卡方检验
卡方检验(chi-square test,χ² 检验)是一类专门处理分类数据的统计方法,其基本问题是:实际观察到的各类别计数,与在某个假设下应当出现的期望计数之间,差异是否大到不能仅用抽样波动来解释。它与针对连续变量的均值检验不同,关心的是“频数”——多少人属于这一类、多少人属于那一类——因而在问卷分析、临床诊断、遗传分离比检验等场合格外常用。卡方检验由英国统计学家卡尔·皮尔逊(Karl Pearson,1857—1936)在20世纪初提出,是最早获得严格数学表述的拟合优度检验之一,至今仍是非参数检验家族中使用频率最高的成员。
提出与基本思想
皮尔逊在1900年前后提出的核心想法,是把观察频数与期望频数之间的偏离加以标准化后求和。对每一个类别,先算出实际观察数与理论期望数之差,把这个差平方,再除以期望数,最后把所有类别加起来。之所以除以期望数,是为了让不同规模的类别具有可比性:期望数大的类别,同样的绝对偏差相对而言并不稀奇,理应折算得更小;期望数小的类别,稍有偏差就显得突出,因而被赋予更大权重。由此得到的统计量在样本较大、虚无假设成立时,近似服从卡方分布,其形状只由一个参数——自由度——决定。
这个统计量的直观意义是“总体偏离程度”。若观察值与期望值处处吻合,统计量为零;偏离越大,统计量越大。研究者据此查表或由软件算出 p 值,判断这样大的偏离在假设成立时是否罕见。需要强调的是,卡方检验本质上是一个总体检验,它只能告诉你“分布与假设不符”或“两个变量不独立”,却不能指出究竟是哪几个类别造成了偏离。[1]
拟合优度检验
卡方检验最单纯的形式是拟合优度检验,用来判断一份分类数据是否符合某个预设的分布。比如掷一枚骰子若干次,记录每一面出现的次数,若要检验这枚骰子是否均匀,就把总次数平均分到六个面作为期望频数,再计算观察与期望的偏离。自由度等于类别数减一;若期望分布中的某些参数是由样本估计出来的,自由度还要相应扣减,这一细节常被忽视,却直接影响结论的严谨性。
拟合优度检验的应用远不止于骰子。遗传学中检验后代的表型分离比是否符合孟德尔定律,心理学中检验被试的选择偏好是否均匀,市场研究中检验各选项的点击分布是否与预期一致,用的都是同一套逻辑。它的前提是各类别互斥且穷尽,每个观测只能落入一类,这一点在题目设计阶段就要保证。
独立性检验与列联表
更常见的形式是独立性检验,用于判断两个分类变量之间是否存在关联。研究者把数据整理成列联表,行是一个变量的类别,列是另一个变量的类别,每个格子填入同时满足两个条件的观测数。期望频数由行合计与列合计相乘再除以总数得到,其含义是:若两个变量彼此独立,各格子的计数应当按边际比例分摊。自由度为行数减一乘以列数减一。
独立性检验在心理学中用途极广。性别与某项态度是否有关、不同治疗方案下康复与否的分布是否有差异、诊断类别与年龄组是否关联,都可以化归为列联表的检验。它与相关分析的区别在于适用数据类型:相关分析处理连续或有序变量,独立性检验处理无序的分类变量。当两个变量都是二分类时,卡方检验与 phi 系数、优势比等指标可以互相换算,结论应当一致。倘若检验显著,说明两个变量不独立,但关联的强弱仍需另用效应量衡量,克拉默 V 就是常用的一种,它把卡方值折算到零到一之间,便于跨表比较。[2]
使用条件与校正
卡方检验的近似依赖样本量,期望频数过小是它最常遇到的麻烦。通行的经验法则是:各格子的期望频数不应小于五,期望频数偏小的格子比例也不宜过高;若不满足,卡方统计量的分布会明显偏离理论分布,p 值失真。遇到这种情况,可以考虑合并类别、增加样本,或改用不依赖大样本近似的精确检验。费希尔精确检验就是为小样本列联表设计的,它直接计算在固定边际下出现当前或更极端表的精确概率,特别适用于二乘二表。
此外还有两处容易被忽略的技术细节。其一是连续性校正:二乘二表的卡方值在样本不大时会系统性偏大,耶茨提出减去零点五的校正,使检验更保守,但这一校正是否应当无条件使用,学界一直有争论。其二是配对设计:当同一批被试在两个时间点或两种条件下被分类时,数据不再独立,普通的独立性检验不再适用,而应改用麦克尼马尔检验。混淆这两种设计,是初学者常犯的错误。
局限与争议
卡方检验的局限,首先在于它只给出“有没有差异”,不给出“差异在哪里、有多大”。一个显著的卡方值可能由一两个格子的强烈偏离驱动,也可能源于全局的轻微不符,单看统计量无法分辨,需要回到列联表逐格考察标准化残差。其次是它对样本量的双重敏感:样本很大时,微不足道的关联也会显著;样本很小时,真实的关联又可能被埋没。这种敏感使得“显著”二字在卡方检验里尤其需要结合效应量与置信区间来解读。
关于分类本身的主观性,也有持续的讨论。类别如何划分、边界设在哪里,会改变列联表的结构,进而改变检验结果;把连续变量强行二分,不仅损失信息,还可能制造出原本不存在的“关联”。多重比较的问题同样存在:在多张列联表上反复检验而不作校正,假阳性会成倍增加。这些争议并非要否定卡方检验,而是提醒使用者:它是一种依赖设计、依赖分类、依赖样本的描述性推断,结论的稳健性取决于这些前提是否被认真对待。[3]
应用与评价
卡方检验在心理学与相关学科中的地位相当稳固。问卷研究里大量变量本质上是分类的,态度的是否、症状的有无、诊断的类别,都适合用列联表来整理;临床研究中比较不同疗法的转归比例,流行病学中考察暴露与疾病的关联,也常用到它。它是心理测验与心理测量学中检验题目选项分布、考察分组差异的常用工具,与t检验、方差分析共同构成基础统计教学的主干。
评价卡方检验,应当看到它以极简的形式解决了一个普遍的问题:如何在没有连续测量、只有计数的情况下作出推断。它不需要假定正态分布,适用面宽,计算直观,这些都是它长盛不衰的原因。但它也清楚地划出了自己的边界:只适用于分类数据,依赖足够大的期望频数,只回答总体是否相符,不回答差异的细节与因果。使用者若能在报告卡方值的同时给出效应量、说明分类的依据、检查期望频数是否达标,这项古老的方法依然能提供可靠的证据;若把它当作一按即出结论的按钮,再精巧的公式也救不了草率的设计。[4]
参考资料
- ↑ APA Dictionary of Psychology,American Psychological Association,2024年访问
- ↑ PubMed Central,National Center for Biotechnology Information,2024年访问
- ↑ Validity,Simply Psychology,2024年访问
- ↑ 中国心理学会官网,中国心理学会,2024年访问