卡方检验

简要介绍${\chi }^2$检验的两种用法。

一.列联表中的相关测量

同一批测量数据，可以按照不同的分类标准进行分类，从而从这些标准下的数据分布中挖掘出标准（变量）之间可能存在的相关关系。这称为交互分类。

交互分类（Cross Classification）：抽自某一总体的样本，同时按照两个或两个以上的标准进行分类。

交互分类的资料可以排成一个行、列交织的表，称为列联表。经典列联表如下表。

经济状况	家庭	规模	合计
-	大小	-
高收入	2	44	46
中等收入	32	10	42
低收入	10	2	12
合计	44 56	100

可抽象为以下形式。

	$x_1$	$x_2$	…	$x_j$	…	$x_c$	合计
$y_1$	$f_{11}$	$f_{12}$	…	$f_{1j}$	…	$f_{1c}$	$f_{1\cdot }$
$y_2$	$f_{21}$	$f_{22}$	…	$f_{2j}$	…	$f_{2c}$	$f_{2\cdot }$
…	…	…	…	…	…	…	…
$y_i$	$f_{i1}$	$f_{i2}$	…	$f_{ij}$	…	$f_{ic}$	$f_{i\cdot }$
…	…	…	…	…	…	…	…
$y_r$	$f_{r1}$	$f_{r2}$	…	$f_{rj}$	…	$f_{rc}$	$f_{r\cdot }$
合计	$f_{\cdot 1}$	$f_{\cdot 2}$	…	$f_{\cdot j}$	…	$f_{\cdot c}$	$n$

其中标准$X$取 $x_j$ 水平，$j=1,\dots ,c$。标准$Y$取 $y_i$ 水平，$i=1,\dots ,r$。$f_{ij}$ 为频数，数据构成 $r\times c$ 列联表。

1. 对称与非对称关系

一般来说，分类的标准$X$和$Y$之间没有因果关系。或者说，①不考察$X$ 影响 $Y$, 还是$Y$ 影响 $X$；②$X、Y$之间可以相互影响 。那么我们则把这种对等的关系称为对称关系。否则，若只存在一方面对另一方面的影响，则称为非对称关系。例如家庭规模和经济状况就是一组对称关系，而孩子的成绩和父母的教育程度则为非对称关系。对这种关系的认识关系到所做的统计分析是否存在意义。

2.相关性的${\chi }^2$检验

在数据中挖掘有用而有趣的信息，一般寻找变量之间的相关关系。${\chi }^2$检验通常适用于检验两个定类变量之间是否相关，但同样也可以用于定序变量。对交互分类表格给出的定类、定序变量之间是否独立的检验，${\chi }^2$ 检验是最有效果的。
首先建立假设组：$$H_0:X与Y独立$$ $$H_1：X与Y不独立$$
当 列 $X$与行 $Y$不相关（独立）时，根据$$P(X=x,Y=y)=P(X=x)P(Y=y)$$可有$(i,j)$处的期望频率
$$e_{ij}=n\frac{f_{i\cdot }}{n}\frac{f_{\cdot j}}{n}.$$
若该处的实际频率等于独立条件下的期望频率，即$f_{ij}=e_{ij}(i=1,\dots ,r;j=1,\dots ,c)$，则$H_0$假设成立。于是如果各处的实际频率与期望频率的离差越小，则越接近于独立。为防止正负抵消，采用差值的平方和，从而有了${\chi }^2$检验中的$Q$统计量:$$Q=\sum _{i=1}^r\sum _{j=1}^c\frac{(f_{ij}-e_{ij}{)}^2}{e_{ij}}$$其近似服从自由度$df=(r-1)(c-1)$的${\chi }^2$分布。

我们可以将计算的$Q$值，和给定显著性水平下的临界值${\chi }_{\alpha }^2$比较。若$Q⩾{\chi }_{\alpha }^2$,拒绝原假设，$X$与$Y$相关；反之，接受原假设。

二.单样本非参数的拟合优度检验

类似于列联表中的相关性检验，${\chi }^2$可用于单样本非参数检验。

${\chi }^2$检验（Chi-Square Goodness-of-Fit Test）属于拟合优度检验，可用于回答以下问题：观察频数和某种原则下的期望频数是否有显著差异；观察的比例与所期望的比例是否有显著性差异；样本取自某种类型的总体的假定是否合理等。

当一个事件可能有两个以上，如$k$个结果出现时，采用${\chi }^2$判定其观察频数是否显著地背离期望是最合适的。我们设样本分为$k$类，每类实际观察频数为$f_1,f_2,\dots ,f_k$，对应期望为$e_1,e_2,\dots ,e_k$。则有$Q$统计量公式：$$Q=\sum _{i=1}^k\frac{(f_i-e_i{)}^2}{e_i}.$$若$Q=0$,则表明数据完全拟合期望。值得注意的是，当某个分类的期望频数小于5时，应该与邻近组合并。要保证每一种分类的期望频数都大于5，否则检验结果的有效性会大打折扣。