什麼是 Cramér's V，如何解讀它？

Cramér's V 是衡量卡方檢定效應大小的指標，範圍從 0 到 1。它表示兩個類別變數之間相關性的強度。解讀指南：V 0.5 表示強相關。與 p 值不同，Cramér's V 不受樣本大小的影響。

什麼時候應該使用 Fisher 精確檢定而不是卡方檢定？

當期望次數較小時（通常是任何期望次數小於 5 時），首選 Fisher 精確檢定。卡方檢定是一種近似值，在期望值較小時會變得不夠精確。對於樣本較小的 2×2 表格，Fisher 精確檢定可提供精確的 p 值。當期望次數低於 5 時，此計算機會發出警告。

如何將數據輸入卡方計算機？

輸入您的列聯表數據，每一列換行輸入，各行之間以空格或逗號分隔。例如，對於一個 2×3 表格：在第一行輸入 '10, 20, 30'，在第二行輸入 '15, 25, 35'。所有列必須具有相同數量的行。計算機接受整數和十進位數值。

卡方檢定計算機

Q: 卡方檢定中的自由度是什麼？

卡方獨立性檢定的自由度 (df) 等於 (r-1) × (c-1)，其中 r 是列聯表的列數，c 是行數。自由度決定了用於計算 p 值的卡方分佈。例如，3×4 表格的自由度 df = (3-1) × (4-1) = 6。

執行卡方獨立性檢定，檢驗兩個類別變數是否顯著相關。逐步取得卡方統計量、p值、期望次數、各格貢獻度與Cramer's V效應量。

免費使用無需註冊2026年1月更新

卡方檢定計算機立即免費試用 ▼

Embed 卡方檢定計算機 Widget

卡方檢定計算機

卡方檢定計算機 執行卡方獨立性檢定，以確定兩個類別變數之間是否存在統計學上的顯著相關性。這款綜合工具可計算卡方統計量、p 值、自由度、期望次數、單元格貢獻度和效應大小 (Cramer's V)，並提供完整的統計分析和逐步解釋。

什麼是卡方獨立性檢定？

卡方獨立性檢定是一種無母數統計檢定，用於分析組織在列聯表中的兩個類別變數之間的關係。它將觀察次數（數據中的實際計數）與期望次數（如果變數真正獨立時我們所期望的次數）進行比較。

該檢定評估兩個變數相互獨立的虛無假設。如果檢定產生足夠大的卡方統計量（導致較小的 p 值），我們則拒絕虛無假設，並得出變數之間存在統計顯著相關性的結論。

卡方統計量公式

卡方統計量

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

其中：

O_ij = 單元格 (i, j) 的觀察次數
E_ij = 單元格 (i, j) 的期望次數
總和是對列聯表中的所有單元格進行計算

期望次數公式

期望次數

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

其中：

R_i = 第 i 列的總計
C_j = 第 j 行的總計
N = 所有觀察值的總計

自由度

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

其中 r 是列數，c 是行數。自由度決定了用於計算 p 值的卡方分佈。

解讀卡方檢定結果

P 值 (P-Value)

p 值告訴您在虛無假設為真的情況下，觀察到與您計算出的卡方統計量一樣極端（或更極端）的機率：

p 值 ≤ α：拒絕虛無假設。變數之間存在統計上的顯著相關性。
p 值 > α：無法拒絕虛無假設。沒有足夠證據得出存在相關性的結論。

常用顯著水準 (α)：

α 水準	信心水準	使用場景
0.10	90%	探索性分析、初步研究
0.05	95%	大多數研究的標準（最常用）
0.01	99%	更嚴格的檢定、醫學研究
0.001	99.9%	極其嚴格的標準、高風險決策

效應大小：Cramer's V

雖然 p 值告訴您是否存在相關性，但 Cramer's V 衡量的是該相關性的強度：

Cramer's V

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

其中 k = min(列數, 行數)。解讀指南：

Cramer's V	相關性強度
0.00 - 0.10	相關性極微
0.10 - 0.30	弱相關
0.30 - 0.50	中等相關
0.50+	強相關

卡方檢定的假設條件

獨立性： 觀察值必須相互獨立
樣本大小： 每個單元格的期望次數通常應至少為 5
隨機抽樣： 數據應來自隨機樣本
類別數據： 兩個變數都必須是類別變數（名義或順序）

