1 概述与适用场景
1.1 卡方检验的基本目标
卡方检验（Chi-square test）是一类基于卡方分布的统计检验，用于评估样本数据中“观察到的计数”是否与“在某个假设下应出现的计数”一致。其核心做法是：将各类别的观测频数与期望频数的偏差量化，并把偏差汇总成一个统计量，然后借助卡方分布来判断差异是否可能仅由随机波动造成。
1.2 适用数据类型（计数、频数、列联表）
卡方检验适用于可被计数的离散数据，典型形式包括：
- 单个变量的频数分布：各类别的出现次数。
- 两个变量的列联表：行与列共同的计数矩阵。
- 分组下的频数对比：不同组别内，各类别的分布是否一致。
在这些场景中，数据通常表现为“每个类别有多少个观测”，而不是连续测量值本身。
1.3 典型应用示例（分类变量对比、分布检验）
常见任务包括：
- 分类变量对比：例如比较不同性别在若干响应类别中的分布是否相同（列联表分析）。
- 分布检验：假设某变量服从给定的理论分布或既定比例，检验观测频数与期望频数是否一致（拟合优度）。
- 分组同质性：若把样本按某因素分组，检验各组内部的类别分布是否一致。
2 理论基础
2.1 卡方统计量的构造
2.1.1 观测频数与期望频数
设某项数据被划分为若干类别。对第 \(i\) 类：
期望频数代表“如果原假设成立，各类别应大致出现的次数”。
2.1.2 统计量形式与直观解释
卡方统计量常见形式为 \[ \chi^2=\sum_i \frac{(O_i-E_i)^2}{E_i}. \] 其直观含义是：对每个类别，先看观测与期望的差距，再用期望频数作为尺度进行归一化，最后对所有类别求和。差距越大、且发生在期望较小的类别时，该统计量通常会更高。
2.2 自由度的来源
卡方检验的自由度（degrees of freedom）由“类别数”和“约束条件”共同决定。不同检验类型对应不同的约束：
理解自由度的关键是：原假设之下，哪些信息被视为已知/已确定，从而减少了可自由变化的方向。
2.3 卡方分布与近似依据
卡方分布用于刻画统计量 \(\chi^2\) 在原假设成立时的“可能取值范围”。由于原假设下各类别计数通常由概率模型生成（常与多项分布相关），当样本量足够且期望频数满足要求时，\(\chi^2\) 的分布可近似为卡方分布，从而实现基于分布的显著性判断。
2.4 样本量与期望频数条件
卡方近似的可靠性依赖于期望频数的大小。若某些类别的期望计数过低，\(\chi^2\) 统计量的分布可能偏离卡方分布，导致显著性结论不稳。实践中通常采取：
- 评估各类别的 \(E_i\) 是否足够大；
- 必要时合并类别或使用更合适的替代方法（如精确检验思路）。
3 检验类型
3.1 拟合优度检验（Goodness-of-fit）
3.1.1 单一分类变量的分布检验
拟合优度检验用于检验：单个分类变量的分布是否与某个理论分布或给定比例一致。典型流程是： 1) 设定原假设：类别比例为已知值（或由模型确定）； 2) 计算每类期望频数 \(E_i\)； 3) 用 \(\chi^2\) 统计量比较 \(O_i\) 与 \(E_i\)； 4) 根据自由度与 P 值给出是否拒绝原假设的结论。
3.1.2 多类别情形与合并类别策略
当类别数较多且部分类别期望频数较小，卡方近似可能变差。常见策略是合并相邻或相似类别（例如把“少见响应”合并为“其他”），以保证合并后的类别期望频数更稳定。合并的前提通常包括：
- 合并不会掩盖过于关键的结构差异；
- 合并规则需在方法学上可解释；
- 合并后重新计算自由度与检验统计量。
合并类别并非必然“作弊”，而是一种为了满足统计近似条件的工程化处理；关键在于合并的合理性与透明度。
3.2 独立性检验（Independence）
3.2.1 列联表的行列独立性
