カイ二乗検定計算ツール
Pearson の独立性のカイ二乗検定は、観測度数と独立を仮定した期待度数を比較します。カテゴリ変数の関連を調べますが、因果関係を証明するものではありません。
解釈と注意点
各セルの期待度数は、行合計×列合計÷総数です。標本数、χ²、自由度、p 値に加えて Cramér's V を報告します。対応のある観測、複数回答、複雑な標本設計では、それぞれに適した方法が必要です。
分析の例
二つのグループで購入の有無を比べるなら 2×2 表を使えます。期待度数が小さい場合は近似が不安定になるため、条件を満たす整数度数表では Fisher の正確確率検定も検討します。
使い方
- 観測した整数度数を入力するか、表計算ソフトから貼り付けます。
- 合計と期待度数、警告、観測の独立性を確認します。
- p 値だけでなく効果量と実際の分布を解釈します。
観測度数を入力する
独立した観測の整数度数を入力してください。割合や重み付き推定値を人数として扱わないでください。
テーブルサイズヒント: カウントのブロックをスプレッドシートから直接貼り付けます。
スプレッドシートをお持ちですか?ワークスペースを開く →この計算機は簡単な表として保管してください。ファイル、フィルター、エクスポート、保存されたプロジェクトにワークスペースを使用します。
| 合計 | |||
|---|---|---|---|
| 50 | |||
| 50 | |||
| 合計 | 50 | 50 | 100 |
カイ二乗 (χ²)
4.00
df = 1 · p = .046 · Cramér's V = 0.20
χ²(1, N = 100) = 4.00, p = .046, V = .20
すべての統計
| ピアソンのカイ二乗 | χ² = 4.000, df = 1, p = .046 |
| G 検定 (尤度比) | G = 4.027, df = 1, p = .045 |
| Yates 補正を使用したカイ 2 乗 | χ² = 3.240, p = .072 |
| フィッシャーの正確検定 (両側) | p = .071 |
| オッズ比 | 0.444 (95% CI 0.200 – 0.989) |
| Cramér's V | 0.200 (小) |
| ファイ係数(φ) | -0.200 |
| 分割係数(C) | 0.196 |
| ラムダ (対称 / 行|列 / 列|行) | 0.200 / 0.200 / 0.200 |
| Goodman–Kruskal gamma (γ) | -0.385 |
| Kendall's tau-b / tau-c | -0.200 / -0.200 |
| Somers' d | -0.200 / -0.200 / -0.200 |
| Theil's U | 0.029 / 0.029 / 0.029 |
データの保存と送信
ブラウザーのワークスペースは端末内でファイルを読み込み、分析します。保存したプロジェクトはそのブラウザーに属します。サイトデータの削除や端末の変更に備えて、別途バックアップをエクスポートしてください。共有や AI へのコピーは別の送信操作です。
ホスト型 MCP は端末内分析とは異なります。明示的な同意を得てアップロードしたファイルと一時プロジェクトをサーバーが受け取ります。AI クライアントもツールへの入力や結果を受け取る可能性があるため、そのデータ方針も確認してください。
よくある質問
- 割合をそのまま入力できますか？
- 割合を度数の代わりに入力しないでください。割合の元になった実際の観測数を使用します。
- 有意でなければ差がないのですか？
- そうとは限りません。差を検出するための情報が不足している可能性もあります。標本数と効果量も確認します。