卡方檢驗原理：卡方檢驗就是統計樣本的實際觀測值與理論推斷值之間的偏離程度，實際觀測值與理論推斷值之間的偏離程度就決定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越??；若兩個值完全相等時，卡方值就為0，表明理論值完全符合。
注意：卡方檢驗針對分類變量。
一言概之，考察樣本值與理論值的偏離程度。
同一組對象，觀察每一個個體對兩種分類方法的表現，結果構成雙向交叉排列的統計表就是列聯表。
R x C行列卡方
2*2列聯表的卡方檢驗
零假設：兩個組別的構成比不存在顯著差異。
P>0.05，則接受零假設；
P<0.05，則拒絕零假設。
2x2卡方檢驗的前提條件：
整體的樣本量>40，且四個格子中每個格子的理論頻數要≥5；
如果樣本量>40，但是理論頻數≤5，需要進行連續校正的卡方檢驗；
如果樣本量<40，但是理論頻數出現0的時候，需要進行確切概率法；
1. SPSS進行卡方檢驗[1]：
按照SPSS數據架構錄入數據，如下：
選擇 "數據" > "個案加權"
“加權個案表格”按照如下操作：
"分析" > "描述統計" > "交叉表"
在“交叉表”中按照如下操作：
輸出結果：
Pearson卡方值為4.620， P=0.032，小于0.05，則認為，實驗組和對照組之間存在顯著差異。
2. Graphpad進行卡方檢驗[2]：
3. 數據繪圖：
我們預期繪制下面圖片的效果，繪制思路是，先將數值換算成百分比（analysis data），然后以分組的匯總形式展示結果（Grouped/Summary data）。
-
將數值轉換為百分比。（也可以Excel中操作）
圖片.png
以行為百分比計算（Row total），展示百分數(Percentages)，如下圖：
-
單擊分析結果欄Results對應的分析結果，選擇Creat a new graph of existing data，最后結果如下：
選擇Grouped中的Summary data展示：
圖片.png
如果覺得對您有所幫助，歡迎點贊/關注/轉發！
