卡方检验
什么是卡方检验
卡方检验用来分析两个分类变量之间是否显著相关,卡方检验属于非参数检验,由于非参检验不存在具体参数和总体正态分布的假设,所以有时被称为自由分布检验。
而区别参数检验和非参数检验的,就是看数据类型,分类变量无法计算平均值和方差,所以为非参数检验。
卡方检验的目的
确定样本对象落入各类别的比例是否与随机期望比例相等。
卡方检验分类
卡方检验分为两类:
- 拟合卡方检验:用于检验一个变量的观察频率(每个类别中的观察数)是否与预期的不同。换句话说,该检验决定了样本分布是否与群体分布相匹配。
- 独立卡方检验:也被称为关联卡方检验,它对两个变量进行比较,看它们是否彼此不同。
一般我们使用独立卡方检验比较多。
卡方检验案例
背景
我们随机选取100名男生和100名女生并询问专业,数据如下图所示:
心理学 | 英语 | 生物学 | |
---|---|---|---|
男生 | 35 | 50 | 15 |
女生 | 30 | 25 | 45 |
我们想要根据以上数据知道专业的选择是否跟性别有显著性。
原假设
H 0 H_0 H0:性别与专业选择是相互独立的,不存在相关性
H 1 H_1 H1:专业选择跟性别是有关的
确定和计算统计值——卡方值
我们计算表中所有行列的和
心理学 | 英语 | 生物学 | 行合计 | |
---|---|---|---|---|
男生 | 35 | 50 | 15 | 100 |
女生 | 30 | 25 | 45 | 100 |
列合计 | 65 | 75 | 60 | 200 |
计算预期频数
心理学 | 英语 | 生物学 | |
---|---|---|---|
男生 | 100×65/200=32.5 | 100×75/200=37.5 | 100×60/200=30 |
女生 | 100×60/200=32.5 | 100×75/200=37.5 | 100×60/200=30 |
由上可知:
观测频数O:调查得到的实际数据
预期频数E:列合计×行合计÷总计后得到的值
卡方值的计算公式如下:
我们可以计算每一个格子的值,如下:
心理学 | 英语 | 生物学 | |
---|---|---|---|
男生 | ( 35 − 32.5 ) 2 32.5 = 0.19 \frac{(35-32.5)^2}{32.5}=0.19 32.5(35−32.5)2=0.19 |