第10章卡方检验﹝Chi-.pptVIP

第十二章 非参数检验 一、参数与非参数检验 参数检验用于等比/等距型数据参数检验的前提：正态分布和方差同质 非参数检验不用对参数进行假设对分布较少有要求，也叫distribution-free tests用于名义/顺序型数据 参数统计和非参数统计优缺点 参数统计 ?优点： ?对资料的分析利用充分 ?统计分析的效率高 ?缺点： ?对资料的要求高 ?适用范围有限 非参数统计 ?优点：对资料的没有特殊要求 ?不受分布的影响（偏态、分布不明的资料） ? 不受方差齐性的限制 ?不受变量类型的影响 ?不受样本量的影响 ?缺点： ?检验效率低（易犯Ⅱ型错误） ?对信息的利用不充分。 第一节 χ2检验 (卡方Chi-square) 提纲： 卡方检验概述 卡方检验的前提和限制 卡方匹配度检验 卡方独立性检验 卡方检验的应用 曼-惠特尼U检验 相关样本的非参数检验 一、卡方检验概述 实际应用情况：调查、问卷、访谈等方法中，按性质划分类别，然后将结果按类计点人数或个数，得到计数数据。 类别变量（1）只能划分为类别，如性别、民族；（2）人为划分类别，如学习成绩（连续数据）分成优、良、中、差。 这些计数数据不能使用前几章所讲的统计方法，需要用到计数数据专用的统计方法，这些分析方法主要是根据χ2（卡方）分布进行的，故称为卡方检验。这类数据大都以表格形式表示，所以又称列联表分析。 χ2 分布图 （一）卡方检验的意义 1．卡方检验对总体的分布状态不作任何假定，非参数检验方法。 2. 分为单变量的卡方检验和独立类别的卡方检验 （一）卡方检验的意义 1.单变量的卡方检验：同时检验一个因素两项或多项分类的实际观察数与某理论次数分布是否相一致的问题，或说有无显著差异的问题。这种检验又称为配合度检验。 理论次数是指根据概率原理、某种理论、某种理论次数分布或经验次数分布所计算出来的次数。 3．独立类别的卡方检验：用于检验两个或两个以上因素（变量）各有多项分类之间是否有关联或是否具有独立性的问题。如不同性别的人在态度上是否有差异。这类检验又称独立性检验。 （二）卡方检验的基本公式 实际观察次数与某理论次数之差的平方再除以理论次数，即 χ2= ∑[(f0-f e)2/ f e] f0：观察次数 f e ：期望次数 其中，f e 期望次数越大（大于5），分布越接近卡方分布。 三、卡方匹配度检验 指用样本数据检验总体分布的形状或比率，以确定与假设的总体性质的匹配度，是对次数分布的检验。 （一）研究情境 主要用于实际观察次数与某理论次数是否有差别的分析。例如， 在医生职业中，男的多还是女的多？ 在三种咖啡中，哪种被国人最喜欢？ 在北京大学中，各国留学生的比例有代表性吗？ （二）统计假设及相关计算 H0: f 0 = f e H1: f 0 ≠ f e 运用基本公式计算出卡方值 查表，比较其与临界卡方值的大小，如果…… 注意：卡方值分布全部为正值，但f0-f e可能是负值，因此，卡方检验是双侧检验，0.05和0.01是指双侧概率而言。 自由度一般是资料的分类或分组的数目减1。（对测量数据分布的拟合度检验除外） 配合度检验需要先计算理论次数，这是计算卡方值的关键性步骤。（一般根据某种理论或经验） （三）卡方匹配度检验的公式 χ2= ∑[(f0-f e)2/ f e] f e=pn df =C-1 f0：观察次数 f e ：期望次数 C：类目的个数 Χ2：统计量 （四）配合度检验应用举例 某项民意测验，答案有同意、不置可否、不同意3种，调查结果如下：? 同意 不置可否 不同意 N f0 24 12 12 48 问：3种意见的人数是否有显著不同？ 解：此题为检验无差假说，分类的项数为3，故各项分类假设实计数相等，则概率应为1/3。则： f e= 48*1/3 =16 代入公式计算卡方： χ2= ∑[(f0-16)2/ 16]=（24-16）2/16+……=6 df=3-1=2 查表，临界值为5.99，故…… 此项民意测验的态度有显著差异，作此推论，犯错误的概率小于0.05。 高校女生对自身体重的观念 三、卡方独立性检验 （一）适用材料 主要用于两个或两个以上因素多项分类的计数资料分析。如果要研究的两个自变量之间是否具有独立性或有无关联或有无“交互作用”的存在，就要应用卡方独立性检验。 如果两个子变量是独立的，无关联的，就意味着对其