카이제곱 검정 계산기
Pearson 카이제곱 독립성 검정은 관측 빈도와 두 변수가 독립이라는 가정 아래의 기대 빈도를 비교합니다. 범주형 변수의 관련성을 평가하며 인과관계를 증명하지 않습니다.
해석과 주의 사항
기대 빈도는 행 합계×열 합계÷전체 수입니다. 표본 수, χ², 자유도, p값과 Cramér's V를 함께 보고하세요. 독립적인 관측이 필요하며 대응 자료, 복수응답 또는 복합 표본에는 설계에 맞는 방법이 필요합니다.
분석 예시
두 집단의 구매 여부를 비교하는 2×2 표에서 기대 빈도가 작으면 근사 검정이 부정확할 수 있습니다. 조건을 충족하는 정수 빈도 표에서는 Fisher 정확 검정을 검토하세요.
사용 순서
- 실제로 관측한 정수 빈도를 입력하거나 붙여 넣습니다.
- 합계, 기대 빈도와 경고를 확인합니다.
- p값뿐 아니라 효과 크기와 실제 응답 분포를 해석합니다.
관측 빈도 입력
독립적인 관측의 정수 빈도를 입력하세요. 백분율이나 가중 추정치를 응답자 수로 입력하지 마세요.
테이블 크기팁: 스프레드시트에서 바로 개수 블록을 붙여넣으세요.
스프레드시트가 있나요? 작업공간 열기 →빠른 테이블을 위해 이 계산기를 보관하세요. 파일, 필터, 내보내기 및 저장된 프로젝트에 작업 공간을 사용하십시오.
| 합계 | |||
|---|---|---|---|
| 50 | |||
| 50 | |||
| 합계 | 50 | 50 | 100 |
카이제곱(χ²)
4.00
df = 1 · p = .046 · Cramér's V = 0.20
χ²(1, N = 100) = 4.00, p = .046, V = .20
모든 통계
| 피어슨 카이제곱 | χ² = 4.000, df = 1, p = .046 |
| G-검정(우도비) | G = 4.027, df = 1, p = .045 |
| 예이츠 보정을 적용한 카이제곱 | χ² = 3.240, p = .072 |
| Fisher의 정확 검정(양측) | p = .071 |
| 승산비 | 0.444 (95% CI 0.200 – 0.989) |
| Cramér's V | 0.200 (작음) |
| 파이 계수(ψ) | -0.200 |
| 우발계수(C) | 0.196 |
| 람다(대칭/행|열/열|행) | 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 |
데이터 저장과 전송
브라우저 작업 공간은 기기 안에서 파일을 읽고 분석합니다. 저장된 프로젝트는 해당 브라우저에 속하므로 사이트 데이터 삭제나 기기 변경에 대비해 별도 백업을 내보내세요. 공유하거나 AI에 복사하는 것은 별도의 데이터 전송입니다.
호스팅 MCP는 기기 내 분석과 다릅니다. 명시적으로 동의해 업로드한 파일과 임시 프로젝트를 서버가 받습니다. AI 클라이언트도 도구 입력과 결과를 받을 수 있으므로 해당 서비스의 데이터 정책을 확인하세요.
자주 묻는 질문
- 백분율을 입력해도 되나요?
- 백분율을 빈도 대신 입력하지 마세요. 그 비율의 근거가 된 실제 관측 수가 필요합니다.
- 유의하지 않으면 차이가 없나요?
- 그렇지 않습니다. 차이를 탐지할 정보가 부족할 수 있으므로 표본 수와 효과 크기를 함께 고려해야 합니다.