史上最全卡方检验(原理+案例介绍) | 您所在的位置:网站首页 › 单侧检验z01 › 史上最全卡方检验(原理+案例介绍) |
史上最全卡方检验(原理+案例介绍)
案例库
https://www.spsspro.com/ · 7310浏览 · 2022-08-11 11:52
举报
![]() ![]() 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 卡方拟合优度检验 Yates校正卡方检验 Fisher精确检验 分层卡方分析 配对卡方检验 1、Pearson卡方检验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。 独立性检验:验证从两个变量抽出的配对观察值组是否互相独立。 适配度检验:验证一组观察值的次数分配是否异于理论上的分配。详见SPSSPRO【卡方拟合优度检验】。 独立性检验步骤:(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。 注意: 如果个别字段的期望次数太低,会使机率分配无法近似于卡方分配。一般要求:自由度 df>1 时,期望次数小于 5 的字段不多于总字段的 20%; 若自由度 df=1,且若期望次数 |
CopyRight 2018-2019 实验室设备网 版权所有 |