卡方检验结果解读：期望频数与残差分析.docxVIP

卡方检验分析结果解读

一、方法概述

卡方检验（Chi-squareTest）是分析分类变量之间关联性的非参数统计方法，由英国统计学家KarlPearson于1900年提出。该方法通过比较观测频数与期望频数之间的偏离程度来检验两个分类变量是否独立。当卡方统计量达到显著水平时，表明观测频数结构不能由随机波动解释，两个变量之间存在统计学意义上的关联。SPSSAU软件提供了完整的卡方检验分析流程，包括列联表构建、Pearson卡方检验、似然比检验、效应量分析、多重比较以及Cochran-Armitage趋势检验等功能模块。

卡方检验的核心统计量为Pearson卡方值，其计算公式为χ2=Σ(O-E)2/E，其中O为观测频数，E为期望频数。卡方值越大，表明观测频数与期望频数的偏离越大，变量间关联越强。除Pearson卡方外，似然比卡方（LikelihoodRatioChi-square）基于最大似然原理构建，在大样本下与Pearson卡方渐近等价。效应量指标（如Phi系数、CramersV、列联系数等）用于衡量关联强度的大小，弥补卡方检验仅能提供显著性判断的不足。

在SPSSAU【实验/医学研究】模块选择【卡方检验】，将变量拖拽至右侧对应分析框，操作如下图：

二、列联表分析结果

表1报告了y与x1的交叉列联表。总样本量为420，y的三个水平分别有160、146和114个观测值。从列百