excel统计分析（1）：列联表分析与卡方检验

• 列联表：用于展示两个或多个分类变量之间频数关系的表格。——常用于描述性分析
• 卡方检验：通过实际频数和期望频数（零假设为真情况下的频数），反映了观察频数与期望频数之间的差异程度，来评估两个变量是否独立，即是否有关联。——常用于假设检验

步骤

1、建立列联表、零假设

首先建立零假设，假设两个分类变量没有关联，是独立的。
零假设（H0）：两个变量相互独立
备择假设（H1）：两个变量之间存在关联

2、计算期望频数

期望频数：在零假设（两个变量独立）为真的情况下预期频数。
计算公式=(行总数×列总数)/总样本量

3、计算卡方统计量

• 卡方概率值（P值）：在零假设为真的情况下，观察到当前统计量值或更极端情况的概率。
  • P值越小，表明观察到的数据与零假设之间的不一致性越大，因此提供了更强的证据来拒绝零假设。
  • 在卡方检验中，如果P值小于或等于事先设定的显著性水平（例如0.05），则通常拒绝零假设，认为两个变量之间存在关联。
  • 公式：CHISQ.TEST(实际频数范围,期望频数范围)
• 卡方统计量：量化了观察频数与期望频数间的差异。
  • 卡方统计量的值越大，表明观察频数与期望频数之间的差异越大，从而提供了更多的证据来拒绝零假设。
  • 公式：SUM((实际频数范围-期望频数范围)^2/期望频数范围)，按ctrl+shift+enter组合键完成
    

4、确认显著性水平、自由度，计算临界值

• 显著性水平：（通常用α表示）是你愿意犯第一类错误（错误地拒绝零假设）的概率。常见的显著性水平有0.05、0.01等。
• 自由度=(行分类数−1)×(列分类数−1)
• 临界值：excel中可以用CHISQ.INV 函数(返回具有给定概率的左尾x2 分布的区间点)查找。
  - 计算临界值：CHISQ.INV(显著性水平,自由度)

5、比较卡方统计量跟临界值，确认检验结果

当卡方统计量>临界值时，拒绝两种属性不相关的假设。
当卡方统计量<=临界值时，接受两种属性不相关的假设。
公式：IF(B15>B19, “拒绝两种属性不相关的假设”, “接受两种属性不相关的假设”)

案例1：顾客地区和所选房子地板类型之间的相关性分析

案例2：学生专业选择与其性别是否存在关联