卡方检验完整版本.pdfVIP

2

卡方检验是一种基于χ分布的假设检验方法，其应用十分广泛，特别是在离散变量的分析

2

中，χ分布最早于1875年由F.Helmet提出，他计算出来自正态总体的样本方差分布服

222

从χ分布，1900年KarlPearson在做拟合优度研究时也得出χ分布，并且提出χ统计

量，将其用于假设检验。

【卡方检验的主要用途包括以下几个方面】

1.检验某个连续变量的分布是否与某种理论分布相一致。如是否符合正态分布、是否服从均

匀分布、是否服从Poisson分布等

2.某无序分类变量各属性出现的概率是否等于指定概率，如骰子各面出现的概率是否等于1

\6,硬币正反两面是否等于0.5等

3.检验两个无序分类变量之间是否独立，有无关联，如收入与性别是否有关。

4.控制某种分类因素之后，检验两个无序分类变量各属性之间是否独立，如上述控制年龄因

素之后，收入与性别是否有关，

5.检验两个或多个样本率（总体率）或构成比之间是否存在差别，也称为同质性检验。

6.多个样本（总体）之间的多重比较

7.不同的方法作用于同一个变量时，产生的效果是否一致（配对检验）。如两种治疗方法作

用于同一组病人，疗效是否一样

在以上用途中，除了第一点是针对连续变量之外，其余都是针对无序分类变量，由此可见，

卡方检验大部分是用在分类变量的检验中发挥作用。

================================================

==

【卡方检验基本思想】

2

卡方检验是以渐进χ分布为基础，它的零假设H0是：观察频数与期望频数没有差别。

2

通过构造χ统计量，得出P值，并以此进行检验。

应该来讲，凡是通过构造χ2统计量进行检验的都属于卡方检验，卡方检验是一类检验（希

腊字母χ的英文音标就近似读为“卡”），我们在描述这些不同的卡方检验的时候，通常会加

上特定名称来加以区分，如Pearson卡方、McNemar配对卡方、似然比卡方等。由于是

pearson最早提出用卡方统计量做假设检验，所以我们平时说的卡方检验，很多时候就是

指pearson卡方。

=======================================

【χ2统计量的计算及意义】

2

χ统计量实际上表示观测值与理论值之间的偏离程度，其公式为

其中，Ai为i水平的观察频数，Ei为i水平的期望频数，n为总频数，pi为i水平的期望频

率。i水平的期望频数Ti等于总频数n×i水平的期望概率pi，k为单元格数。当n比较大

时，χ2统计量近似服从k-1(计算Ei时用到的参数个数)个自由度的卡方分布。

2

由卡方的计算公式可知，当观察频数与期望频数完全一致时，χ值为0；观察频数与期望

2

频数越接近，两者之间的差异越小，χ值越小；反之，观察频数与期望频数差别越大，两

22

者之间的差异越大，χ值越大。换言之，大的χ值表明观察频数远离期望频数，即表明远

22

离假设。小的χ值表明观察频数接近期望频数，接近假设。一旦χ超过了一定的临界值，

就可以认为观察频数与期望频数的差异超出了抽样误差允许的范围，也就可以认定二者是有

2

差异的。因此，χ是观察频数与期望频数之间距离的一种度量指标，也是假设成立与否的

22

度量指标。如果χ值“小”，研究者就倾向于不拒绝H0；如果χ值大，就倾向于拒绝H0。

2

至于χ在每个具体研究中究竟要大到什么程度才能拒绝H0，则要借助于卡方分布求出所

对应的P值来确定。

【卡方统计量具有以下特征】

2

1.χ值永远不会小于0

2

2.χ值具有可加性，几个相互独立的卡方变量的和仍然服从卡方分布

2