थिति के बीच संबंध की जाँच की जा सकती है। यदि दोनों variables स्वतंत्र नहीं हैं, तो उनके बीच statistically significant association माना जा सकता है।

(3) Test of Homogeneity:

Test of Homogeneity का उपयोग विभिन्न Populations या Groups में किसी categorical characteristic के वितरण की समानता की जाँच करने के लिए किया जाता है। इसका उद्देश्य यह पता लगाना होता है कि अलग-अलग समूहों में किसी विशेष विशेषता का वितरण समान है या नहीं।

इसमें विभिन्न समूहों की observed frequencies की तुलना की जाती है। उदाहरण के लिए, बिहार के विभिन्न जिलों में किसी विशेष कृषि फसल के वितरण की समानता जाँची जा सकती है। यदि अंतर statistically significant नहीं है, तो विभिन्न समूहों में distribution को homogeneous माना जाता है।

Null Hypothesis और Alternative Hypothesis

Chi-Square Test में किसी भी statistical test की तरह पहले Null Hypothesis (H₀) और Alternative Hypothesis (H₁) निर्धारित की जाती हैं। इनके माध्यम से यह तय किया जाता है कि प्राप्त आँकड़ों में दिखाई देने वाला अंतर या संबंध सांख्यिकीय रूप से महत्वपूर्ण (statistically significant) है या केवल संयोग के कारण उत्पन्न हुआ है।

✍️ Null Hypothesis (H₀)

Null Hypothesis का अर्थ है कि observed data में पाया गया अंतर या variables के बीच संबंध सांख्यिकीय रूप से महत्वपूर्ण नहीं है।

Goodness of Fit में:

H₀: Observed और Expected frequencies के बीच अंतर statistically significant नहीं है।

अर्थात् वास्तविक (Observed) वितरण और अपेक्षित (Expected) वितरण में कोई महत्वपूर्ण अंतर नहीं है।

Test of Independence में:

H₀: दोनों categorical variables एक-दूसरे से independent हैं।

अर्थात् दोनों variables के बीच कोई statistically significant association या संबंध नहीं है।

✍️ Alternative Hypothesis (H₁)

Alternative Hypothesis यह बताती है कि observed data में पाया गया अंतर या variables के बीच संबंध सांख्यिकीय रूप से महत्वपूर्ण है।

Goodness of Fit में:

H₁: Observed और Expected frequencies के बीच अंतर statistically significant है।

अर्थात् वास्तविक वितरण अपेक्षित वितरण से महत्वपूर्ण रूप से अलग है।

Test of Independence में:

H₁: दोनों categorical variables के बीच statistically significant association है।

अर्थात् दोनों variables एक-दूसरे से स्वतंत्र नहीं हैं और उनके बीच कोई महत्वपूर्ण संबंध मौजूद है।

Degrees of Freedom (df)

Degrees of Freedom (df) Chi-Square Test का एक महत्वपूर्ण घटक है। इसका अर्थ है कि किसी statistical calculation में कितनी observations या values स्वतंत्र रूप से बदल सकती हैं, जबकि आवश्यक constraints या totals स्थिर रहते हैं।

Chi-Square की calculated value की तुलना सही critical value से करने के लिए Degrees of Freedom की आवश्यकता होती है। इसका निर्धारण test के प्रकार और data की संरचना के आधार पर किया जाता है।

(1) Goodness of Fit के लिए

यदि किसी distribution में n categories हैं, तो Degrees of Freedom का सूत्र है-

df = n-1

जहाँ n = Categories की संख्या

उदाहरण: यदि किसी dataset में 5 categories हैं, तो-

d f = 5−1 = 4

(2) Contingency Table के लिए

यदि Chi-Square Test of Independence के लिए r rows और c columns वाली contingency table है, तो Degrees of Freedom का सूत्र है-

df = (r−1) (c−1)

जहाँ-

r = Rows की संख्या

c = Columns की संख्या

उदाहरण: यदि contingency table में 4 rows और 3 columns हैं, तो-

     df = (4-1)(3-1)
     df = 3×2 = 6

Chi-Square Test की प्रक्रिया:

Research में Chi-Square Test को सामान्यतः निम्न चरणों में किया जाता है:

