卡方检验（Chi-Square Test）

卡方检验是一种用于检验分类变量之间关联关系的统计方法，常用于检验实际观测频数与理论频数之间的差异。该方法在社会科学、医学、遗传学等领域应用广泛。

一、起源

卡方检验由英国统计学家卡尔·皮尔逊（Karl Pearson）于1900年提出。皮尔逊在研究生物统计学时，发现传统的统计方法难以处理分类数据，因此提出了卡方检验，以评估观测数据与预期数据之间的差异。

二、原理

卡方检验基于样本频数与期望频数之间的差异，通过计算卡方统计量来判断两个变量是否独立。卡方统计量的计算公式如下：

${\chi }^2=\sum \frac{(O_i-E_i{)}^2}{E_i}$

其中：

• $O_i$ 为观测频数。
• $E_i$ 为期望频数。

卡方统计量服从卡方分布，其自由度为$(r-1)(c-1)$，其中 $r$ 为行数，$c$ 为列数。

三、步骤

1. 数据准备：收集分类变量的数据，构建列联表。
2. 计算期望频数：根据行和列的边际总和计算期望频数。
3. 计算卡方统计量：根据公式计算卡方统计量。
4. 确定显著性水平：根据卡方分布表确定显著性水平，比较卡方统计量与临界值。

四、应用场景

卡方检验广泛应用于各个领域，特别是在以下情况下：

• 评估两个分类变量之间的独立性。
• 检验样本分布与理论分布的适配度。
• 分析不同组间的差异，如药物实验中的治疗效果比较。

五、案例分析

假设我们有一组数据，包含不同性别和是否喜欢某种饮料的人数。我们希望通过卡方检验来评估性别与饮料偏好之间是否有显著关系。数据如下：

性别  喜欢  不喜欢
男    30   20
女    25   25

1. 数据准备：

   性别  喜欢  不喜欢
   男    30   20
   女    25   25
   

2. 计算期望频数：

   期望频数计算公式为：

   $E_{ij}=\frac{(row\_tota{l}_i\times col\_tota{l}_j)}{grand\_total}$

   喜欢：((55 * 50) / 100) = 27.5
   不喜欢：((55 * 50) / 100) = 22.5
   

3. 计算卡方统计量：

   ${\chi }^2=\sum \frac{(O_i-E_i{)}^2}{E_i}$

   ${\chi }^2=\frac{(30-27.5{)}^2}{27.5}+\frac{(20-22.5{)}^2}{22.5}+\frac{(25-27.5{)}^2}{27.5}+\frac{(25-22.5{)}^2}{22.5}=0.91$

4. 确定显著性水平：

   自由度为1，查表得知在0.05显著性水平下的临界值为3.841，由于0.91 < 3.841，因此我们不能拒绝原假设，即性别与饮料偏好之间无显著关系。

六、Python代码示例

使用Python进行卡方检验，可以使用scipy库中的chi2_contingency函数：

import numpy as np
from scipy.stats import chi2_contingency

# 数据准备
data = np.array([[30, 20], [25, 25]])

# 计算卡方检验
chi2, p, dof, expected = chi2_contingency(data)

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

七、R代码示例

使用R进行卡方检验，可以使用chisq.test函数：

# 数据准备
data <- matrix(c(30, 20, 25, 25), nrow = 2, byrow = TRUE)

# 计算卡方检验
result <- chisq.test(data)

print(paste("卡方统计量:", result$statistic))
print(paste("p值:", result$p.value))
print(paste("自由度:", result$parameter))
print("期望频数:")
print(result$expected)

八、注意事项

• 卡方检验适用于频数数据，样本量较小时可能不适用。
• 每个单元格的期望频数应大于5，若小于5，建议合并分类或使用费舍尔精确检验。
• 卡方检验只适用于独立样本，不适用于配对样本或重复测量数据。

九、总结

卡方检验是一种灵活且有效的统计方法，特别适用于分析分类变量之间的关系。通过卡方检验，研究者可以评估分类变量之间的独立性和差异性，为社会科学、医学和其他领域的研究提供重要支持。