以两种方式检验分类数据:表格中的独立性(观测计数的行 × 列)或拟合优度(观测计数与期望计数对比)。可获得卡方统计量、自由度、期望表和 p 值。
对于独立性:(行 − 1) × (列 − 1)。对于拟合优度:类别 − 1(减去从数据估计的任何参数,本计算器不做此操作)。
标准经验法则要求大多数期望计数至少为 5。期望计数非常小时,卡方近似会减弱——Fisher 精确检验是小型 2×2 表格的经典替代方法。
对于独立性:两个变量是相关的——而不是一个导致另一个。对于拟合优度:观测模式偏离期望模型的程度超过偶然性通常会产生的程度。
因为检查期望计数是诚实地进行检验的一部分——你可以确切地看到哪些单元格驱动了统计量。
χ² = Σ (O − E)² ÷ E 遍及所有单元格。对于独立性,某单元格的E =(行总计 × 列总计)÷ 总计,df = (r − 1)(c − 1)。对于拟合优度,E值由模型提供,df = 类别数 − 1。p值是卡方分布的右尾,通过不完全伽马函数计算。
输入项: table [[10, 20], [20, 10]].
步骤: 行总计 30 和 30;列总计 30 和 30;总计 60。每个 E = 30 × 30 ÷ 60 = 15。每个单元格贡献 (5² ÷ 15) = 1.667;四个单元格得出 χ² = 6.667。df = (2−1)(2−1) = 1。p = P(χ²₁ ≥ 6.667) ≈ 0.0098。
结果: χ² = 6.667,自由度 1,p ≈ 0.0098。拟合优度检验:观测值 [10, 20, 30] 与期望值 [20, 20, 20] 比较得到 χ² = 5 + 0 + 5 = 10,自由度为 2,p ≈ 0.0067。
将本计算器添加到您自己的网站或博客——完全免费,无需注册,并且始终显示最新版本。复制下面的代码,粘贴到您希望计算器出现的页面位置。在嵌入下方保留小小的 “Powered by Loona Automation” 署名行有助于保持本工具免费——但您可以自由设置样式或将其移除;无论哪种方式工具都能工作。