卡方检验常见问题

期望频数小于 5,卡方检验还能用吗?

先看小于 5 的单元格比例和最小期望频数,再决定继续使用卡方、改用精确检验或调整分类。

输入频数并检查期望频数

计算器会自动显示低于 5 的单元格数量、最小期望频数和适用性提示。

表格大小提示:可直接从 Excel 或表格软件粘贴一块频数。
已有数据文件?打开完整分析工作区 →此计算器适合快速检验;工作区支持文件导入、筛选、加权、导出和本地保存。
合计
50
50
合计5050100

Pearson 卡方(χ²)

4.00

df = 1 · p = .046 · Cramér's V = 0.20

χ²(1, N = 100) = 4.00, p = .046, V = .20

全部统计结果
Pearson 卡方检验χ² = 4.000, df = 1, p = .046
G 检验(似然比)G = 4.027, df = 1, p = .045
卡方检验(Yates 连续性校正)χ² = 3.240, p = .072
Fisher 精确检验(双侧)p = .071
优势比0.444 (95% CI 0.200 – 0.989)
Cramér's V0.200 (小)
Phi 系数(φ)-0.200
列联系数(C)0.196
Lambda(对称 / 行依赖 / 列依赖)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 U0.029 / 0.029 / 0.029
01

警告指的是期望频数,不是观察频数

期望频数是在两个变量独立时,根据边际合计推算出来的频数:E = 行合计 × 列合计 ÷ 总样本量。观察频数为 0 或 2 并不会单独决定卡方近似是否可用,关键是相应的期望频数分布。

02

按表格类型选择处理方法

对于 2×2 整数频数表,期望频数偏低时通常直接报告 Fisher 双侧精确检验。对于更大的 r×c 表,可使用精确或 Monte Carlo 方法;若类别在理论上可合并,也可以重新编码,但不能仅为了获得显著结果而随意合并。

  • 任何期望频数 < 1:不要依赖普通渐近卡方。
  • 超过 20% 的单元格期望频数 < 5:渐近结果可能不可靠。
  • 2×2 表出现低期望频数:优先 Fisher 精确检验。
  • 稀疏类别有明确理论依据:可在分析前合并并记录规则。
03

不要用删数据来消除警告

删除稀有但真实的观察会改变研究问题并产生偏差。更稳妥的方法是收集更多样本、使用适合小样本的检验、预先定义类别合并,或如实报告限制。

常见问题

先确认方法,再解释结果。

只有一个单元格期望频数小于 5,可以继续用卡方吗?

对较大的表通常可能可以,但要确认它占全部单元格的比例不超过 20%,且没有期望频数小于 1。2×2 表中一个单元格已占 25%,通常应改用 Fisher 精确检验。

样本量至少要多少才能用卡方检验?

没有适用于所有表格的固定总样本量。可靠性取决于边际分布和每个单元格的期望频数,而不只是 N。

可以把类别合并吗?

可以,但应有理论或业务依据,并在查看结果前定义。为了消除警告或追求显著而临时合并会造成分析偏差。

继续分析

在完整数据上运行同样的分析。

源文件在浏览器本地处理,无需注册。

开始分析