總結：
使用條件：定類變量，大于等于兩組
數據集存放：原始數據直接用；統計過的數據需要加權個案
卡方值的選擇：需要根據樣本量n和格子中的理論數E來定。通常2*2數據量少的話用費舍卡方。
一 簡介
- 卡方檢驗主要應用于定類變量和定類變量之間的關系，比如驗證不同性別下使用電腦品牌是否存在差異。
- 也稱獨立性檢驗，是一種非參數假設檢驗。即利用卡方分布去做的假設檢驗。
- 關鍵詞：
- 卡方分布
統計學中三大分布，卡方分布，t分布，F分布，都是由正態分布推導而來。 - 假設檢驗
- 類別變量
- 自由度 Df=（r-1）（c-1）
- 卡方值與P值
P值：小拒大接 - 非參數檢驗
- 顯著性水平：在原假設成立下，拒絕原假設的概率，即犯第一錯誤的概率。
二 原理
（一）卡方檢驗統計量
image.png
- 小結
- 分子代表實際值與期望值的偏差（平方是為了消除負值影響），分母代表標準化。因此卡方統計量的值越小，代表觀測頻數與理論頻數越接近；
- 因為我們的原假設是：兩個變量是獨立的。（通常原假設是我們想要推翻的，我們想證明的結論一般放在備擇假設中）因此如果卡方統計量的值越大，對應的P值越小，小拒大接，則拒絕原假設，說明兩個變量相關；反之，卡方值越小，接受原假設，說明兩變量是獨立的
（為什么？我的理解：卡方值越小，偏差小，說明這兩個變量越符合卡方分布，而卡方分布的前提就是變量間的獨立性，因此證明這兩個變量是獨立的）
（二）基本流程
image.png
三 使用工具
SPSS卡方檢驗
- 如何存放數據集？
在使用SPSS卡方檢驗時，有兩種存放數據集方式。
第一種使用的是已經加工好的數據，需要創建三個變量值（類別1，類別2，數量）。此時一定要先對頻數加權個案，就是要告訴spss實際樣本很多，有相應的頻數之“和”那么多；如果不選擇，spss就會默認一行一個樣本數據；
第二種是直接使用原始樣本（即有多少樣本量就有多少行）
image.png
- 使用卡方檢驗有哪些前提條件？
R×C表卡方檢驗應用條件：
(1)R×C表中理論數小于5的格子不能超過1／5；
(2)不能有小于1的理論數。如果實驗中有不符合R×C表的卡方檢驗，可以通過增加樣本數、列合并來實現。
- 使用哪個卡方值更準確？
需要結合X和Y的類別個數，樣本量，以及期望頻數格子分布情況等，選擇最終應該使用的卡方值。
n代表總樣本量；E代表期望頻數；R代表X的類別個數；C代表Y的類別個數。
通常情況下，共有三種卡方值，分別是Pearson卡方，yates校正卡方，Fisher卡方；優先使用Pearson卡方，其次為yates校正卡方，最后為Fisher卡方。
- 針對2*2（R=2，C=2）
- 所有的理論數T≥5并且總樣本量n≥40，用Pearson卡方進行檢驗。
- 如果理論數T＜5但T≥1，并且n≥40，用連續性校正的卡方進行檢驗。
- 如果有理論數T＜1或n＜40，則用Fisher’s檢驗。
- 針對R*C(R，C中任意一個大于2；且R>=2,且C>=2)
E全部>1 且 1 <=E<5格子的比例小于20% 則使用Pearson卡方，否則使用yates校正卡方。(?)
- 文字分析描述怎么寫？
從上表可知，類別1與類別2在統計學意義上存在顯著性差異（χ2=7.054,p =0.029 < 0.05）。具體描述再通過對比百分比尋找差異。
如果想了解兩個類別的相關強度，在SPSS交叉表-統計量-勾選相關性，查看相關系數。（弱相關、中度相關和強相關的分解線系數分別為0.1，0.3，0.5） - 卡方檢驗的缺陷
卡方檢驗只能判斷各組間是否存在差異，如果想要進一步確認具體是哪些組之間存在了差異，需要對結果更深入分析，即使用兩兩比較，見SPSS：多個樣本率的卡方檢驗及兩兩比較 - SPSS非參數檢驗中的卡方檢驗有什么區別？
簡單來說，交叉表是多變量的交叉，非參數中的卡方檢驗是單個變量的差異分析。比如檢驗商場一周從周一到周日每天人流量是否有差異。
知乎-踩坑總結
筆記18：SPSS交叉表卡方與非參數卡方檢驗有何區別？附案例
