如何在 python 中查找临界卡方值

当您执行卡方检验时，您会得到检验统计量。要确定卡方检验结果是否具有统计显着性，您可以将检验统计数据与临界卡方值进行比较。如果检验统计量大于临界卡方值，则检验结果具有统计显着性。

临界卡方值可以通过使用卡方分布表或使用统计软件找到。

要找到临界卡方值，您需要：

• 显着性水平（常见选择为 0.01、0.05 和 0.10）
• 自由程度

使用这两个值，您可以确定要与检验统计量进行比较的卡方值。

如何在 Python 中查找临界卡方值

要在 Python 中查找临界卡方值，您可以使用scipy.stats.chi2.ppf() 函数，该函数使用以下语法：

scipy.stats.chi2.ppf(q, df)

金子：

• q：使用的重要性级别
• df ：自由度

此函数根据提供的显着性水平和自由度返回卡方分布的临界值。

例如，假设我们想要找到显着性水平为 0.05 且自由度 = 11 的临界卡方值。

 import scipy.stats

#find Chi-Square critical value
scipy.stats.chi2.ppf(1-.05, df=11)

19.67514

显着性水平为 0.05 且自由度 = 11 的临界卡方值为19.67514 。

因此，如果我们执行某种类型的卡方检验，我们可以将卡方检验统计量与19.67514进行比较。如果检验统计量大于 19.67514，则检验结果具有统计显着性。

请注意，较小的 alpha 值将导致较高的临界卡方值。例如，考虑显着性水平为0.01且自由度 = 11 的临界卡方值。

 scipy.stats.chi2.ppf(1-.01, df=11)

24.72497

并考虑具有完全相同自由度但显着性水平为0.005的临界卡方值：

 scipy.stats.chi2.ppf(1-.005 df=11) 
26.75685

有关 chi2.ppf() 函数的确切详细信息，请参阅SciPy 文档。