卡方检验的简单计算方法

SPSS非参数检验之一卡方检验

一、卡方检验的概念和原理

卡方检验是一种常用的非参数检验方法，用于检验两个或多个分类变量之间的关联性。它利用实际观察频数与理论频数之间的差异，来判断两个变量是否独立。

卡方检验的原理基于卡方分布，在理论上，如果两个变量是独立的，那么它们的观测频数应该等于理论频数。卡方检验通过计算卡方值来度量观察频数与理论频数之间的差异程度，进而判断两个变量是否独立。

卡方值的计算公式为：

卡方值=Σ(（观察频数-理论频数）²/理论频数）

其中，观察频数为实际观察到的频数，理论频数为理论上计算得到的频数。

二、卡方检验的步骤

卡方检验的步骤包括以下几个方面：

1.建立假设：首先需要建立原假设和备择假设。原假设（H0）是两个变量之间独立，备择假设（H1）是两个变量之间存在关联。

2.计算理论频数：根据原假设和已知数据，计算出各组的理论频数。

3.计算卡方值：利用卡方值的计算公式，计算观察频数与理论频数之间的差异。

4.计算自由度：自由度的计算公式为自由度=(行数-1)*(列数-1)。 5.查表或计算P值：根据卡方值和自由度，在卡方分布表中查找对应的临界值，或者利用计算机软件计算P值。

6.判断结果：判断P值与显著性水平的关系，如果P值小于显著性水平，则拒绝原假设，认为两个变量存在关联；如果P值大于显著性水平，则接受原假设，认为两个变量是独立的。

三、卡方检验在SPSS中的应用

在SPSS软件中，进行卡方检验的操作相对简单。下面以一个具体的案例来说明：

假设我们有一份数据，包括了男性和女性在健康习惯（吸烟和不吸烟）方面的调查结果。我们想要检验性别与吸烟习惯之间是否存在关联。

1.打开SPSS软件，导入数据。

2.选择"分析"菜单，点击"拟合度优度检验"。

3.在弹出的对话框中，将两个变量（性别和吸烟习惯）拖入"因子"栏目中。

4.点击"统计"按钮，勾选"卡方拟合度"。

5.点击"模型"按钮，选择"拟合度"模型。

卡方检验及校正卡方检验的计算

卡方检验是一种统计方法，用于比较一个样本中观察到的频数与期望频数之间的差异。它适用于分析两个或更多个分类变量之间的关联性或独立性。卡方统计量的计算方法如下：

1.设置原假设（H0）和备择假设（Ha）：

-H0：观察到的频数与期望频数之间不存在差异，两个变量之间独立。

-Ha：观察到的频数与期望频数之间存在差异，两个变量之间存在关联。

2.构建列联表：

- 将两个或多个分类变量的观察值按照行列交叉方式记录在一个称为列联表（Contingency Table）的表格中。

3.计算期望频数：

-在H0条件下，计算每个单元格的期望频数。

-期望频数通过总频数除以总行数、总列数或总样本量再乘以各自的行或列的个数来计算。

4.计算卡方统计量：

-将观察到的频数与期望频数之间的差异进行量化，可用卡方统计量来表示。

- 卡方统计量的计算方法为：卡方统计量 = sum((观察频数-期望频数)^2 / 期望频数)。其中sum表示对所有的单元格进行累加。 5. 计算自由度（df）：

- 自由度是指用于计算卡方统计量时可以自由变动的数值个数。对于2x2的列联表，自由度为1，对于更大的列联表，自由度为(df)=(行数-1)

x (列数-1)。

6.查找临界值：

-根据所设定的显著性水平（通常为0.05），查找临界值。以自由度和显著性水平为参数，在卡方分布表中查找对应的临界值。

7.比较卡方统计量和临界值：

-如果计算得到的卡方统计量大于临界值，则拒绝原假设，即观察到的差异是显著的，变量之间存在关联。

-如果计算得到的卡方统计量小于临界值，则接受原假设，即观察到的差异不是显著的，变量之间独立。

校正卡方检验是针对样本容量较小的情况进行的一种修正卡方检验方法。当使用传统卡方检验时，如果期望频数过低或者有一些单元格的期望频数小于5，那么卡方统计量的计算结果可能不准确。此时，可以使用校正卡方检验方法，通过修正期望频数来避免这个问题。

