打开导航
打开分析工作区

单个变量对照分布

卡方拟合优度检验计算器

一个分类变量的频数分布是否符合预期?输入观察频数,按均等比例或自定义比例检验。

在线计算拟合优度检验

输入每个类别的观察频数,选择均等期望比例,或自定义期望值(频数或比例均可)。

观测频数
类别观测值E(实际使用)
33.33
33.33
33.33
合计100

卡方拟合优度检验

14.00

df = 2 · p < .001 · 观测分布与期望分布存在显著差异

χ²(2, N = 100) = 14.00, p < .001

01

检验原理

对每个类别计算(观察频数 − 期望频数)² ÷ 期望频数,再全部相加。数值越大,说明数据与假设分布的差距越大;再按自由度 k − 1 的卡方分布求 P 值。

  • χ² = Σ(Oᵢ − Eᵢ)² ÷ Eᵢ,自由度 k − 1
  • 均等比例:Eᵢ = n ÷ k
  • 经验规则:所有期望频数最好不小于 5。
02

示例

计算器打开时,把 3 个类别的频数 50, 30, 20(n = 100)与均等比例比较,每类期望频数为 33.33。结果 χ² = 14.00,自由度 2,P < .001:分布明显偏离均等。

03

什么时候用,什么时候不用

拟合优度检验只针对一个分类变量与一个已知或假设的分布。

  • 适用:检查样本的性别、年龄段、地区构成是否接近总体结构(例如人口普查比例)。
  • 适用:检查回答是否均匀分布在各选项、各星期几或各门店。
  • 不适用:两个变量之间的关联,应使用卡方独立性检验。
  • 不适用:期望频数很小的类别,应先合并类别或扩大样本。

方法来源

参考资料与复核入口

  • Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. Philosophical Magazine, Series 5, 50(302), 157–175.

  • Agresti, A. (2013). Categorical Data Analysis (3rd ed.). Hoboken, NJ: Wiley.

  • SciPy — scipy.stats.chisquare

常见问题

先确认方法,再解释结果。

拟合优度检验的自由度是多少?

k 个类别时为 k − 1。如果期望分布中的参数是从同一份数据估计的,每估计一个参数再减去 1 个自由度。

可以输入期望比例而不是期望频数吗?

可以。期望值会按观察总数等比例换算,所以输入百分比、比例或频数都可以。

期望频数小于 5 怎么办?

卡方近似的可靠性会下降,计算器会给出提示。可以合并少见类别,或收集更多数据。

它和卡方独立性检验有什么不同?

拟合优度检验把一个变量与指定分布比较;独立性检验判断列联表中两个变量是否相关。

输入的数据会上传到服务器吗?

不会。计算器只在当前浏览器标签页中计算你输入的数值,不会把它们发送到任何服务器,也不需要注册。

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。基础交叉分析支持中文;部分专业功能和文档导出说明仍为英文。

打开工作区