论文卡方检测

卡方检验是很常用的一种分析方法，什么情况下使用卡方检验？

如果你手上的数据是一种定类数据，比如性别（男、女）是否患病（是、否）。你还想要分析定类数据和定类数据之间的差异关系。

例如想要分析性别和是否抽烟之间的关系。这一句话里面包含两个词语，分别是：性别，是否抽烟。性别为X，是否抽烟为Y。性别为定类数据，是否抽烟也是定类数据，此时就可以使用卡方检验。

这篇文章分享分别使用两种常见统计分析工具 SPSS 和 SPSSAU 完成卡方检验。SPSS是目前常用的统计软件，SPSSAU是更简单的在线数据科学分析工具。

一、案例数据

想研究性别和是否抽烟之间有没有关系，男性抽烟的比例有没有更高等，通过抽样调查得到如下数据：

二、卡方检验怎么做？

1、SPSS操作步骤

（1）传入数据或输入数据

打开SPSS软件，上传如下图所示的数据格式文件，或者在SPSS软件中手动输入下图所示数据：

（2）数据加权处理

因为输入的数据是汇总格式，所以在进行卡方检验之前，我们需要先对数据加权处理，加权处理后，系统会将“人数”这一列的变量识别为频数，而不是一个数值。

数据加权的步骤如下：

在主页面点击【数据】-【加权个案】

弹出加权个案操作的对话框，选中【加权个案】

将【人数】变量拖入【频率变量】框中，点击【确定】。

这样就完成了数据加权处理，下一步可以做卡方检验了。

（3）卡方检验操作

点击【分析】-【描述统计】-【交叉表】

弹出交叉表操作对话框，按照下图的关系将三个变量放入对应的分析框中。

放好之后就是这个样子：

放好变量后，接着设置：点击【统计量】-在弹出的对话框中选中【卡方】，并选中名义栏中的【Phi和Gramer变量】-点击【继续】

此时回到交叉表对话框，点击【确定】得出分析结果。

（4）卡方检验结果

SPSS看输出的卡方检验结果，主要看卡方值和P值。

2、

以下介绍使用SPSSAU-在线SPSS分析工具两步快速完成卡方检验。

（1）上传数据

进入SPSSAU系统，将加权格式数据上传到SPSSAU系统中：

（2）卡方检验操作

点击实验/医学研究面板中的【卡方检验】-拖拽三个【分析变量】分别到对应分析框-【开始分析】即可。

（3）分析结果

SPSSAU输出卡方检验分析结果，主要关注两个值，卡方值和p值。

另外输出各种卡方检验统计量过程值和效应量指标。

SPSSAU所有分析结果表格均为论文要求标准三线表，可直接点击【复制】图标一键复制分析结果到word文档中使用，无需再自己调整表格格式~

SPSSAU提供智能分析建议，刚接触统计分析的小白可以借助分析建议完成分析结果解读。

SPSSAU还自动输出文字分析结果，供大家参考去撰写分析结果，可直接复制粘贴使用。

SPSSAU自动将结果表格数据可视化，大家可以根据需要选择各种常用图表：

①堆积柱形图

②柱形图

③堆积条形图

④条形图

如果不喜欢图形样式，还可以根据使用场景选择合适的样式：

总结： 可以看到，SPSS和SPSSAU两个统计分析工具卡方检验的结果是相同的，且使用SPSSAU更简单更智能更方便~

在一个文本分类系统中，特征数量可能达到上百万维，如何有效的进行特征选择是非常重要的。如果一个词 （输入变量）与一个类别 （分类结果）相互独立，那么该词对 没有任何的表征作用。 我们一般用词 与类别 不相关来做原假设，计算出的卡方值越大，说明对原假设的偏离越大。选择的过程也变成了为每个词计算它与类别 的卡方值，从大到小排个序（此时开方值越大越相关），取前k个就可以。 举个简单例子。比如说现在有N篇文档，其中有M篇是关于体育的，我们想考察一个词“篮球”与类别“体育”之间的相关性。原假设，“篮球”与“体育”类不相关 卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。但是里面也有两种计算方式，一种是平均，一种是取max。取平均就是求出一个特征与每个类别的相关度，然后求所有的平均，作为该个特征的分类作用的衡量。取max就是求出一个特征与每个类别的相关度，然后取出最大的一个值，就作为该个特征的分类作用的衡量。这样的好处也显而易见，总能把跟某个类别相关的词都取出来，确保每个类别都有一些特征词被保留下来。而平均的操作就会让这个作用弱化。 统计学教科书上通常会说：如果总样本量大于40，最小理论频数大于5，就应该用卡方检验；如果总样本量大于40，最小理论频数介于1和5之间，就应该使用卡方检验的校正公式；如果总样本量小于40，或（注意这个或字）最小理论频数小于1，就应该用Fisher确切概率法。在本案例中，总样本量为56，最小理论频数为：27×20/56=，明显是大于5的，因此应采用卡方检验。 这里穿插一段关于最小理论频数的计算方法，实际上就是最小的横排合计数据和最小的纵列合计数据的乘积再除以总样本量。在本案例中，横排合计数据只有两个（29和27），纵列合计数据也只有两个（36和20），总样本量是56，因此最小理论频数就是27×20/56=。在多行多列表格中寻找最小理论频数的方法与此类似。