卡方公式（Chi-square formula）是统计学中用于检验分类变量之间是否存在显著关联或拟合优度的核心公式，其标准形式为 χ² = Σ ( (O - E)² / E )，其中O代表观测频数，E代表期望频数。 该公式通过计算实际观测值与理论期望值之间的差异平方和，再除以期望值，得到一个服从卡方分布的统计量。卡方值越大，表明观测值与期望值偏差越显著，从而判断变量间是否独立或模型是否拟合良好。在实际应用中，卡方检验常用于列联表分析、独立性检验和拟合优度检验，需要满足样本量足够大、期望频数不低于5等前提条件。
【常见问题】
问题1：卡方公式中的期望频数E如何计算？
回答1：在卡方公式中，期望频数E通常基于独立假设计算。对于列联表，每个单元格的期望频数等于该行总数乘以该列总数再除以总样本数。例如，在2×2表中，单元格期望频数E = (行合计×列合计) / 总频数。
问题2：卡方公式适用于什么类型的变量？
回答2：卡方公式适用于分类变量（名义变量或有序分类变量），要求数据以频数形式呈现。它不适用于连续变量，如果连续变量需要先分组转化为分类数据才能使用卡方公式。
问题3：卡方公式计算出的结果如何解读？
回答3：卡方公式计算出的卡方统计量会与给定显著性水平下的临界值比较。如果卡方值大于临界值，则拒绝原假设，说明变量间存在显著关联；反之则接受原假设，认为差异不显著。通常还会结合p值进行判断。
问题4：使用卡方公式时有哪些常见注意事项？
回答4：使用卡方公式时需注意：期望频数不宜过小（一般要求所有E≥5，若存在小于5的单元格，需使用Fisher精确检验或合并类别）；样本量不宜过小；卡方检验对零频数敏感，零频数单元格可能导致结果失真。此外，卡方检验只能判断关联性，不能说明因果方向。