学术与研究
卡方独立性检验怎么做
卡方独立性检验用来判断两个分类变量是否有关联,例如两组人的偏好是否不同。你会建立列联表,计算期望频数,算出检验统计量,求 p 值,并检查检验是否成立。
请输入人数或个数,不要输入百分比或平均数。每个人只能出现在一个格子里。
打开卡方检验计算器目录
打开 cv.cm 的卡方检验计算器
两个变量的表格选「独立性」,一个变量对比预期比例选「拟合优度」。
打开卡方检验计算器输入列联表
设置行数和列数并输入观察频数。示例有两组(行)和两种回答(列):第一行 20 和 15,第二行 30 和 35,共 100 人。
计算期望频数
如果两个变量无关,每个格子应为 行合计 × 列合计 ÷ 总计。第一格:35 × 50 ÷ 100 = 17.5。计算器会列出全部期望频数。
观察频数与两个变量无关时的期望频数并排对比。 累加 (O − E)² ÷ E
对每个格子,把观察值与期望值之差平方再除以期望值,然后把四个结果相加:χ² = 1.10。自由度为(行数 − 1)×(列数 − 1)= 1。
读 p 值
χ²(1) = 1.10 对应 p = .295,远高于 .05,所以没有证据表明两者有关联。Cramér's V = .10 也说明关联很弱。自由度为 1 时,χ² 要超过 3.84 才显著。
自由度为 1 的卡方分布:1.10 远低于 α = .05 所需的 3.84。 检查期望频数并报告
期望频数低于 5 的格子不超过 20 % 且没有低于 1 的格子时,检验才可靠;小的 2 × 2 表请用 Fisher 精确检验。报告为 χ²(1, N = 100) = 1.10, p = .295。
常见问题
卡方检验能说明什么?
表格中的频数分布是否不同于两个变量无关(独立性)或各类别符合给定比例(拟合优度)时的预期。
卡方检验的自由度怎么算?
独立性检验为(行数 − 1)×(列数 − 1),拟合优度检验为类别数 − 1。
Yates 校正是什么?
用于 2 × 2 表的连续性校正,会让 χ² 稍微变小。它偏保守;现在很多统计学家对小表格更推荐 Fisher 精确检验。
Cramér's V 是什么?
衡量关联强度的效应量,取值 0 到 1。2 × 2 表中约 .1 为小,.3 为中,.5 为大。
卡方检验能用百分比吗?
不能。检验需要实际频数,百分比会隐藏样本量,得出错误结果。