统计学的一种检验方式。与适合性检验同属于X2检验，它是根据次数资料判断两类因子彼此相关或相互独立的假设检验。

• 中文名 独立性检验
• 外文名 test for independence
• 类型 统计学的一种检验方式
• 英文名 chi square test

百度名片

　　​统计学的一种检验方式。与适合性检验同属于X2检验(即卡方检验，英文名:chi square test)

　　它是根据次数资料判断两类因子彼此相关或相互独立的假设检验。

　　假设有两个分类变量X和Y，它们的值域分另为{x1, x2}和{y1, y2}，其样本频数列联表为:

　　若要推断的论述为H1:"X与Y有关系"，可以利用独立性检验来考察两个变量是否有关系，并且能较精确地给出这种判断的可靠程度。具体的做法是，由表中的数据算出随机变量K^2的值(即K的平方)

　　K^2 = n (ad - bc) ^ 2 / [(a+b)(c+d)(a+c)(b+d)] 其中n=a+b+c+d为样本容量

　　K^2的值越大，说明"X与Y有关系"成立的可能性越大。

　　当表中数据a，b，c，d都不小于5时，可以查阅下表来确定结论"X与Y有关系"的可信程度:

　　例如，当"X与Y有关系"的K^2变量的值为6.109，根据表格，因为5.024≤6.109<6.635，所以"X与Y有关系"成立的概率为1-0.025=0.975，即97.5%。

关联概念

分类变量

　　其不同"值"表示相应对象所属的不同类别的变量，分类变量的取值一定是离散的，而且不同的取值仅表示相应对象所属的类别，如性别变量只取男、女两个"值"，某商品的等级变量只取一级、二级、三级三个"值"，等等。分类变量的取"值"有时可用数字来表示，但这时的数字除了类别以外，没有其他的含义.如用"0"表示"男"，用"1"表示"女"?

列联表

　　分类变量的统计汇总表(频数表).在独立性检验中，一般只研究两个分类变量，且每个分类变量只有两个可取的值;这时得到的列联表称为2×2列联表，如后面的案例中的关于患肺癌与否与吸烟与否的列联表.?

基本思想

独立性检验的必要性

　　独立性检验的学习目标:了解独立性检验的基本思想

　　独立性检验的学习重点:会对两个分类变量进行独立性检验

　　即为什么不能只凭列联表中的数据和由其绘出的图形下结论, 由列联表可以粗略地估计出两个变量(两类对象)是否有关(即粗略地进行独立性检验)，但2×2列联表中的数据是样本数据，它只是总体的代表，具有随机性，故需要用独立性检验的方法确认所得结论在多大程度上适用于总体.关于这一点，在后面的案例中还要进一步说明.

独立性检验的原理及步骤

　　独立性检验是一种假设检验(先假设，再推翻假设),它的原理及步骤与反证法类似.

　　反证法假设检验

　　要证明结论A想说明假设H1(两个分类变量，即两类对象有关)成立

　　在A不成立的前提下进行推理

　　在H1不成立，即H0(两类对象无关，即相互独立)成立的条件下进行推理，

　　推出矛盾，意味着结论A成立，

　　推出小概率事件(概率不超过α，α一般为0.001,0.01,0.05或0.1)发生，意味着H1成立的可能性很大(可能性为1-α)，

　　没有找到矛盾，意味着不能确定A成立，

　　没有推出小概率事件发生，意味着不能确定H1成立。

独立性检验的案例展示

　　案例 某医疗机构为了了解患肺癌与吸烟是否有关，进行了一次抽样调查，共调查了9965个成年人，其中吸烟者2148人，不吸烟者7817人，调查结果是:吸烟的2148人中49人患肺癌,2099人不患肺癌;不吸烟的7817人中42人患肺癌,7775人不患肺癌.

　　根据这些数据能否断定:患肺癌与吸烟有关?

　　【方法一】由样本数据，可得如下列联表和条形图:

　　在不吸烟者中，患肺癌的比重是0.54%;在吸烟者中，患肺癌的比重是 2.28% 。

　　说明吸烟者和不吸烟者患肺癌的可能性存在较大的差异，吸烟者患肺癌的可能性大。可初步判断:患肺癌与吸烟有关.

　　【方法二】以上通过对数据和图表的分析，得到的结论是:患肺癌与吸烟有关.

　　但这个结论在多大程度上适用于总体呢?要回答这个问题，就必须借助于独立性检验的方法来分析.

　　独立性检验是检验两个分类变量是否有关(是否相互独立)的一种统计方法:

　　用字母表示题设数据(使之更有一般性)，可得如下2×2列联表

　　想说明假设H1"患肺癌与吸烟有关"成立.

　　假设H0:H1不成立，即患肺癌与吸烟没有关系.

　　在H0成立的条件下，吸烟者中不患肺癌的的比例应该与不吸烟者中相应的比例差不多，即aa+b≈c;c+d; a(c+d)≈c(a+b); ad-bc≈0.

　　因此|ad-bc|越小,则说明患肺癌与吸烟之间的关系越弱.

　　构造统计量

　　作为检验在多大程度上可认为"两个分类变量有关系"的标准.

　　若H0成立,则k2应该很小.实际上,统计学家们已经估算出如下概率:

　　这就是独立性检验的临界值表。

　　回到本案例，把题设数据代入公式，可得

　　在H0成立的情况下，P(k2≥10.828)<0.001，

　　即k2的值大于10.828的概率非常小(只有0.1%).

　　但这个小概率事件竟然发生了。

　　因此,我们有99.9%以上的把握认为"患肺癌与吸烟有关".

　　【总结】独立性检验的解题步骤如下:

　　第一步 提出假设H0:患肺癌与吸烟没有关系.(目标结论H1"患肺癌与吸烟有关系"的反面.)

　　第二步 计算独立性检验的标准，即统计量k2=n(ad-bc)^2/{(a+b)(c+d)(a+c)(b+d)}的值.(它越小，原假设H0成立的可能性越大;它越大，目标结论H1成立的可能性越大.)

　　第三步 由独立性检验的临界值表得出结论及其可信度(即在多大程度上适用).