卡方检验参考标准

记数数据统计法—卡方检验法

在各个研究领域中，有些研究问题只能划分为不同性质的类别，各类别没有量的联系。例如，性别分男女，职业分为公务员、教师、工人、……，教师职称又分为教授、副教授、……。有时虽有量的关系，因研究需要将其按一定的标准分为不同的类别，例如，学习成绩、能力水平、态度等都是连续数据，只是研究者依一定标准将其划分为优良中差，喜欢与不喜欢等少数几个等级。对这些非连续等距性数据，要判别这些分类间的差异或者多个变量间的相关性方法称为计数数据统计方法。

卡方检验是专用于解决计数数据统计分析的假设检验法。本章主要介绍卡方检验的两个应用：拟合性检验和独立性检验。拟合性检验是用于分析实际次数与理论次数是否相同，适用于单个因素分类的计数数据。独立性检验用于分析各有多项分类的两个或两个以上的因素之间是否有关联或是否独立的问题。

在计数数据进行统计分析时要特别注意取样的代表性。我们知道，统计分析就是依据样本所提供的信息，正确推论总体的情况。在这一过程中，最根本的一环是确保样本的代表性及对实验的良好控制。在心理与教育研究中，所搜集到的有些数据属于定性资料，它们常常是通过调查、访问或问卷获得，除了少数实验可以事先计划外，大部分收集数据的过程是难于控制的。例如，某研究者关于某项教育措施的问卷调查，由于有一部分教师和学生对该项措施存有意见，或对问卷本身有偏见，根本就不填写问卷。这样该研究所能收回的问卷只能代表一部分观点，所以它是一个有偏样本，若据此对总体进行推论，就会产生一定的偏差，势必不能真实地反映出教师与学生对这项教育措施的意见。因此应用计数资料进行统计推断时，要特别小心谨慎，防止样本的偏倚性，只有具有代表性的样本才能作出正确的推论。

第一节 卡方拟合性检验

一、卡方检验的一般问题

卡方检验应用于计数数据的分析，对于总体的分布不作任何假设，因此它又是非参数检验法中的一种。它由统计学家皮尔逊推导。理论证明，实际观察次数（fo）与理论次数（fe），又称期望次数）之差的平方再除以理论次数所得的统计量，近似服从卡方分布，可表示为：

佛山科学技术学院

实 训 报 告（七）

课程名称 《心理统计学与SPSS应用 》实训项目 卡方检验

专业班级_____12应用心理学2班____姓名_____欧展泓______学号____2012934227_________

指导老师 黄晓旭 成绩_______________日期______2013.10____________

____________________________________________________________________

实训总结的内容：一、实训目的；二、实训内容；三、实训过程；四、实训体会、收获

一、目的和要求：

1．使学生掌握分析样本分布与理想分布差异显著性水平的统计操作技能。

2．使学生掌握分析两列分类数据分布特征差异显著性水平的统计操作技能。

二、主要内容：

1．运用卡方检验分析一个定类数据样本的分布特征与理想分布之间的拟合度；

2．运用二项分布检验、K-S检验分析一个定类数据样本的分布特征；

3．运用卡方检验分析两个定类数据样本的分布特征是否存在显著性差异；

三、实训过程：

1、教师指导分析实训作业的要求；

2、教师演示定类数据拟合度检验的操作方法；

3、教师演示二项分布、K-S检验的操作方法；

4、教师演示多个样本卡方检验的操作方法

5、学生独立完成实训作业。

四、实训记录

第一部分 定类数据拟合度检验（即定类数据单变量分布特征分析）

例1：在过去5年中，州立大学有750名女生和1250名男生申请攻读心理学研究生，其中25名女生，55名男生申请成功。请问申请成功者的性别比例与理应通过申请的男女生比例之间是否存在差异。

解：研究中的变量为性别。由于采用频次计算，在SPSS中需先做个案加权才能进行卡方检验。

性别 观察数 期望数 卡方检验

女 25 30 卡方=1.333

男 55 50 df=1

卡方检验（R×C）-SPSS教程

一、问题与数据

某研究人员拟分析血型和职业之间的关系，共招募了333位研究对象，收集他们的血型（blood_type）和职业（occupation）信息。其中血型分为A、B、AB、O型共4种，职业分为律师（Lawyer）、医生（Doctor）、教师（Teacher）和工人（Worker），部分数据图1。

图1 部分数据

二、对问题分析

研究者想分析血型与职业类型的关系，建议使用卡方检验（R×C），但需要先满足3项假设：

假设1：存在两个无序多分类变量，如本研究中血型和职业类型均为无序分类变量。 假设2：具有相互独立的观测值，如本研究中各位研究对象的信息都是独立的，不会相互干扰。

假设3：样本量足够大，最小的样本量要求为分析中的任一单元格期望频数大于5。

经分析，本研究数据符合假设1和假设2，那么应该如何检验假设3，并进行卡方检验（R×C）呢？

三、SPSS操作

在主页面点击Analyze→Descriptive Statistics→Crosstabs，弹出Crosstabs对话框。将变量blood_type和occupation分别放入Row(s)栏和Column(s)栏，如图2。

图2 Crosstabs 点击Statistics后，弹出的对话框中点击Chi-square，并点击Nominal栏中的Phi and Cramer’s V。如图3。

图3 Crosstabs: Statistics

点击Continue→Cells，在弹出的对话框中，点击Counts栏Expected选项，并点击Percentages栏中的Row和Column选项，Residuals栏中的Adjusted

Standardized，点击Continue→OK。如图4。

图4 Crosstabs: Cell Display 经上述操作，SPSS输出预期频数结果如图5。

图5 Crosstabulation

阳性阴性总数发生率发生未发生

条件164611876484.55%678.78691.22

条件27245477893.06%85.2286.78

总数1370172154288.85%

卡方值=28.13P=0.000

备注1： 将数据填写到绿色的区域内，就可自动计算卡方值和P值。

备注2：四格表卡方检验的条件：

① T≥5 ， N≥4 0 ， 用普通卡方检验； ② 1 ≤ T<5 ， N≥ 4 0 ， 用校正的 检验；

③1 <1 或 N<4 0 ， 用确切概率法。

因为确切概率法计算复杂， 使用函数法无法实现自动计算，

所以只考虑普通的 检验和校正的 检验， 也就是要求同时满足 N≥4 0 ， T≥1 。

备注3：保护工作表的密码为123123,建议不要解除，避免误删公式。

彭昆靖2010-3-9理论记录卡方计算表