卡方检验四格表计算举例

卡方检验是一种用于统计两个分类变量之间是否存在关联的方法。它的计算过程涉及到四格表，其中每个格子包含了两个分类变量的交叉频次。以下是一个卡方检验四格表的计算举例：

假设我们想要研究饮食习惯与健康状况之间的关联。为了进行研究，我们在一组参与者中选择了200人，并记录了他们的饮食习惯（偏好肉类或偏好蔬菜）和他们的健康状况（有健康问题或无健康问题）。根据我们的观察，四格表可以构建如下：

有健康问题，无健康问

------------------，-----------------，-----------------

偏好肉类，a，b

------------------，-----------------，-----------------

偏好蔬菜，c，d

------------------，-----------------，-----------------

在这个例子中，a表示偏好肉类和有健康问题的参与者数量，b表示偏好肉类但没有健康问题的参与者数量，c表示偏好蔬菜但有健康问题的参与者数量，d表示偏好蔬菜和没有健康问题的参与者数量。

计算卡方值的步骤如下：

1.计算每个格子的期望频次。期望频次是基于无关联假设的预期频次。在这个假设下，我们认为饮食习惯和健康状况之间没有关联。计算期望频次的公式为：E=(总行和*总列和)/总样本数。 对于我们的例子，总行和为a+b、c+d，总列和为a+c、b+d，总样本数为a+b+c+d。因此，期望频次E(a)=[(a+b)(a+c)]/(a+b+c+d)。

2.计算每个格子的卡方统计量。卡方统计量是观察频次和期望频次之间的差异的平方和除以期望频次的总和。计算卡方统计量的公式为：χ²=Σ[(O-E)²/E]。

对于我们的例子，第一个格子的卡方统计量为[(a-O(a))²/O(a)+(c-O(c))²/O(c)]，其中O(a)和O(c)是观察频次。其他格子的计算类似。

卡方检验x2计算公式

卡方检验（χ²检验）在统计学中可是个相当重要的工具呢，尤其是在处理分类数据的时候。它能帮我们判断两个或多个分类变量之间是否存在显著的关联。那咱就先来瞅瞅卡方检验的 x² 计算公式是啥。

卡方检验的 x² 计算公式是：x² = Σ [ （实际频数 - 理论频数）² / 理论频数 ] 。这里面的“Σ”表示求和，就是把所有格子的计算结果加起来。

实际频数就是咱们观察到的数据，而理论频数呢，是在假设两个变量没有关联的情况下，期望得到的频数。

比如说，咱们来假设一个小场景。学校要调查同学们对不同学科的喜爱程度，分了语文、数学、英语这三科。实际调查的结果是喜欢语文的有 30 人，喜欢数学的 25 人，喜欢英语的 45 人。那咱们先假设这三个学科被喜欢的概率是一样的，也就是理论上喜欢每科的人数应该是（30 + 25 + 45）÷ 3 = 33.33 人。

然后咱们就可以用卡方检验的公式来算算啦。对于喜欢语文的，（30 - 33.33）² / 33.33 ，对于喜欢数学的，（25 - 33.33）² / 33.33 ，喜欢英语的，（45 - 33.33）² / 33.33 ，最后把这三个结果加起来，就是卡方值啦。

通过这个卡方值，再对照相应的自由度和显著性水平，就能判断出同学们对这三个学科的喜爱是不是真的有差别。 再举个例子，比如说研究不同地区的学生近视率有没有差异。咱们选了 A 地区和 B 地区，实际调查 A 地区近视的有 80 人，不近视的

120 人；B 地区近视的 100 人，不近视的 100 人。

假设两个地区近视率相同，那理论上 A 地区近视人数应该是（80 +

100）÷ 2 = 90 人，不近视的 110 人；B 地区也是一样。

接着算卡方值，对于 A 地区近视的，（80 - 90）² / 90 ，不近视的

（120 - 110）² / 110 ；B 地区也这么算，最后加起来。