统计学——简单理解卡方检验

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：

1. 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。
2. 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

$H_0$：性别与专业选择是相互独立的，不存在相关性
$H_1$：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	$\frac{(35-32.5{)}^2}{32.5}=0.19$