应用统计—第十章 卡方检验

卡方检验

我会用目录哩

应用情况

处理 一个因素的多项分类 / 多个因素 的实际观察频数和理论频数是否 相一致/有显著差异

应用条件

• 计数数据&非参检验
• 分类相互排斥，互不包容
• 观测值相互独立
• 每一格的理论次数<5时需矫正项

分类

• 拟合优度检验（又称配合度检验、正态吻合性检验）
• 独立性检验（用于判断多个因素(一般两个因素)的多项分类是否相互独立）
• 同质性检验（用于判断样本是否来自同一总体）

名词解释

• f0 : 实际频数分布
• fe : 理论频数分布
• X^2 : 卡方值
• k : 分类数
• n : 样本数
• i : 变量
• j : 变量的分类
• fij : 第i行第j列（变量i的j类）的单元格数值
• fxi : x变量的分类
• fyi : y变量的分类

计算步骤

先提出假设（H1:fo =/ fe），计算卡方值（需计算fe），根据df查表，进行决策。

1. 提出假设

   H0 : fo = fe,H1 : fo =/ fe

2. 计算fe（根据不同类别的检验而不同）
3. 计算卡方值

   X^2 = f0与fe之差的平方比上fe再求和

4. 计算df（根据不同类别的检验而不同）
5. 查表，决策

拟合优度检验中的fe与df

df

1.一般理论次数：df = k - 1 （分类项-1）
2.正态拟合理论次数：df = k - 3（分类项-3）

fe

1.无差假说：fe = n * 1/k（平分）
2.假设分布：fe = n * p（乘以对应概率）

独立性检验中的fe、df与卡方值

独立性检验顾名思义是研究独立性/关联性问题，即两因素y,x是否有关系
独立性检验一般可以表示为r*c列联表形式
（有时间补一个图示）
df(c:c因素分类数)

df = (c - 1) * (r - 1)

fe(fxi, fyi见名词解释)

fe = (fxi * fyi) / n

当两因素(独立)都只有两个分类，即构成2*2列联表时，卡方值有更简便的算法

x^2 = [n * (ad - bc)^2] / [ fx1 * fx2 * fy1 * fy2]
n乘以对角线乘积差的平方比边缘值之积

当两因素(相关)都只有两个分类，构成2*2列联表时，卡方值算法如下

x^2 = (a - d)^2 / (a + d) ：差的平方比和

期望次数计算总结

期望次数共有三类情况：
拟合优度中无差检验：fe = k * 1/n
拟合优度中假设检验：fe = k * p
独立性检验：fe = (fxi * fyi) / n

校正方法

当期望次数/理论次数有某项<5时：
需要用校正公式计算卡方值

x^2 = （实际次数与理论次数差的绝对值-0.5）^2求和 / fe