简介：欢迎来到卡方检验！
你好！准备好深入了解统计学中最有用的工具之一了吗？卡方 (\(\chi^2\)) 检验本质上是一个“差异探测器”。它能帮助我们判断在数据中观察到的规律，究竟是有实质意义的，还是仅仅由随机误差造成的。
无论你是要测试一颗骰子是否公平（拟合优度检验，Goodness of Fit），还是要分析你的零食选择是否与年龄有关（关联性检验，Test for Association），这些检验都能提供你一套数学方法来证实。刚开始看到这么多步骤别担心；只要掌握了计算的节奏，其实非常简单！
1. 基本概念：我们在测试什么？
在每一次的 \(\chi^2\) 检验中，我们都会比较观察频数 (\(O\))（实际发生的情况）与期望频数 (\(E\))（如果我们的理论正确，预期会发生的情况）。
关键术语
- 观察频数 (\(O\))：从实验或调查中收集到的实际数据。
- 期望频数 (\(E\))：假设原假设 (Null Hypothesis) 为真时，我们所计算出的预期数值。
- \(\chi^2\) 统计量：一个用来衡量观察数据与期望数据之间差距的数值。
类比：想象一下，你预期派对会有 50 人参加，但实际来了 80 人。“差异”是 30。\(\chi^2\) 检验就是将所有这些差异取平方（为了转为正数），并进行缩放，以便我们能将其与标准统计表进行比较。
黄金公式
要找出每个类别对 \(\chi^2\) 统计量的贡献，我们使用：
\(\text{贡献} = \frac{(O - E)^2}{E}\)
总检验统计量为所有这些贡献的总和：
\(\chi^2_{test} = \sum \frac{(O - E)^2}{E}\)
快速回顾：如果观察值与期望值非常接近，\(\chi^2\) 值会很小（代表模型拟合度良好）。如果两者差异巨大，\(\chi^2\) 值就会很大（代表模型可能不适用）。
2. 卡方关联性检验 (Chi-Squared Test for Association)
此检验适用于双变量分类数据。简单来说，就是我们有两个“类别”（例如“性别”和“最喜欢的运动”），我们想知道它们是独立的（无关联）还是相关的（有关联）。
步骤 1：设立假设
\(H_0\)：两因子之间没有关联（它们是独立的）。
\(H_1\)：两因子之间有关联（它们是相关的）。
步骤 2：列联表 (Contingency Table)
我们将数据整理成表格。计算任何单元格的期望值 (\(E\))，请使用这个简单的公式：
\(E = \frac{\text{列总和} \times \text{行总和}}{\text{总计}}\)
步骤 3：自由度 (\(df\))
对于一个有 \(r\) 列和 \(c\) 行的表格：
\(df = (r - 1) \times (c - 1)\)
记忆小撇步：“列数减一，行数减一，然后相乘！”
步骤 4：结论
将计算出的 \(\chi^2_{test}\) 与统计表中的临界值 (Critical Value) 进行比较（使用你的 \(df\) 和显著性水平，通常为 5%）。
- 如果 \(\chi^2_{test} > \text{临界值}\)，我们拒绝 \(H_0\)。有证据显示两者存在关联。
- 如果 \(\chi^2_{test} < \text{临界值}\)，我们无法拒绝 \(H_0\)。
重点提示：最终结论务必结合题目背景。不要只写“拒绝 \(H_0\)”，应该说：“有足够的证据显示 [因子 A] 与 [因子 B] 之间存在关联。”
3. 卡方拟合优度检验 (Chi-Squared Test for Goodness of Fit)
此检验用于检查特定的概率模型（如均匀分布、二项分布或泊松分布）是否适合你的数据。
原假设 (\(H_0\))
\(H_0\)：该 [均匀/二项/泊松] 模型对于此数据是合适的模型。
\(H_1\)：该模型不是合适的模型。
逐步流程
- 计算期望频数：使用模型的概率 (\(P(X=x)\)) 乘以观察总数 (\(N\))。即 \(E = N \times P(X=x)\)。
- 合并小单元格：关键重点！如果任何期望频数 (\(E\)) 小于 5，在计算 \(\chi^2\) 之前，你必须将该单元格与邻近的单元格合并。这能确保检验的准确性。
- 计算 \(df\)：
\(df = n - 1 - (\text{从数据中估计出的参数数量})\)
- 均匀分布：通常没有参数需要估计（即 \(n-1\)）。
- 泊松分布：如果你从数据中计算平均值 (\(\lambda\))，则会损失 1 个额外的自由度。
- 二项分布：如果你从数据中计算概率 (\(p\))，则会损失 1 个额外的自由度。
“你知道吗？”
你从数据中“猜测”（估计）越多参数来构建模型，数据变化的“自由度”就越少。这就是为什么我们要在 \(df\) 中减去更多数值的原因！
重点提示：务必先检查你的 \(E\) 值！如果小于 5，在进行其他步骤前先合并它们。
4. 常见陷阱与小撇步
避免这些错误：
- 使用百分比：在 \(\chi^2\) 公式中，务必使用频数 (frequencies)，绝对不要使用百分比或概率。
- 过早四舍五入：将期望值保留至少 2 到 3 位小数。过早四舍五入可能会导致最终的 \(\chi^2\) 值出错。
- 错误的 \(df\)：对于拟合优度检验，请记住 \(n\) 是合并后的单元格数量。
快速回顾箱
\(p\)-value 的捷径：
在考试中，你可能会看到软件输出的数据。
- 如果 \(p\)-value < 显著性水平（例如 0.05）\(\rightarrow\) 拒绝 \(H_0\)。
- 如果 \(p\)-value > 显著性水平 \(\rightarrow\) 无法拒绝 \(H_0\)。
口诀：“p 值若太小，原假设就要跑！”
总结：卡方检验检查清单
1. 明确列出 \(H_0\) 和 \(H_1\)。
2. 计算所有期望值 (\(E\))。
3. 检查：所有 \(E \ge 5\) 吗？（若否，则合并单元格）。
4. 计算贡献值：\(\frac{(O-E)^2}{E}\)。
5. 将它们相加得到 \(\chi^2_{test}\)。
6. 找出自由度 (\(df\))。
7. 与临界值比较，并写出结合背景的结论。
刚开始觉得棘手别担心！从头到尾完整练习一次完整的表格计算，是让步骤深刻记在脑海中的最好方法。你一定可以的！