计算卡方检验效应大小的三种方法

在统计学中，有两种常用的卡方检验：

卡方拟合优度检验：用于确定分类变量是否遵循假设分布。

卡方独立性检验：用于确定同一总体中两个分类变量之间是否存在显着关联。

对于这两个检验，我们得到一个 p 值，它告诉我们是否应该拒绝检验的原假设。 p 值告诉我们测试结果是否显着，但它并不能告诉我们测试的效果大小。

衡量效应大小的方法有三种：Phi (φ)、Cramer’s V (V) 和优势比 (OR)。

在本文中，我们将解释如何计算每种效应大小以及何时适合使用它们。

Φ (φ)

如何计算

Phi 的计算公式为^φ = √ (

金子：

X ²是卡方检验统计量

n = 观察总数

何时使用

仅当使用 2 x 2 列联表（即恰好有两行和两列的表）时才适合计算 φ。

如何解读

φ = 0.1 的值被认为是小影响，0.3 被认为是中等影响，0.5 被认为是大影响。

克莱默的 V (V)

如何计算

Cramer 的 V 计算公式为^V = √ (

金子：

X ²是卡方检验统计量

n = 观察总数

df = (#行-1) * (#列-1)

何时使用

当使用大于 2 x 2 列联表的表时，适合计算 V。

如何解读

下表显示了如何根据自由度解释 V：

比值比 (OR)

如何计算

给定以下 2×2 表：

优势比计算如下：

优势比 = (AD) / (BC)

何时使用

仅当使用 2 x 2 列联表时才适合计算优势比。通常，当您想要研究治疗组的成功机会与对照组的成功机会相比时，会计算优势比。

如何解读

我们没有特定的值来认为比值比对应于小、中或大效果，但比值比距离 1 越远，治疗产生真正效果的可能性就越大。高的。

最好使用特定领域的专业知识来确定给定的比值比应被视为小、中还是大。