以兩種方式檢驗分類資料:表格中的獨立性(觀測計數的行 × 列)或擬合優度(觀測計數與期望計數對比)。可獲得卡方統計量、自由度、期望表和 p 值。
對於獨立性:(行 − 1) × (列 − 1)。對於擬合優度:類別 − 1(減去從資料估計的任何引數,本計算器不做此操作)。
標準經驗法則要求大多數期望計數至少為 5。期望計數非常小時,卡方近似會減弱——Fisher 精確檢驗是小型 2×2 表格的經典替代方法。
對於獨立性:兩個變數是相關的——而不是一個導致另一個。對於擬合優度:觀測模式偏離期望模型的程度超過偶然性通常會產生的程度。
因為檢查期望計數是誠實地進行檢驗的一部分——你可以確切地看到哪些單元格驅動了統計量。
χ² = Σ (O − E)² ÷ E 遍及所有單元格。對於獨立性,某單元格的E =(行總計 × 列總計)÷ 總計,df = (r − 1)(c − 1)。對於擬合優度,E值由模型提供,df = 類別數 − 1。p值是卡方分佈的右尾,透過不完全伽馬函式計算。
輸入項: table [[10, 20], [20, 10]].
步驟: 行總計 30 和 30;列總計 30 和 30;總計 60。每個 E = 30 × 30 ÷ 60 = 15。每個單元格貢獻 (5² ÷ 15) = 1.667;四個單元格得出 χ² = 6.667。df = (2−1)(2−1) = 1。p = P(χ²₁ ≥ 6.667) ≈ 0.0098。
結果: χ² = 6.667,自由度 1,p ≈ 0.0098。擬合優度檢驗:觀測值 [10, 20, 30] 與期望值 [20, 20, 20] 比較得到 χ² = 5 + 0 + 5 = 10,自由度為 2,p ≈ 0.0067。
將本計算器新增到你自己的網站或部落格——完全免費,無需註冊,並且始終顯示最新版本。複製下面的程式碼,貼上到你希望計算器出現的頁面位置。在嵌入下方保留小小的 “Powered by Loona Automation” 署名行有助於保持本工具免費——但你可以自由設定樣式或將其移除;無論哪種方式工具都能工作。