什么是 Cramér's V，如何解读它？

Cramér's V 是卡方检验效应量的衡量指标，范围从 0 到 1。它表示两个分类变量之间关联的强度。解读指南：V 0.5 表示强关联。与 p 值不同，Cramér's V 不受样本量的影响。

什么时候应该使用费舍尔精确检验（Fisher's Exact Test）而不是卡方检验？

当期望频数较小时（通常指任何期望计数小于 5 时），首选费舍尔精确检验。卡方检验是一种近似计算，在期望值较小时准确性会降低。对于样本量较小的 2×2 表格，费舍尔精确检验可提供精确的 p 值。当期望频数低于 5 时，本计算器会向您发出警告。

如何向卡方计算器输入数据？

输入您的列联表数据，每行占一行，列之间用空格或逗号分隔。例如，对于一个 2×3 的表格：在第一行输入 '10, 20, 30'，在第二行输入 '15, 25, 35'。所有行必须具有相同的列数。计算器接受整数和十进制数值。

卡方检验计算器

Q: 卡方检验中的自由度是什么？

独立性卡方检验的自由度 (df) 等于 (r-1) × (c-1)，其中 r 是行数，c 是列联表中的列数。自由度决定了使用哪种卡方分布来计算 p 值。例如，一个 3×4 的表格自由度 df = (3-1) × (4-1) = 6。

执行卡方独立性检验，以确定两个分类变量之间是否存在显著关联。获取卡方统计量、P值、期望频数、单元格贡献度以及 Cramer's V 效应量，并提供分步计算过程。

卡方检验计算器

Embed 卡方检验计算器 Widget

卡方检验计算器

卡方检验计算器执行独立性卡方检验，以确定两个分类变量之间是否存在统计学上的显著关联。这一全面工具可计算卡方统计量、p 值、自由度、期望频数、单元格贡献度以及效应量（Cramer's V），提供包含分步解释的完整统计分析。

什么是独立性卡方检验？

独立性卡方检验是一种非参数统计检验，用于分析组织在列联表中的两个分类变量之间的关系。它将观测频数（数据中的实际计数）与期望频数（如果变量确实相互独立，我们预期会出现的数值）进行比较。

该检验评估两个变量相互独立的零假设。如果检验产生足够大的卡方统计量（导致较小的 p 值），我们就拒绝零假设，并得出变量之间存在统计学显著关联的结论。

卡方统计量公式

卡方统计量

$$\chi^2 = \sum \frac{(O_{ij} - E_{ij})^2}{E_{ij}}$$

其中：

O_ij = 单元格 (i, j) 的观测频数
E_ij = 单元格 (i, j) 的期望频数
总和覆盖列联表中的所有单元格

期望频数公式

期望频数

$$E_{ij} = \frac{R_i \times C_j}{N}$$

其中：

R_i = 第 i 行的总计
C_j = 第 j 列的总计
N = 所有观测值的总和

自由度

$$df = (r - 1) \times (c - 1)$$

其中 r 是行数，c 是列数。自由度决定了计算 p 值时应使用的卡方分布。

解读卡方检验结果

P 值

p 值告诉您，在零假设为真的前提下，观察到与您计算出的卡方统计量一样极端（或更极端）的概率：

p 值 ≤ α：拒绝零假设。变量之间存在统计学上的显著关联。
p 值 > α：无法拒绝零假设。没有足够的证据表明存在关联。

常用显著性水平 (α)：

α 水平	置信度	使用场景
0.10	90%	探索性分析、初步研究
0.05	95%	大多数研究的标准（最常用）
0.01	99%	更严谨的测试、医学研究
0.001	99.9%	极严苛标准、高风险决策

