cv.cm

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。

约 7 分钟阅读

今天的结果 你的表格的 χ²、自由度、p 值、Cramér's V 和期望频数。

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
  1. 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
  2. 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。

  3. 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。
    观察频数与两个变量无关时的期望频数并排对比。
  4. 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。

  5. 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。
    自由度为 1 的卡方分布:1.10 远低于 α = .05 所需的 3.84。
  6. 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。