🐟 請您尊重本網站的智慧財產權，如有任何引用，請註明出處：Dr. Fish 漫游社會統計。（文章發表日期）。文章名稱。文章網址
無母數檢定
當卡方獨立性檢定的假設檢定指出類別變項間有關聯時，可以透過事後分析來探討哪些情況導致統計顯著的結果。事後分析包括標準化殘差和調整後殘差，標準化殘差為觀察次數和期望次數間相對差異的一個描述統計量，調整後殘差為標準化殘差的改善統計量，可用來和標準分數比較。
勝率比
無母數檢定
勝率比用來測量不同的研究情境和發生結果之間的關聯，可以指出一個情境結果較另一個情境結果的發生可能性有多高。不同於只用一個數值來呈現兩個變項之間關聯強度的關聯性測量，勝率比以更具意義的方法來解釋變項裡各個類別之間的關係，是一種更細緻的效果量呈現方法。
無母數檢定
卡方獨立性檢定可用來探討2個類別變項間是否具有關聯性，但從顯著性檢定的結果無法知道2個變項間的關聯程度，也就是效果量的大小。關聯性的測量是呈現效果量的一種方法，包括phi、列聯係數和Cramér′s V。這些數值類似相關係數，不過數值僅介於0和1之間。
無母數檢定
卡方獨立性檢定是卡方檢定的一種，用來探討兩個名義尺度變項或類別變項間為彼此獨立或相互關聯，通常會製作一列聯表後再進行分析。卡方獨立性檢定不具有方向性，假設檢定的過程使用卡方分配和卡方檢定統計量，檢驗兩個名義尺度變項或類別變項間彼此獨立的虛無假設。
推論統計
假設檢定的過程可用來評估變項之間是否具有關聯性或自變項是否具有效果，但無法瞭解效果的大小。為了測量效果的大小，即須計算效果量。因此，效果量是指自變項效果大小或變項間關聯程度的一種客觀、標準化的測量方法，最常見為Cohen′s d、皮爾森積差相關係數和勝率比。