独立性检验适用于两个分类变量（如 A 与 B）的列联表。原假设为：变量之间相互独立。若表中有 \(r\) 行、\(c\) 列，记第 \(i\) 行第 \(j\) 列的观测计数为 \(O_{ij}\)。在独立性假设下，期望频数可由边际和推出： \[ E_{ij}=\frac{(\text{第 }i\text{ 行边际总和})\times(\text{第 }j\text{ 列边际总和})}{\text{总样本量}}. \] 检验统计量将所有单元格的偏离汇总为 \(\chi^2\)，从而判断“独立”这一假设是否与数据不相容。
3.2.2 行列自由度与解释框架
独立性检验的自由度与表的维度有关，常见形式为 \((r-1)(c-1)\)（在不额外估计参数的典型设定下）。解释框架通常遵循：
- 原假设成立：每个单元格计数应大致符合由边际推导的期望；
- 拒绝原假设：说明至少有部分单元格的偏离比随机波动更大，变量之间存在统计关联迹象。
3.3 同质性检验（Homogeneity）
3.3.1 分组分布是否一致的检验
同质性检验关注的是：不同组别的分布是否一致。它常被视为独立性检验在“列联表解释方式”上的对应场景：行维度通常代表分组，列维度代表类别。原假设为：各组在各类别上的概率相同，从而各组的分布“同质”。
3.3.2 与独立性检验的区别
两者在数学计算上经常形式相近甚至等价，但概念上侧重点不同：
- 独立性检验强调“两个变量是否独立”；
- 同质性检验强调“多个组的分布是否一致”。
在报告时明确叙述原假设对应的研究问题，有助于避免读者误解。
3.4 效应量与关联强度的补充指标
3.4.1 Cramér's V
当卡方检验用于列联表时，显著性并不能直接说明差异有多大。Cramér's V 是常用的关联强度指标，适用于一般 \(r\times c\) 列联表，用于把 \(\chi^2\) 转换为介于 0 与 1 的量，数值越大表示关联越强（在给定表维下解释尺度需留意其上限由维度决定）。
3.4.2 Phi 系数（2×2 情形）
在 \(2\times2\) 列联表中，Phi 系数是常用效应量。它可视为卡方统计量在二维场景下的特定归一化形式，用于量化“关联强度”。与 P 值相比，效应量更接近实际意义上的差异大小。
4 计算与实施
4.1 检验流程（提出假设→计算→判定）
一个典型的卡方检验实施流程包括：
- 提出假设：明确原假设与备择假设（例如独立/同质/拟合一致）。
- 整理频数：构建观测频数 \(O\)，形成列联表或类别计数。
- 计算期望频数：根据原假设推导出 \(E\)。
- 计算统计量：得到 \(\chi^2\) 并确定自由度。
- 计算 P 值：基于卡方分布求得显著性。
- 判定与解释：根据预设显著性水平决定是否拒绝原假设，并结合效应量进行语义解释。
4.2 显著性水平与 P 值解读
- 显著性水平（如 0.05）是事先设定的拒绝阈值标准；
- P 值表示：在原假设成立时，获得当前或更极端统计量的概率（通常理解为“与原假设不相容的程度”）。
需要强调的是，P 值用于支持“是否拒绝原假设”的判断，不等同于“某个结论的概率”或“关联的因果强度”。
4.3 期望频数不足时的处理
4.3.1 类别合并规则的基本原则
当某些期望频数偏小，常见做法是合并类别。合并规则可遵循：
- 统计可行：合并后期望频数更接近卡方近似要求；
- 解释可读：合并后的类别仍具备合理含义；
- 透明记录：在报告中说明合并来源与目的，避免隐含地改变研究问题。
4.3.2 连续性校正概念（概览）
在一些小样本或二维离散计数场景中，可能会讨论“连续性校正”。其思想是把离散近似与连续分布的差异适当调整，以改善近似质量。需要注意的是：连续性校正并不总是适用，也可能只在特定设定下更有意义。实践中通常会先评估是否真的需要，以及替代方法是否更稳健。
4.4 假设检验的常见误区
4.4.1 “显著”不等于“相关强”
P 值小表示与原假设不一致，但并不能直接说明关联幅度足够大。样本量大时，即便差异很小也可能产生显著结果；因此应结合效应量指标与实际场景解释。
4.4.2 样本依赖与数据质量问题
卡方检验通常建立在观测计数来自合理的概率机制之上。若数据来源存在明显的依赖结构（例如同一对象被重复计数但未处理），或计数存在系统性偏差，检验结果可能失真。实施时应检查：
