【简答题】卡方检验的应用条件有哪些？

【简答题】卡方检验的应用条件有哪些？

卡方检验是处理计数资料的核心统计方法，但其应用需严格满足数据类型和样本特征条件，否则可能导致结论偏差。最关键的前提是数据必须为无序分类变量（如性别、疾病类型），而非数值变量或有序分类变量（如病情轻重等级）。在此基础上，根据表格类型（四格表或R×C表）有不同的具体要求。

一、四格表（2×2列联表）的应用条件

适用于比较两个率或构成比，需结合样本量（n）和理论频数（T，即期望计数）判断：

Pearson卡方检验：当总样本量≥40，且所有格子的理论频数T≥5时使用基础公式。例如比较两种药物的有效率，若每组样本量均大于20且无小理论频数，可直接采用此方法。

连续性校正卡方：若样本量≥40，但存在1≤T<5的格子（最多1个），需用校正公式以减少偏差。这种情况常见于小样本率比较，如某罕见病的治疗效果研究。

Fisher确切概率法：当样本量<40，或任意格子的T<1时，必须改用此法。例如急诊研究中某组患者数仅25例，或理论频数出现0.8等极小值时，卡方检验不再适用。

二、R×C表（多行多列）的应用条件

适用于多个率或构成比的比较，核心要求是理论频数不能过小：

基本条件：所有格子的T>1，且T在1~5之间的格子数不超过总格子数的1/5（20%）。例如3种手术方式的并发症发生率比较（3×2表），若12个格子中仅有2个T=3（占比16.7%），仍可使用Pearson卡方。

处理违规情况：若超过1/5的格子T<5，或存在T<1，需通过合并相邻类别（如将“非常不满意”与“不满意”合并）或增加样本量改善数据分布。若调整后仍不满足，则需改用Fisher确切概率法。

三、通用前提：独立性与随机性

无论哪种表格类型，数据必须满足观测值独立（如同一患者不重复纳入）和随机抽样。例如在病例对照研究中，病例组与对照组需严格独立，避免交叉抽样。

总结：选择流程图

是否为无序分类变量？→ 否（改用t检验/秩和检验） → 是 → 表格类型？ → 四格表： → n≥40且T≥5 → Pearson卡方 → n≥40且1≤T<5 → 校正卡方 → n<40或T<1 → Fisher确切概率法 → R×C表： → T>1且1≤T<5格子<20% → Pearson卡方 → 否则 → 合并/增加样本量或Fisher法

实际应用中，统计软件（如SPSS）会自动计算理论频数并提示是否适用卡方检验，但研究者需理解背后逻辑，避免机械套用。例如当软件提示“2个单元格T<5”时，需先检查总格子数是否超过10个（2/10=20%），再决定是否调整数据。记住：小样本或极端理论频数时，Fisher确切概率法是更稳健的选择。