简介：解读随机性
欢迎来到卡方 (\(\chi^2\)) 检验的世界！你有没有想过，两件事情之间是真的有关联，还是纯属巧合？例如，你选择的雪糕口味是真的取决于天气，还是完全随机的？在本章中，我们将学习如何使用卡方分布来验证这类想法。这是统计学家工具箱中最实用的工具之一，因为它能帮助我们判断“预期”与“实际”结果之间的“差距”是否大到具有统计学意义。
如果起初觉得这些符号有点复杂也不用担心，读完这份笔记后，你会发现这其实是一个非常合乎逻辑的步骤化过程！
1. 核心概念：“惊喜”公式
卡方检验的本质是衡量数据让我们有多“惊讶”。我们将观测频数 (\(O\))（我们实际收集到的数据）与期望频数 (\(E\))（若零假设成立时，我们预期会看到的数据）进行比较。检验统计量使用以下公式计算：
\(\chi^2 = \sum \frac{(O - E)^2}{E}\)
公式解析：
- \((O - E)\)：差异（即“差距”）。
- \((O - E)^2\)：我们将其平方，以免正负差异互相抵消。
- \(\div E\)：我们除以期望值以进行标准化。如果你预期有 10 个，出现 5 的差距是“大事”；但如果你预期有 1,000 个，出现 5 的差距则是“微不足道”！
快速复习：卡方检验的“大原则”
为了使检验有效，每个期望频数 (\(E\)) 必须至少为 5。如果有任何数值小于 5，你需要合并列或行（在列联表中），或合并邻近的组别（在拟合优度检验中），直到数值达到 5 或以上。重点摘要： 卡方统计量是各项“贡献值”的总和。卡方值越大，代表我们的数据与预期之间的差异越显著。
2. 独立性检验（列联表）
列联表 (Contingency table) 是一个显示两个变量（如“性别”与“投票意向”）频数的表格。我们使用卡方检验来判断这两个变量是否独立。步骤流程：
- 设定假设：
\(H_0\)：两个变量是独立的（没有关系）。
\(H_1\)：两个变量不是独立的（存在关系）。 - 计算期望频数 (\(E\))：
对于表格中的每个单元格，使用这个实用公式：
\(E = \frac{\text{列合计} \times \text{行合计}}{\text{总合计}}\)
- 检查“5 之法则”： 如果有任何 \(E < 5\)，请将该行/列与邻近的行/列合并。
- 计算卡方检验统计量： 使用 \(\sum \frac{(O-E)^2}{E}\) 公式。
- 找出自由度 (\(\nu\))：
\(\nu = (\text{行数} - 1) \times (\text{列数} - 1)\)
- 与临界值比较： 在提供的表格中查阅对应的 \(\nu\) 和显著性水平（例如 5%）。如果计算出的 \(\chi^2\) 大于临界值，则拒绝 \(H_0\)。
记忆辅助：自由度
你可以将自由度想象成“数据可以变动的空间”。如果你知道一个 \(2 \times 2\) 表格的合计，并且填入其中一个单元格，其他三个单元格就会自动被固定！这就是为什么 \((2-1) \times (2-1) = 1\)。特殊情况：耶茨修正 (Yates’ Correction)
如果你处理的是 \(2 \times 2\) 表格（且 \(\nu = 1\)），你必须使用耶茨连续性修正 (Yates’ continuity correction) 以提高检验的准确性。公式会略有调整：\(\chi^2 = \sum \frac{(|O - E| - 0.5)^2}{E}\)
（基本上，在平方之前，先从绝对差值中减去 0.5。）重点摘要： 对于列联表，我们根据列和行的合计来计算期望值。别忘了 2x2 表格要使用耶茨修正！
3. 拟合优度检验 (Goodness of Fit Tests)
拟合优度检验用于检查你的数据是否“符合”某种特定的理论分布，例如均匀分布、二项分布、泊松分布或正态分布。如何计算期望频数 (\(E\))：
- 离散均匀分布： 所有类别的可能性相同。\(E = \frac{\text{总频数}}{\text{类别数量}}\)。
- 给定比例： 如果你预期比例为 1:2:1，则将总数按此比例分配计算 \(E\)。
- 二项/泊松分布： 使用该分布的概率公式，并乘以总样本数 (\(n\))。
拟合优度检验的自由度：
这是学生最常踩雷的地方！公式如下：\(\nu = n - 1 - k\)
其中：- \(n\) = 组别数量（合并后）。
- \(1\) = 因为总频数是固定的，所以必须减去 1。
- \(k\) = 你从数据中估计出的参数数量（例如，如果你必须自己计算泊松检验中的平均值 \(\lambda\)，则 \(k=1\)）。如果参数是题目直接给出的，则 \(k=0\)。
你知道吗？
卡方检验是由 Karl Pearson 于 1900 年开发的，它被视为现代统计科学的基石之一！重点摘要： 拟合优度检验告诉我们模型对数据的“贴合度”。计算自由度时要格外小心——务必检查你是否估计了任何参数！
4. 常见错误避雷区
- 忘了合并： 如果期望频数是 4.9，你必须将其与下一组合并。计算时请使用合并后组别的观测值。
- 使用百分比： 请务必使用频数（原始计数）。永远不要在卡方公式中使用百分比或平均值。
- 自由度 (\(\nu\)) 算错： 仔细确认你是进行列联表检验还是拟合优度检验，两者的自由度计算方法不同！
- 混淆 \(H_0/H_1\)： 在卡方检验中，\(H_0\) 通常是“现状”（例如：“符合程度良好”或“两者独立”）。
最终总结检查清单
1. 设定假设： \(H_0\) 通常是“独立”或“适合”。
2. 计算 \(E\)： 使用列/行合计或概率模型。
3. “5”之法则： 如果 \(E < 5\)，合并组别。
4. 计算： 对 \(\frac{(O-E)^2}{E}\) 求和（2x2 表格使用耶茨修正）。
5. 自由度： \((r-1)(c-1)\) 或 \(n-1-k\)。
6. 结论： 比较 \(\chi^2_{calc}\) 与 \(\chi^2_{crit}\)。如果计算值较大，代表差异显著！
如果刚开始觉得很难也不要灰心！ 多练习几次表格计算，你很快就能看出规律。你只是在衡量数据中相较于“正常情况”有多少“偏差”而已。加油！