Step 1: Research problem निर्धारित करें।

Step 2: Null और Alternative Hypothesis बनाएं।

Step 3: Observed Frequencies (O) प्राप्त करें।

Step 4: Expected Frequencies (E) calculate करें।

Step 5: प्रत्येक category के लिए $(O-E)2/E(O-E)^2/E$ calculate करें।

Step 6: सभी values को जोड़कर χ² प्राप्त करें।

Step 7: Degrees of Freedom निर्धारित करें।

Step 8: Calculated χ² की तुलना Critical/Table χ² से करें अथवा p-value देखें।

Step 9: Statistical decision लें।

Decision Rule

यदि: χ²calculated>χ²critical

तो H₀ को reject किया जाता है।

यदि: χ²calculated≤χ²critical

तो H₀ को reject नहीं किया जाता।

p-value के आधार पर

यदि:

p < α → H₀ reject

p ≥ α → H₀ reject नहीं

सामान्यतः α = 0.05 लिया जाता है।

उदाहरण: मान लीजिए किसी क्षेत्र में चार प्रकार की भूमि का observed distribution है

भूमि प्रकार	Observed (O)	Expected (E)
कृषि	40	25
वन	20	25
बंजर	15	25
अन्य	25	25

प्रत्येक category के लिए:

(O−E)²/E

निकाला जाएगा और सभी values को जोड़कर χ² calculated value प्राप्त की जाएगी।

इसके बाद इसे appropriate critical χ² value से compare किया जाएगा।

Chi-Square Test की प्रमुख शर्तें (Assumptions):

Chi-Square Test का उपयोग करते समय कुछ महत्वपूर्ण conditions का ध्यान रखना चाहिए:

Data सामान्यतः categorical/frequency data होना चाहिए।
Observations स्वतंत्र (independent) होनी चाहिए।
प्रत्येक observation को केवल एक category में classify किया जाना चाहिए।
Expected frequencies बहुत छोटी नहीं होनी चाहिए।
Sample को research population का उचित प्रतिनिधित्व करना चाहिए।
Test का चयन research question के अनुरूप होना चाहिए।

Chi-Square Test के लाभ:

✍️ यह non-parametric test है।

✍️ इसका उपयोग categorical data के लिए किया जा सकता है।

✍️ इसका calculation अपेक्षाकृत सरल है।

✍️ Social Science और Geography में उपयोगी है।

✍️ दो categorical variables के बीच association की जाँच की जा सकती है।

✍️ बड़े frequency datasets में उपयोगी हो सकता है।

Chi-Square Test की सीमाएँ:

✍️ यह continuous numerical data के लिए सामान्यतः उपयुक्त test नहीं है।

✍️ बहुत छोटी expected frequencies होने पर परिणाम unreliable हो सकते हैं।

✍️ यह association की statistical significance बता सकता है, लेकिन अपने आप causation सिद्ध नहीं करता।

✍️ अत्यधिक बड़े sample में छोटे differences भी statistically significant हो सकते हैं।

✍️ केवल χ² significant होने से relationship की strength स्पष्ट नहीं होती।

Geography में Chi-Square Test का उपयोग:

भूगोल में इसका उपयोग विभिन्न प्रकार के spatial और socio-economic categorical data में किया जा सकता है, जैसे-

✍️ ग्रामीण एवं शहरी जनसंख्या का अध्ययन

✍️ शिक्षा और रोजगार के बीच संबंध

✍️ भूमि उपयोग और कृषि प्रकार

✍️ फसल एवं सिंचाई के बीच संबंध

✍️ जनजातीय एवं गैर-जनजातीय जनसंख्या का वितरण

✍️ विभिन्न क्षेत्रों में सुविधाओं का वितरण

✍️ आवासीय प्रकार और सामाजिक वर्ग

✍️ प्राकृतिक आपदा एवं प्रभावित क्षेत्र

✍️ विभिन्न जिलों में कृषि फसलों का वितरण

निष्कर्ष (Conclusion):

Chi-Square Test सामाजिक विज्ञान एवं भूगोल में श्रेणीबद्ध आँकड़ों के विश्लेषण की एक महत्वपूर्ण सांख्यिकीय विधि है। इसके माध्यम से observed और expected frequencies तथा विभिन्न categorical variables के बीच संबंध की जाँच की जाती है। यह शोधकर्ता को आँकड़ों में पाए गए अंतर या संबंध की सांख्यिकीय महत्ता निर्धारित करने में सहायता करता है।

Chi-Square Test (काई-स्क्वायर परीक्षण) | 100% Concept Clear | Formula, Types, Hypothesis & Numerical | Statistics for Research