- 0
- 0
- 约4.04千字
- 约 6页
- 2026-11-18 发布于北京
- 举报
蒙特卡洛卡方检验实操教程:从数据到结果解读
案例数据下载:/data/mc_chisquare_sample.csv
方法简介
SPSSAU提供蒙特卡洛卡方检验(MonteCarlochi-squaretest),用于检验两个分类变量之间是否相互独立。当列联表较为稀疏、部分单元格期望频数小于5或样本量较小时,渐近卡方分布对p值的近似可能失真;蒙特卡洛卡方检验通过在行合计与列合计固定的条件下反复抽取列联表,用模拟得到的卡方值经验分布估计p值,从而在不依赖大样本近似的前提下完成推断。
蒙特卡洛卡方检验适用于r×c列联表,尤其是单元格稀疏或两组分布明显不均衡的列联表。Fisher精确检验虽然不依赖渐近近似,但通常只适用于2×2表,类别增多后需要枚举的组合数急剧膨胀,计算难以承受;Pearson卡方检验计算简便,但在期望频数偏小时p值可能偏差。若表格规整、各单元格期望频数均不小于5,直接使用Pearson卡方检验即可。
首先判断p值是否呈现出显著性,如果p值小于0.05,说明两个分类变量之间存在显著关联;具体关联方向可结合实际频数与列百分比判断,即看各组在哪个类别上更为集中。
分析项
蒙特卡洛卡方说明
组别、结果(2×3列联表)
不同组别在结果类别上的分布是否存在关联?
治疗方案、疗效等级
三种治疗方案的有效率分布是否有明显差异?
地区、购买偏好
不同地区消费者的品
原创力文档

文档评论(0)