效应量：Cramer's V

虽然 p 值告诉您是否存在关联，但 Cramer's V 测量的是这种关联的强度：

Cramer's V

$$V = \sqrt{\frac{\chi^2}{N \times (k - 1)}}$$

其中 k = min(行数, 列数)。解读指南：

Cramer's V	关联强度
0.00 - 0.10	微弱到可忽略
0.10 - 0.30	弱关联
0.30 - 0.50	中等关联
0.50+	强关联

卡方检验的假设条件

独立性： 观测值必须相互独立
样本量： 每个单元格的期望频数通常应至少为 5
随机抽样： 数据应来自随机样本
分类数据： 两个变量都必须是分类变量（名义或定序）

当期望频数低于 5 时，卡方近似值可能不可靠。对于 2×2 表格，请考虑使用费舍尔精确检验。当任何期望频数低于 5 时，本计算器会发出警告。

常见应用

医学研究： 测试某种治疗是否与患者康复相关
市场营销： 分析人口统计特征与购买行为之间的关系
遗传学： 测试性状是否遵循预期的遗传模式
社会科学： 检查调查问卷回答之间的关联
质量控制： 确定缺陷率是否在不同生产线之间存在差异
教育： 分析教学方法与学生成绩之间的关系

如何使用此计算器

输入列联表： 输入观测频数，每行占一行，列之间用空格或逗号分隔
选择显著性水平： 标准分析选择 α = 0.05（95% 置信度），或根据您的要求进行调整
设置小数精度： 选择结果保留的小数位数
查看结果： 检查卡方统计量、p 值、结论和效应量
分析表格： 比较观测频数与期望频数，并识别对统计量贡献最大的单元格

常见问题解答

什么是独立性卡方检验？

独立性卡方检验是一种统计假设检验，用于确定两个分类变量之间是否存在显著关联。它将列联表中的观测频数与在独立性假设下计算出的期望频数进行比较。如果卡方统计量足够大（p 值低于显著性水平），我们就拒绝独立性的零假设。

如何解读卡方检验中的 p 值？

p 值代表在假设零假设为真的情况下，观察到与计算出的卡方统计量一样极端（或更极端）的概率。如果 p 值 ≤ α（通常为 0.05），拒绝零假设并得出存在显著关联的结论。如果 p 值 > α，则无法拒绝零假设。

卡方检验中的自由度是什么？

独立性卡方检验的自由度 (df) 等于 (r-1) × (c-1)，其中 r 是行数，c 是列数。例如，一个 3×4 的表格自由度 df = (3-1) × (4-1) = 6。

什么是 Cramer's V，如何解读它？

Cramer's V 衡量效应量，范围从 0 到 1。它表示关联强度：V < 0.1 微弱，0.1-0.3 弱，0.3-0.5 中等，V > 0.5 强。与 p 值不同，Cramer's V 不受样本量影响。

什么时候应该改用费舍尔精确检验？

当期望频数较小时（任何期望计数低于 5）使用费舍尔精确检验。卡方检验是一种近似计算，在期望值较小时会变得不够准确。对于小样本的 2×2 表格，费舍尔精确检验可提供精确的 p 值。

如何向计算器输入数据？

输入您的列联表，每行占一行，列之间用空格或逗号分隔。对于 2×3 的表格：第一行输入 '10, 20, 30'，第二行输入 '15, 25, 35'。所有行必须具有相同的列数。

其他资源

引用此内容、页面或工具为：

"卡方检验计算器" 于 https://MiniWebtool.com/zh-cn/卡方检验计算器/，来自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 团队开发。更新日期：2026年1月20日

开发者 API 可用: 用一次 JSON HTTP 请求，把这个工具接入你的应用、自动化流程或智能体。查看 API 文档

您还可以尝试我们的 AI数学解题器 GPT，通过自然语言问答解决您的数学问题。

卡方检验计算器

输入列联表

卡方检验计算器

什么是独立性卡方检验？

卡方统计量公式

期望频数公式

自由度

解读卡方检验结果

P 值

效应量：Cramer's V

卡方检验的假设条件

常见应用

如何使用此计算器

常见问题解答

什么是独立性卡方检验？

如何解读卡方检验中的 p 值？

卡方检验中的自由度是什么？

什么是 Cramer's V，如何解读它？

什么时候应该改用费舍尔精确检验？

如何向计算器输入数据？

其他资源

统计与数据分析:

常用工具: