卡方检验的使用场景

卡方检验（Chi-square test）主要用于处理分类变量（categorical variables），适用于以下几种情况：

1. 两个分类变量的独立性检验

即检验两个分类变量是否相互独立。常用于确定不同类别之间是否存在关联。

例子

假设你想研究不同的短信内容（变量1：A/B组）是否会影响客户的回复情况（变量2：回复/未回复）。

• 变量1：短信内容（A组、B组）
• 变量2：客户回复（回复、未回复）

可以构建如下的列联表（Contingency Table）：

	回复	未回复	合计
A组	80	920	1000
B组	150	850	1000
合计	230	1770	2000

卡方检验可以用来检验短信内容与客户回复之间是否有显著关系。

2. 配适度检验

用于检验观测数据与理论分布（预期分布）之间的差异程度，判断观测频数是否符合某种分布。

例子

假设你有一个理想的客户分布（理论分布），需要检验实际客户的回复是否符合这种分布。

3. 单样本卡方检验

用于检验一个分类变量的实际分布是否与预期分布相符。

卡方检验的具体实施步骤

1. 构建列联表

根据实验数据构建列联表。

2. 计算期望频数

计算每个单元格的期望频数。期望频数的计算公式为：

[ E_{ij} = \frac{(row_i\ total \times column_j\ total)}{grand\ total} ]

3. 计算卡方统计量

卡方统计量的计算公式为：

[ \chi^2 = \sum \frac{(O_{ij} - E_{ij})^2}{E_{ij}} ]

其中，( O_{ij} )是观测频数，( E_{ij} )是期望频数。

4. 确定自由度

自由度（degrees of freedom, df）的计算公式为：

[ df = (number\ of\ rows - 1) \times (number\ of\ columns - 1) ]

5. 查找卡方分布表

根据计算得到的卡方统计量和自由度，在卡方分布表中查找对应的p值。

6. 结果解读

• 如果p值小于显著性水平（如0.05），则拒绝原假设，认为两个变量之间有显著关系。
• 如果p值大于显著性水平，则无法拒绝原假设，认为两个变量之间没有显著关系。

示例代码

假设我们有上述例子的实验数据，可以使用Python进行卡方检验：

import pandas as pd
from scipy.stats import chi2_contingency

# 构建列联表
data = [[80, 920], [150, 850]]
df = pd.DataFrame(data, columns=['回复', '未回复'], index=['A组', 'B组'])

# 进行卡方检验
chi2, p, dof, expected = chi2_contingency(df)

print(f"卡方统计量：{chi2:.2f}")
print(f"p值：{p:.4f}")
print(f"自由度：{dof}")
print("期望频数：")
print(expected)

结果解读

• 卡方统计量（chi2）：反映观测数据与期望数据的偏差程度。
• p值（p-value）：用于判断是否拒绝原假设（一般选择0.05作为显著性水平）。
• 自由度（dof）：决定卡方分布的形状。
• 期望频数（expected）：用于计算卡方统计量的中间值。

通过以上步骤和示例，可以确定在何种情况下使用卡方检验，以及如何实施和解读卡方检验的结果。