卡方檢驗檢視原始碼討論檢視歷史
| 卡方檢驗 |
 |
卡方檢驗是用途很廣的一種假設檢驗方法，它在分類資料統計推斷中的應用，包括：兩個率或兩個構成比比較的卡方檢驗；多個率或多個構成比比較的卡方檢驗以及分類資料的相關分析等。
簡介
卡方檢驗就是統計樣本的實際觀測值與理論推斷值之間的偏離程度，實際觀測值與理論推斷值之間的偏離程度就決定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若兩個值完全相等時，卡方值就為0，表明理論值完全符合。 注意：卡方檢驗針對分類變量。
評價
2*2四格表，因為其特殊的結構和卡方分布的性質，所以SPSS的檢驗結果中會增加連續性修正和Fisher精確檢驗這兩個校正項，大家需要根據實際數據的頻數分布情況對它們進行選擇。如果皮爾遜卡方、連續性修正和Fisher精確檢驗的結果一致，那麼選擇哪個結果都可以。但是，如果三種檢驗結果不同，那麼需要按照前面介紹的條件進行選擇，否則會得到錯誤的分析結論。對於四格表數據，如果分析因子（例如不同療法）對事件（例如不同效果）的相關性，可以使用優勢比OR值表示因子對事件的影響程度。
行列表卡方檢驗；剝絲抽繭複雜局面是數據分析師的重要技能 卡方檢驗適用於分類變量的頻數分析。對於包含兩個水平的兩分類變量（例如男女），因為不涉及類別遞增或遞減信息，所以定類型和定序型的變量的卡方檢驗過程基本類似，這也是草堂君將2*2四格表的內容單獨拿出來講的原因。
對於多分類變量的卡方檢驗，區分到底是定類型分類變量還是定序型分類變量是非常必要的，因為定序型分類變量（例如：大一、大二、大三和大四）包含了水平間的遞增或遞減信息，如果依舊按照傳統的卡方檢驗進行，這部分遞進信息就會喪失，對於分析者來說是非常可惜的。因此，多分類變量的卡方檢驗，需要區分的情況是更多更複雜的。
卡方檢驗根據涉及變量的不同，可以分為單個分類變量的擬合優度檢驗和兩個分類變量的卡方檢驗。擬合優度檢驗主要用於分析某個分類變量的頻數分布是否服從某種概率分布形態；兩個分類變量的卡方檢驗，根據分析目的的不同可以分為比率差異檢驗和構成比差異檢驗等等。下面介紹的就是兩個多分類變量的卡方檢驗，稱為行列表卡方檢驗，注意與2*2四格表卡方檢驗區分開來。[1]