第十章卡方检验

《第十章卡方检验》由会员分享，可在线阅读，更多相关《第十章卡方检验（16页珍藏版）》请在金锄头文库上搜索。

1、第十章 咒2检验第一节 X2检验的原理、X2检验的假设（一）分类相互排斥，互不包容X2 检验中的分类必须相互排斥，这样每一个观测值就会被划分到一个类别或另一个 类别之中。此外，分类必须互不包容，这样，就不会出现某一观测值同时划分到更多的类别 当中去的情况。（二）观测值相互独立各个被试的观测值之间彼此独立，这是最基本的一个假定。如一个被试对某一品牌的选 择对另一个被试的选择没有影响。当同一被试被划分到一个以上的类别中时，常常会违反这 个假定。当讨论列联表时，独立性假定是指变量之间的相互独立。这种情况下，这种变量的独立 性正在被检测。而观测值的独立性则是预先的一个假定。（三）期望次数的大小每一个单

2、元格中的期望次数应该至少在5 以上。一些更加谨慎的统计学家提出了更严格 的标准，当自由度等于1时，在进行X2检验时，每一个单元格的期望次数至少不应低于 10，这样才能保证检验的准确性。另外，在许多分类研究中会存在这样一种情况，如自由度很大，有几个类别的理论次数 虽然很小，但在给以接受的标准范围内，只有一个类别的理论次数低于1。此时，一个简单 的处理原则是设法使每一个类别的理论次数都不要低于1，分类中不超过20%的类别的理论 次数可以小于 5。在理论次数较小的特殊的四格表中，应运用一个精确的多项检验来避免使 用近似的X2检验。二、X2检验的类别（一）配合度检验配合度检验主要用来检验一个因素多项分

3、类的实际观察数与某理论次数是否接近，这种X2检验方法有时也称为无差假说检验。当对连续数据的正态性进行检验时，这种检验又可称为正态吻合性检验。（二）独立性检验独立性检验是用来检验两个或两个以上因素各种分类之间是否有关联或是否具有独立性的问题。这种类型的X2检验适用于探讨两个变量之间是否具有关联（非独立）或无关（独 立)，如果再加入另一个变量的影响，即探讨三个变量之间关系时，就必须使用多维列联表 分析方法。(三) 同质性检验 同质性检验的主要目的在于检定不同人群母总体在某一个变量的反应是否具有显著差 异。当用同质性检验检测双样本在单一变量的分布情形，如果两样本没有差异，就可以说两 个母总体是同质的

4、，反之，则说这两个母总体是异质的。三、咒2检验的基本公式z 2是表示实测次数与理论次数(即期望次数)之间差异程度的指标，其基本数学定义 是实测次数与期望次数之差的平方与期望次数的比率。z2检验就是检验实测次数与期望次 数是否一致的统计方法。基本公式如下：=Ze2其中 f 表示实际观察次数， f 表示某理论次数0e要求：/5e四、小期望次数的连续性校正第一，单元格合并法。若有一格或多个单元格的期望次数小于5时，在配合研究目的情 况下，可适当调整变量的分类方式，将部分单元格予以合并。第二，增加样本数。如果研究者无法改变变量的分类方式，又想获得有效样本，最佳的 方法是直接增加样本数来提高期望次数。第

5、三，去除样本法。如果样本无法增加，次数偏低的类别又不具有分析与研究价值时， 可以将该类被试除去，但研究的结论不能推论到这些被除去的母总体中。第四，使用校正公式。在2x2的列联表检验中，若单元格的期望次数低于10但高于5, 可使用耶茨校正(Yates correction for continuity)公式来加以校正。若期望次数低于5时，或 样本总人数低于20时，则应使用费舍精确概率检验法(Fishers exact probability test)。当单 元格内容牵涉到重复测量设计时(例如前后测设计)，则可使用麦内玛检验(McNemar test)。第二节 配合度检验配合度检验(goodne

6、ss of fit test )主要用于检验单一变量的实际观察次数分布与某理 论次数是否有差别。由于它检验的内容仅涉及一个因素多项分类的计数资料,故可以说是一 种单因素检验(On e-way test)。一、配合度检验的一般问题1建立假设H : f 二 f0 ： 0eH : f 二 fa ： 0e在Z2检验中，理论（或期望）次数的确定就取决于这种比例的假设。Z2的临界值是在H0成立的条件下导出理论分布，并由12公式计算出来的。若实际计 算出的1值大于理论上的临界值fo，即1 Z Sho5则说在a = 0.05的显著水平上 拒绝Ho。2自由度的确定原则自由度确定的一般原则是：以相互独立的类别数k

