HIPOTÉZISEK

A – nem – kvalitatív, nominális változó

B – rv_SNI_P – A tanuló küzd a megismerő funkciók vagy a viselkedés fejlődésének tartós és
súlyos rendellenességével – kvalitatív, nominális

A és B változó között közepes erősségű kapcsolat van a

Szakmai hipotézis populáció szintjén. Az SNI-s tanulók és nemük között
közepes erősségű kapcsolat van a populáció szintjén.

A és B változó független egymástól a populáció

Statisztikai nullhipotézis
szintjén.

Statisztikai ellenhipotézis A és B változó kapcsolatban áll a populáció szintjén.

FUTTATÁSI KÉPERNYŐKÉPEK

ábra 1 - Kereszttáblás elemzés elérése a JASP-ban

1
ábra 2 - Változók beillesztése JASP-ban

ábra 3 - Beállítások az elemzéshez JASP-ban

ábra 4 - JASP output

ábra 5 - ROPstat-ban az elemzés elérése

ábra 6 - Diszkrét változók kapcsolatvizsgálata ROPstat-ban

Kereszttáblás tesztet két kvalitatív változóra futtatok és azok kapcsolatát vizsgálom

A JASP program megnyitása és a saját adatfájlom beolvasása után a „Frequencies”, majd

„Classical” fülek alatt a „Contingency Tables” opciót választom (ábra 1). A „Rows” fül alá
beteszem az „rv_SNI_P” változómat, a „Colums” fül alá pedig a „nem” változót (ábra 2). A
„Statistics” fület lenyitva a következőket pipálom be: „x2” és a „Nominal” alatt a „Phi and
Cramer’s V”. A „Cells” fül alatt pedig a következőket: A „Counts” alatt az „Expected” -et és
a „Percentages” alatt a „Row” és „Column” opciót (ábra 3). Az outputot egyből megkapom
(ábra 4).

A ROPstat program megnyitása és a saját adatfájlom beolvasása után a „Statisztikai

elemzések”, majd „Változók kapcsolatának vizsgálata” fül alatt a „Diszkrét változók
kapcsolatvizsgálata (gyakoriság táblázatok)” opciót választom (ábra 5). Az „X változók”
oszlop alá teszem a „nem” változómat és az „Y változók” oszlop alá teszem az „rv_SNI_P”
nevű változómat. Kétszer kattintok a „No” szóra, hogy „Yes” legyen belőle a következőknél:
„Várt gyakoriságok”, „Sorszázalékok”, „Oszlopszázalékok”, „Predikciós mutatók” (ábra 6). A
„Futattás” -ra kattintva kapom meg az output-ot.

