史上最全卡方检验（原理+案例介绍）

当我们要比较两组或者多组之间的分类型变量是否有显著性差异，需要使用专门用于分类变量比较的卡方检验。接下来我们从以下几点谈一谈卡方检验的用途。

Pearson卡方检验是最有名的卡方检验之一，主要是比较定类变量与定类变量之间的差异性。可用于两种情境的变项比较：适配度检验和独立性检验。当提及卡方检验而没有特别指明类型时，通常即指皮尔森卡方检验。

（1）计算卡方检验的统计值：把每一个观察值和理论值(期望值)的差做平方后、除以理论值、再加总：

（2）计算统计值的自由度。

（3）依据研究者设定的置信水准，查出自由度为 df 的卡方分配临界值，比较它与第 1 步骤得出的统计值，推论能否拒绝虚无假设。

案例：分析班级（定类变量）与分科意向（定类变量）是否有显著性差异。

Pearson 卡方检验分析的结果显示，显著性 P 值为 0.080*，水平上不呈现显著性，不能拒绝原假设，因此班级和分科意向数据不存在显著性差异。