7、 （或C）减去所受的限制数M，即工f -工f0edf - k - M的限制，在各种适合性检验中，如果理论次数只受到总和的限制，即受 则自由度为df - k - 1的限制以外，还受理论分布的均在正态分布的适合性检验，因其除了受 数和标准差两个未知参数的限制，即受到三个条件的限制，其自由度为df-k-33理论次数的计算规则丫 .是数据分布有其理论概率为依据，这时的理论次数kfe等于总次数乘以某种属性出 现的概率（ p ），即f - Npe理论次数的计算，般是根据某种理论，按定的概率通过样本即实际观察次数计算 某种理论有经验概率，也有理论概率，如二项分布、正态分布等理论概率。二、配合度检验的应用（）

8、检验无差假说 这里讲的无差假说，是指各项分类的实计数之间没有差异，也就是假设，各项分类 之间的几会相等，或概率相等，因此理论次数完全按概率相等的条件计算。即：1理论次数二总数X分类项数例10-1：随机抽取60名学生，询问他们在高中是否需要文理分科，赞成分科的 39人， 反对分科的 21 人，问他们对分科的意见是否有显著差异？解：1）建立假设（赞成与反对的人数相等赞成与反对的人数不相等2)计算统计量f = 60 x - = 30 e2y (f - f )2% 2 = y 0f e(39 - 30)2 * (21 - 30)230303）进行统计决策查% 2表，当df = 1时，%爲二 3.84,

9、 % 20.01二 663,因为 2 = 5.4，% 0.05 %2 % 0.01所以， 0.01 p 0.05。达到显著性水平，拒绝原假设。说明两种态度有显著差异。例 10-2：某项民意测验，答案有同意、不置可否、不同意三种。调查了48 人，结果同 意的 24人，不置可否的12 人，不同意的12人。问持这三种意见的人数是否有显著不同？解：此题为检验无差假说，已知分类的项数为三，故各项分类假设实计数相等。所以p 二一,N 二 48, f3二 48 x 13 二 16e1)建立假设H ：f = f00 eH:f J10 e2）计算统计量(24 -16)2(12 -16)2(12 -16)2%2

10、= + + = 6 1616163）进行统计决策查 %2 表，当 df = 3-1 = 2 时，% 2 二5.99，因为 %2 = 62，所以0.05 0.05P X 2 ，所以达到显著性水平，拒绝原假设。0.050.05说明学生身体状况不符合正态分布。例 10-4：根据以往的经验，某校长认为高中生升学的男女比例为 2 ：1，今年的升学情况是男生85人，女生35人，问今年升学的男女比例是否符合该校长的经验？解：此题是假设男女生升学的人数分布与校长的经验分布相同，故理论次数应按经验分布的概率计算理论次数为：/ 二（85 + 35） x 23 二 80/ =（85 + 35）x 1；二 40e男e

11、女1）建立假设H0 :男女升学比例符合校长经验H1 :男女升学比例不符合校长经验2）计算统计量x 2 =逻型）+色血=0.9480403）进行统计决策当df = 2 -1时，x 2 = 3.84，因为x 2 x 2 ，故差异不显著。接受原假设。说明男0.050.05女升学比例符合校长经验。三、连续变量分布的吻合性检验（自学） 对于连续性数据总体分布的检验，一种方法是将测量数据整理成次数分布表，画出次数 分布曲线图，根据次数分布曲线，判断选择恰当的理论分布。有时可选择某一直线或曲线的 理论分布函数方程式计算理论次数，然后把实际分组次数（f0）和理论次数（f ）代入检 0e验的基本公式，计算X2值

12、查X2表，确定其差异是否显著。若差异显著，说明实际次数分布于所选择的理论次数分布不吻合，这时可另选择理论分 布函数，再次比较，直至吻合，这个理论分布函数就是该实际测量的次数分布函数。若差异 不显著则说明所选的理论次数分布于实际次数分布吻合。对连续随机变量分布的吻合性检验，关键的步骤是计算理论次数与确定自由度。理论次 数的计算是把实际次数分布的统计量代入所选的理论分布函数方程，计算各分组区间的理论 频率，然后乘以总数得到各分组区间的理论次数。确定自由度时是将分组的数目减去计算理 论次数是所用统计量的数目。下面以正态分布吻合性检验为例，说明理论次数的计算与自由度的确定。例 10-5：表 10-1 所列资料是 552 名中学生的身高次数分布，问这些学生的身高分布 是否符合正态分布。解：（1）本题要求检验实际次数分布与正态分布是否符合，它的理论次数计算应该根据 正态分布概率，查正态曲线表得到。一般地，这一类问题计算理论次数的方法有两种。第一种方法的具体步骤包括：求各分组区间组中值X与平均数的离差x；求各 c离差的Z分数；根据Z分数查正态表求y值；将y值乘以(以Z分数为单位的组间距)，得到按正态