3
 ELEMZÉSI OUTPUT

JASP output ROPstat output

Contingency Tables Diszkrét változók kapcsolatvizsgálata
Jelölés: +: p < 0.10 : p < 0.05 *: p < 0.01 *: p < 0.001
nem A beolvasott összes eset száma: 921
KÉTSZEMPONTOS GYAKORISÁGI TÁBLÁZAT
rv_SNI_P lány fiú Total Sorváltozó: NEM (A tanuló neme a központi adatbázis alapján)
Oszlopváltozó: Rv_sni_p (A tanuló küzd a megismerõ funkciók vagy a
Count 461.000 422.000 883.000 viselkedés fejlõdésének tartós és súlyos rendellenességével)
A Rv_sni_p változó csoportjai/kategóriái:
Expected count 451.567 431.433 883.000
NEM nem igen Összesen
nem
% within row 52.208 % 47.792 % 100.000 %
lány 461 10 471
fiú 422 28 450
% within column 97.877 % 93.778 % 95.874 % Összesen 883 38 921
Várt gyakoriságok táblázata
Count 10.000 28.000 38.000 A Rv_sni_p változó csoportjai/kategóriái:
NEM nem igen Összesen
Expected count 19.433 18.567 38.000 lány 451.6 19.4 471
igen fiú 431.4 18.6 450
% within row 26.316 % 73.684 % 100.000 % Összesen 883 38 921
Sorösszegek szerinti százalékok táblázata
% within column 2.123 % 6.222 % 4.126 % A Rv_sni_p változó csoportjai/kategóriái:
NEM nem igen Összesen
Count 471.000 450.000 921.000 lány 97.9 2.1 100.0
fiú 93.8 6.2 100.0
Expected count 471.000 450.000 921.000
Összesen 95.9 4.1 100.0
Total
% within row 51.140 % 48.860 % 100.000 %
Oszlopösszegek szerinti százalékok táblázata
A Rv_sni_p változó csoportjai/kategóriái:
% within column 100.000 % 100.000 % 100.000 % NEM nem igen Összesen
lány 52.2 26.3 51.1
fiú 47.8 73.7 48.9
Chi-Squared Tests
Összesen 100.0 100.0 100.
Value df p
KAPCSOLATI MUTATÓK
fi kontingencia-együttható ( ~ Cramér-féle V) = 0.103
Χ² 9.775 1 0.002 Esélyhányados (odds ratio): alfa = 0.327
Goodman-Kruskal-féle predikciós mutatók
N 921 A) Mind a sor-, mind az oszlopváltozó véletlen változónak tekinthetõ:
- Oszlopváltozó predikciója a sorváltozó alapján:
Log Odds Ratio Lambda(oszlop|sor) = 0.000, Tau(oszlop|sor) = 0.011
- Sorváltozó predikciója az oszlopváltozó alapján:
95% Confidence Intervals Lambda(sor|oszlop) = 0.040, Tau(sor|oszlop) = 0.009
B) Csak a bejósolandó változó tekinthetõ véletlen változónak:
Log Odds Ratio Lower Upper p - Oszlopváltozó predikciója a sorváltozó alapján:
Lambda*(oszlop|sor) = 0.000, Tau*(oszlop|sor) = 0.011
Odds ratio 1.118 0.384 1.852 - Sorváltozó predikciója az oszlopváltozó alapján:
Lambda*(sor|oszlop) = 0.056, Tau*(sor|oszlop) = 0.070
Fisher's exact test 1.117 0.350 1.965 0.002 Közös információ-hányad
- Oszlopváltozó predikciója a sorváltozó alapján: UC(oszlop|sor) =
Nominal 0.032
- Sorváltozó predikciója az oszlopváltozó alapján: UC(sor|oszlop) =
Valu 0.008
e FÜGGETLENSÉG TESZTELÉSE
Khi-négyzet-próba (f = 1): Khi2 = 9.775 (p = 0.0018)**
Contingency coefficient 0.102 Fisher-egzakt-próba:
- egyoldalú: p = 0.0013**
Phi-coefficient 0.103 - kétoldalú: p = 0.0024**
Cramer's V 0.103

4
EREDMÉNY

Az eredményt a JASP (1.18.1) program alapján írom le. A két változóm a „nem” és az
„rv_SNI_P”. Mindkét változó kvalitatív, nominális. Az „rv_SNI_P” a sajátos nevelési
igényben részesülő tanulókat jelenti.

A programban 2x2-es kontingencia táblázatot hoztam létre, ezért a Fisher-féle egzakt próbát
fogom vizsgálni, aminek nincs feltétele. A Fisher-féle egzakt próba eredménye szignifikáns,
mivel p = 0,002, ami kisebb, mint 0,05. Ez azt jelenti, hogy a két változó között szignifikáns
összefüggés van, tehát a nullhipotézist elvetem. Szignifikáns eredménynél hatásmértéket
vizsgálok, jelen esetben a Cramer’s V-t. A Cramer-féle V eredménye: V = 0,103 ez erős
kapcsolat jelent. A statisztikai nullhipotézis igaz.

SZAKMAI DÖNTÉSHOZATAL

A vártnál nagyobb erősségű eltérés jött ki, a közepes helyett erős kapcsolat van a két változó
között. A tanuló küzd a megismerő funkciók vagy a viselkedés fejlődésének tartós és súlyos
rendellenességével erősen összefüggésben áll a nemmel.