學術與研究
卡方獨立性檢定怎麼做
卡方獨立性檢定用來判斷兩個類別變項是否有關聯,例如兩組人的偏好是否不同。你會建立列聯表,計算期望次數,算出檢定統計量,求 p 值,並檢查檢定是否成立。
請輸入人數或個數,不要輸入百分比或平均數。每個人只能出現在一個格子裡。
打開卡方檢定計算機目錄
開啟 cv.cm 的卡方檢定計算機
兩個變項的表格選「獨立性」,一個變項對照預期比例選「適合度」。
打開卡方檢定計算機輸入列聯表
設定列數和欄數並輸入觀察次數。範例有兩組(列)和兩種回答(欄):第一列 20 和 15,第二列 30 和 35,共 100 人。
計算期望次數
如果兩個變項無關,每一格應為 列合計 × 欄合計 ÷ 總計。第一格:35 × 50 ÷ 100 = 17.5。計算機會列出全部期望次數。
觀察次數與兩個變項無關時的期望次數並排對照。 加總 (O − E)² ÷ E
每一格把觀察值與期望值之差平方再除以期望值,然後把四個結果相加:χ² = 1.10。自由度為(列數 − 1)×(欄數 − 1)= 1。
讀 p 值
χ²(1) = 1.10 對應 p = .295,遠高於 .05,所以沒有證據顯示兩者有關聯。Cramér's V = .10 也表示關聯很弱。自由度為 1 時,χ² 要超過 3.84 才顯著。
自由度為 1 的卡方分配:1.10 遠低於 α = .05 所需的 3.84。 檢查期望次數並報告
期望次數低於 5 的格子不超過 20 % 且沒有低於 1 的格子時,檢定才可靠;小的 2 × 2 表請用 Fisher 精確檢定。報告為 χ²(1, N = 100) = 1.10, p = .295。
常見問題
卡方檢定能說明什麼?
表格中的次數分布是否不同於兩個變項無關(獨立性)或各類別符合給定比例(適合度)時的預期。
卡方檢定的自由度怎麼算?
獨立性檢定為(列數 − 1)×(欄數 − 1),適合度檢定為類別數 − 1。
Yates 校正是什麼?
用於 2 × 2 表的連續性校正,會讓 χ² 稍微變小。它偏保守;現在許多統計學家對小表格更建議用 Fisher 精確檢定。
Cramér's V 是什麼?
衡量關聯強度的效果量,範圍 0 到 1。2 × 2 表中約 .1 為小,.3 為中,.5 為大。
卡方檢定能用百分比嗎?
不能。檢定需要實際次數,百分比會隱藏樣本數,得出錯誤結果。