- 每个观测是否被正确归入唯一类别；
- 样本是否为同一总体或满足对应假设；
- 计数是否因数据处理流程导致异常稀疏或偏倚。
5 结果报告与解读
5.1 报告应包含的要素（统计量、自由度、P 值）
规范报告通常至少包括：
- 检验类型（拟合优度/独立性/同质性）；
- 卡方统计量 \(\chi^2\) 的数值；
- 自由度；
- P 值；
- 若适用，还可补充效应量（如 Cramér's V 或 Phi）。
这些信息便于他人复核与比较。
5.2 结果的统计与实际含义区分
解读时建议区分两个层面：
- 统计层面：是否拒绝原假设；
- 实际层面：若拒绝原假设，差异或关联在现实中是否具有可解释的大小与方向（可结合列联表残差或比例差异来描述）。
在报告中避免只给出“显著/不显著”的结论，而不说明差异来自哪里。
5.3 多重比较情境下的注意事项
当在同一数据上进行多次卡方相关检验（例如多个变量组合、多次分组对比），会增加“偶然显著”的概率。此时通常需要：
- 事先明确比较计划；
- 使用合适的多重比较控制策略；
- 在解释时减少对单次显著结果的过度外推。
6 扩展与替代方法
6.1 Fisher 精确检验（适用边界与对比）
Fisher 精确检验常用于小样本或 \(2\times2\) 列联表情形。与依赖近似的卡方检验相比，它直接基于精确概率计算显著性，更适合期望频数较小的边界情况。在实践中，若卡方条件不满足，精确检验往往是更稳健的选择之一。
6.2 似然比检验（G 检验）简介
G 检验（likelihood ratio test）也是用于比较观测频数与期望频数差异的检验方式。它基于对数似然的比值构造统计量，其形式与卡方不同，但在很多大样本情形下结论可能相近。两者可被视为同类思想在不同统计量上的实现。
6.3 复合检验与分层列联表的处理思路
在更复杂的研究设计中，可能存在混杂因素或分层结构。此时可以考虑：
- 分层后分别检验（在每层内比较分布）；
- 对列联表进行结构化建模或扩展分析框架；
- 明确分层带来的解释口径，避免把不同层次的差异混为“同一种差异”。
这些思路强调“检验对应的研究问题”要与数据结构一致。
7 常见问题与“梗式”提示
7.1 为什么叫“卡方”（名称由来与别名）
“卡方”来源于统计学中的卡方分布（chi-square distribution），其检验统计量也以卡方记号表示。英文名为 Chi-square test。由于应用广泛，在中文语境中常见别称为“卡方检验”“卡方测验”等，具体表述差异不影响其核心含义：基于卡方分布的计数数据检验框架。
7.2 看到 P 值小要做什么、不要做什么
常见正确做法是：
- 先确认检验类型是否与问题匹配；
- 同时报告效应量，并解释差异的方向与来源；
- 检查期望频数条件、数据分配逻辑以及是否存在依赖结构。
不建议做的是：
- 直接把 P 值小解释为“必然有强关联”或“因果成立”；
- 不检查近似条件却把结论当作绝对真理；
- 忽略多重比较背景导致的偶然显著。
7.3 “合并类别是不是作弊”——正确理解实践策略
把稀疏类别合并以满足期望频数条件，属于方法学上的常见处理。它并不自动等于“作弊”，但也不应被当作“想怎么合就怎么合”。更合理的理解是：合并应当服务于统计近似与可解释性，并在报告中透明说明合并规则与影响。简言之，合并是工具，不是护身符。
8 参考阅读（概念性索引）
8.1 教科书与经典教材方向
建议从以下概念链条入手：
- 分类数据的计数建模与列联表分析；
- 拟合优度、独立性与同质性的统计推断；
- 卡方分布近似条件与误差来源；
- 效应量与统计显著性的区分。
8.2 软件实现与复现要点（思路层面）
复现时可关注：
- 数据结构：如何从原始记录生成观测计数表；
- 期望频数的推导方式：与检验类型对应；
- 自由度计算是否符合所用设定；
- P 值与效应量输出的一致性；
- 对小样本情形的处理选择（合并类别、精确检验或替代统计量）。
同时，建议保留中间表（如列联表与期望频数矩阵），便于审阅与核对。