當期望次數低於 5 時，卡方近似可能不可靠。對於 2×2 表格，請考慮改用 Fisher 精確檢定。當任何期望次數低於 5 時，此計算機會發出警告。

常見應用

醫學研究： 檢定治療方法是否與病患結果相關
市場行銷： 分析人口統計特徵與購買行為之間的關係
遺傳學： 檢定性狀是否遵循預期的遺傳模式
社會科學： 調查問卷回覆之間的關聯性
品質控制： 確定瑕疵率是否隨生產線而異
教育： 分析教學方法與學生表現之間的關係

如何使用此計算機

輸入您的列聯表： 輸入觀察次數，每一列換行輸入，各行之間以空格或逗號分隔
選擇顯著水準： 選擇 α = 0.05 (95% 信心水準) 進行標準分析，或根據您的要求進行調整
設定小數精度： 選擇結果顯示的小數位數
查看結果： 檢查卡方統計量、p 值、結論和效應大小
分析表格： 比較觀察次數與期望次數，並識別對統計量貢獻最大的單元格

常見問題解答

什麼是卡方獨立性檢定？

卡方獨立性檢定是一種統計假設檢定，用於確定兩個類別變數之間是否存在顯著相關性。它將列聯表中的觀察次數與在獨立假設下計算出的期望次數進行比較。如果卡方統計量足夠大（p 值低於顯著水準），我們則拒絕獨立性的虛無假設。

如何解讀卡方檢定中的 p 值？

p 值代表在虛無假設為真的情況下，觀察到與計算值一樣極端（或更極端）的卡方統計量的機率。如果 p 值 ≤ α（通常為 0.05），則拒絕虛無假設並得出存在顯著相關性的結論。如果 p 值 > α，則無法拒絕虛無假設。

卡方檢定中的自由度是什麼？

卡方獨立性檢定的自由度 (df) 等於 (r-1) × (c-1)，其中 r 是列數，c 是行數。例如，3×4 表格的自由度 df = (3-1) × (4-1) = 6。

什麼是 Cramer's V，如何解讀它？

Cramer's V 衡量效應大小，範圍從 0 到 1。它表示相關強度：V < 0.1 為極微，0.1-0.3 為弱，0.3-0.5 為中等，V > 0.5 為強。與 p 值不同，Cramer's V 不受樣本大小影響。

我應該什麼時候改用 Fisher 精確檢定？

當期望次數較小時（任何期望計數低於 5）使用 Fisher 精確檢定。卡方檢定是一種近似值，在期望值較小時會變得不夠準確。對於樣本較小的 2×2 表格，Fisher 精確檢定提供精確的 p 值。

如何將數據輸入計算機？

輸入您的列聯表，每一列換行輸入，各行之間以空格或逗號分隔。對於 2×3 表格：在第一行輸入 '10, 20, 30'，第二行輸入 '15, 25, 35'。所有列的行數必須一致。

其他資源

引用此內容、頁面或工具為：

"卡方檢定計算機" 於 https://MiniWebtool.com/zh-tw/卡方檢定計算機/，來自 MiniWebtool，https://MiniWebtool.com/

由 miniwebtool 團隊提供。更新日期：2026年1月20日

開發者 API 可用: 用一次 JSON HTTP 請求，把這個工具接入你的應用程式、自動化流程或代理。查看 API 文件

您還可以嘗試我們的 AI數學解題器 GPT，通過自然語言問答解決您的數學問題。

卡方檢定計算機

輸入列聯表

卡方檢定計算機

什麼是卡方獨立性檢定？

卡方統計量公式

期望次數公式

自由度

解讀卡方檢定結果

P 值 (P-Value)

效應大小：Cramer's V

卡方檢定的假設條件

常見應用

如何使用此計算機

常見問題解答

什麼是卡方獨立性檢定？

如何解讀卡方檢定中的 p 值？

卡方檢定中的自由度是什麼？

什麼是 Cramer's V，如何解讀它？

我應該什麼時候改用 Fisher 精確檢定？

如何將數據輸入計算機？

其他資源

統計與數據分析:

熱門與最新工具:

升級 Pro，一個 ZIP 下載全部檔案