跳至內容

皮爾森卡方檢驗

本頁使用了標題或全文手工轉換
維基百科,自由的百科全書

皮爾森卡方檢定(英語:Pearson's chi-squared test)是最有名卡方檢定之一(其他常用的卡方檢定還有葉氏連續校正英語Yates's correction for continuity似然比檢定英語Likelihood-ratio test一元混成檢定英語Portmanteau test等等--它們的統計值之概率分配都近似於卡方分配,故稱卡方檢定)。「皮爾森卡方檢定」最早由卡爾·皮爾森在1900年發表,[1] 用於類別變數的檢定。科學文獻中,當提及卡方檢定而沒有特別指明類型時,通常即指皮爾森卡方檢定。

原假設

[編輯]

「皮爾森卡方檢定」的虛無假設(H0)是:一個樣本中已發生事件次數分配會遵守某個特定的理論分配。

在虛無假設的句子中,「事件」必須互斥,並且所有事件總概率等於1。或者說,每個事件是類別變數(英語:categorical variable)的一種類別或級別(英語:level)。

簡單的例子:常見的六面骰子,事件=丟骰子的結果(可能是1~6任一個)屬於類別變數,每一面都是此變數的一種(一個級別)結果,每種結果互斥(1不是2, 3, 4, 5, 6; 2不是1, 3, 4 ...),六面的概率總和等於1。

用途和步驟

[編輯]

「皮爾森卡方檢定」可用於三種情境的變項比較:擬合度檢定英語Goodness of fit同質性檢定英語Homogeneity_and_heterogeneity_(statistics)獨立性檢定

  • 「適配度檢定」驗證一組觀察值的次數分配是否異於理論上的分配。
  • 「同質性檢定」可以比較在使用相同的分類變數時,兩組或兩組以上群體的計數分佈。
  • 「獨立性檢定」驗證從兩個變數抽出的配對觀察值組是否互相獨立(例如:每次都從A國和B國各抽一個人,看他們的反應是否與國籍無關)。

不管哪個檢定都包含三個步驟:

  1. 計算卡方檢定的統計值「 」:把每一個觀察值和理論值的差做平方後、除以理論值、再加總。
  2. 計算 統計值的自由度」。
  3. 依據研究者設定的置信水平(顯著性水平P值或對應Alpha值),查出自由度為 的卡方分配臨界值,比較它與第1步驟得出的 統計值,推論能否拒絕虛無假設

適配度檢定

[編輯]

適配度檢定(英語:Goodness of Fit test):測試樣本的概率分配總體有多相似。

總體假設為離散型均勻分配

[編輯]

當理論上的總體分配為每個類別概率一致時,即應適用離散型均勻分配的計算方法。 個觀察值於理論上應均勻分配在所有的 個欄位(類別)中,因此每個欄位(類別)的「理論次數」(或期望值次數)為:

,其中

自由度 。「」是總共要計算離差平方的個數(每個類別計算一次觀察值與理論值的差,再平方)。「」是因為對於計算而言只有一個限制條件:觀察值的個數總和為

總體假設為其他種分配

[編輯]

貝氏算法

[編輯]

例子

[編輯]

獨立性檢定

[編輯]

在同一個個體(例如:同一個人)身上有兩個二元變數(X, Y),例如 X(男/女)和 Y(右撇子/左撇子),觀察兩個變數的相關性。虛無假設是:兩個變數呈統計獨立性。在本例中:性別與慣用手是獨立事件。

  • 首先,每個觀察值(每個抽出的人)會被重新編排到一個叫做「列聯表」(英語:contingency table,又稱:條件次數表)的二維表格裏。本例的列聯表是2×2的構造(不算入Total欄位):
總計
43 44 87
9 4 13
總計 52 48 100
  • 如果列聯表共有 r 行 c 列,那麽在獨立事件的假設下,每個欄位的「理論次數」(或期望值次數)為:
其中 N 是樣本大小(觀察值的個數,亦即2×2列聯表所有欄位的總和,本例:N = 100)。本例的各欄位期望值如下(括號裏的數字):
總計
43 (45.24) 44 (41.76) 87
9 (6.76) 4 (6.24) 13
總計 52 48 100
  • 統計值的公式是:
本例的統計值是:
  • 自由度 是這樣得出:雖然總共要計算 個離差平方(每個欄位計算一次觀察值與理論值的差,再平方),但 X 變數有1個限制條件(樣本抽出後,男性的人數即固定),Y 變數也有1個限制條件(樣本抽出後,右撇子的人數即固定),所以可自由變動的欄位數只有
在本例中
  • 的條件下,得出卡方分配右尾概率 ,無法拒絕虛無假設,亦即:無法拒絕性別變數與慣用手變數互相獨立的假設

限制

[編輯]
  1. 如果個別欄位的期望值次數太低,會使概率分配無法近似於卡方分配。一般要求:自由度 時,期望值次數小於5的欄位不多於總欄位的20%。
  2. 若自由度 ,且若期望值次數 ,則近似於卡方分配的假設不可信。此時可以將每個觀察值的離差減去 之後再做平方,這便是葉氏連續校正英語Yates's correction for continuity

參考文獻

[編輯]

引用

[編輯]

期刊文章

[編輯]

書籍

[編輯]