卡方相关性检验简介
你好！欢迎来到统计学课程中最实用的一章。你有没有好奇过，两者之间是否存在真正的联系？例如：你最喜欢的音乐类型是否与你的年龄层有关？或者人们对早餐的选择是否取决于他们的工作？
在本章中，我们将学习卡方 (\(\chi^2\)) 相关性检验。这是一个非常出色的工具，能帮助我们判断两个类别变量是独立的（没有关联），还是存在相关性（彼此有联系）。如果一开始觉得有点复杂，别担心；我们会把它拆解成简单易懂的步骤！
你知道吗？ 「卡方」（Chi-Squared）中的「Chi」是一个希腊字母，发音为 "Kai"（与 "sky" 押韵），而不是 "Chee"！
1. 场景设定：列联表 (Contingency Tables)
在进行任何计算之前，我们需要先整理数据。我们使用一种称为 \(n \times m\) 列联表的工具。
想象我们询问了 100 名学生关于他们最喜欢的运动和所属年级。表格看起来可能像这样：
示例表格：
12年级： 足球 (20), 网球 (10), 游泳 (5)
13年级： 足球 (15), 网球 (30), 游泳 (20)
在这种情况下，我们有 2 个行（12年级和13年级）和 3 个列（足球、网球、游泳）。我们称之为 \(2 \times 3\) 表格。
关键术语：
- 观测频数 (\(O_i\))： 这是我们从调查或实验中收集到的实际数据。
- 期望频数 (\(E_i\))： 这些是如果变量之间完全没有关联时，我们预期会看到的数据。
快速复习： \(n \times m\) 表格仅表示一个有 \(n\) 个行和 \(m\) 个列的表格。记得先点算你的行数和列数！
2. 「如果……会怎样」阶段：计算期望频数
为了看出是否存在相关性，我们首先要计算如果变量是独立的，表格会是什么样子。对于表格中的每一个格子，你需要使用以下简单的公式计算期望频数 (\(E_i\))：
\(E_i = \frac{\text{行总计} \times \text{列总计}}{\text{总计}}\)
必须记住的一条黄金法则！
为了使卡方检验有效，所有期望频数 (\(E_i\)) 必须大于 5。
如果你计算出的 \(E_i\) 小于或等于 5，你通常需要合并行或列，直到所有期望值都安全地大于 5 为止。
类比： 把这想象成一场派对。如果一个房间里的人少于 5 个，就太小了无法跳舞（检验将无法运作），所以你要把它与隔壁房间合并！
3. 卡方统计量 (\(\chi^2\))
现在我们要比较「现实」（观测值）与「理论」（期望值）。我们使用以下公式来找出检验统计量：
\(\chi^2_{calc} = \sum \frac{(O_i - E_i)^2}{E_i}\)
逐步操作流程：
- 对于每个格子，用观测值减去期望值 (\(O - E\))。
- 将该数字平方（这样可以消除恼人的负号！）。
- 将平方结果除以该格子的期望值。
- 将表格中所有格子的结果相加。
关键要点： 一个较大的 \(\chi^2\) 值表示现实与理论大相径庭，这意味着它们之间很可能存在相关性！
4. 自由度 (\(df\))
为了在统计表中查找「临界值」，我们需要知道自由度。这告诉我们数据有多少「调整空间」。对于一个 \(r \times c\) 表格（行 \(\times\) 列）：
\(df = (r - 1) \times (c - 1)\)
例子： 在我们的 \(2 \times 3\) 运动表格中，\(df = (2 - 1) \times (3 - 1) = 1 \times 2 = 2\)。
5. 叶氏修正 (Yates’ Correction)（仅适用于 \(2 \times 2\) 表格）
有时，当我们处理较小的表格（特别是 \(2 \times 2\) 表格）时，标准公式可能会显得过于「宽松」。为了更准确，我们使用叶氏连续性修正 (Yates’ Continuity Correction)。
你仅在拥有 \(2 \times 2\) 列联表时才使用此方法。公式会略有改变：
\(\chi^2_{Yates} = \sum \frac{(|O_i - E_i| - 0.5)^2}{E_i}\)
\(|O_i - E_i|\) 的部分仅表示「取正差值」。然后在平方前减去 0.5。这会稍微「缩小」差异，使检验更趋于保守。
常见错误： 学生经常试图在 \(2 \times 3\) 或 \(3 \times 3\) 的表格上使用叶氏修正。千万别这样做！ 它严格适用于 \(2 \times 2\) 表格。
6. 识别相关性的来源
如果你的检验得出结论认为确实存在相关性，考官可能会问：「这种相关性从何而来？」
要回答这个问题，请回过头查看你计算 \(\frac{(O_i - E_i)^2}{E_i}\) 的过程。贡献最大（数值最大）的那个格子，就是现实与理论之间差异最大的地方。
例子： 如果「13年级学生」和「网球」这组数据对 \(\chi^2\) 总和有巨大的贡献，你应该说：「相关性的主要来源是 13 年级学生打网球的次数远多于（或远少于）预期。」
考试成功检查清单
- 假设： 务必列出 \(H_0\)（变量独立）和 \(H_1\)（变量相关）。
- 检查 \(E_i\)： 所有期望值是否都 \( > 5\)？如果没有，请合并行/列。
- 叶氏修正？： 如果是 \(2 \times 2\) 表格，请使用修正公式。
- 自由度： 使用 \((r-1)(c-1)\)。
- 比较： 如果你的 \(\chi^2_{calc} > \text{临界值}\)，则拒绝 \(H_0\)。
- 语境： 务必将最终结论写在原始问题的语境中（例如：「有证据显示年龄与运动选择之间存在相关性」）。
记忆小撇步： 如果 \(\chi^2\) 值高 (High)，虚无假设就要走 (Go)！（即拒绝 \(H_0\)）。