檢視卡方检验的原始碼

{| class="wikitable" align="right"
|-
| style="background: #FF2400" align= center|  '''<big>卡方检验</big>'''
|-
|<center><img src=https://p1.ssl.qhimg.com/t019c3369cf06bc971a.jpg width="300"></center>
<small>[https://baike.so.com/gallery/list?ghid=first&pic_idx=1&eid=5383277&sid=5619669 来自 网络 的图片]</small>
|-

|-

| align= light|
|}
卡方检验是用途很广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
=='''简介'''==
卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际[[观测]]值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
注意：卡方检验针对分类变量。
=='''评价'''==
2*2四格表，因为其特殊的结构和卡方分布的性质，所以SPSS的检验结果中会增加连续性修正和Fisher精确检验这两个校正项，大家需要根据实际数据的频数分布情况对它们进行选择。如果皮尔逊卡方、连续性修正和Fisher精确检验的结果一致，那么选择哪个结果都可以。但是，如果三种检验结果不同，那么需要按照前面介绍的条件进行选择，否则会得到错误的分析结论。对于四格表数据，如果分析因子（例如不同疗法）对事件（例如不同效果）的相关性，可以使用优势比OR值表示因子对事件的影响程度。

行列表卡方检验；剥丝抽茧复杂局面是数据分析师的重要技能
卡方检验适用于分类变量的频数分析。对于包含两个水平的两分类变量（例如男女），因为不涉及类别递增或递减信息，所以定类型和定序型的变量的卡方检验过程基本类似，这也是草堂君将2*2四格表的内容单独拿出来讲的原因。

对于多分类变量的卡方检验，区分到底是定类型分类变量还是定序型分类变量是非常必要的，因为定序型分类变量（例如：大一、大二、大三和大四）包含了水平间的递增或递减信息，如果依旧按照传统的卡方检验进行，这部分递进信息就会丧失，对于分析者来说是非常可惜的。因此，多分类变量的卡方检验，需要区分的情况是更多更复杂的。

卡方检验根据涉及变量的不同，可以分为单个分类变量的拟合优度检验和两个分类变量的卡方检验。拟合优度检验主要用于分析某个分类变量的频数分布是否服从某种概率分布形态；两个分类变量的卡方检验，根据分析目的的不同可以分为比率差异检验和构成比差异检验等等。下面介绍的就是两个多分类变量的卡方检验，称为行列表卡方检验，注意与2*2四格表卡方检验区分开来。<ref>[https://www.163.com/dy/article/HGFGF0KC0538057A.html 卡方检验]搜狗</ref>

=='''参考文献'''==

[[Category:318 數值分析]]