卡方適合度檢定
卡方適合度檢定用於判斷分類變數的觀測次數分配是否與某一特定的期望分配相符。它將資料中每個類別實際出現的頻率,與根據理論模型或先驗假設預期每個類別應出現的頻率進行比較。
最後審閱
核心要點
卡方適合度檢定用於判斷分類變數的觀測次數分配是否與某一特定的期望分配相符。
什麼是卡方適合度檢定?
卡方適合度檢定用於判斷分類變數的觀測次數分配是否與某一特定的期望分配相符。它將資料中每個類別實際出現的頻率,與根據理論模型或先驗假設預期每個類別應出現的頻率進行比較。
例如,可以檢定生產線在所有班次上產生的缺陷是否均等,或者客戶投訴在各類別中的分配是否符合模型預測的比例。
簡單定義:該檢定用於檢查各類別中實際觀測到的計數是否與預期計數相符,從而告訴您資料是否符合所預測的模式。
何時使用卡方適合度檢定?
- 當反應變數為 分類變數,且需要檢定其觀測分配是否與期望分配或理論分配相符時使用。
- 用於驗證 製程是否按預期比例產生缺陷或結果,類別可以是班次、機器或產品類型等。
- 當已有 理論模型或先驗分配,並希望檢定實際資料與其吻合程度時使用。
- 用於 抽樣稽核、合規檢查和品質審查,這些場合的期望次數已知,來自規格或歷史資料。
正確使用卡方適合度檢定的指南
- 每個類別的 期望次數必須至少為 5,期望計數很小的類別會使檢定不可靠。必要時合併類別。
- 觀測必須 相互獨立,即一個類別中的計數不得影響另一個類別中的計數。
- 期望比例或期望計數必須 在檢視資料之前確定,若從被檢定的同一資料集中推導,則屬於迴圈論證,是無效的。
- 當 p 值小於 0.05 時,表明觀測分配與期望分配存在顯著差異,應進一步調查哪些類別的偏差最大。
- 收集 足夠大的總樣本,以確保所有期望儲存格次數都達到最低閾值 5。
替代方法:何時不宜使用卡方適合度檢定
- 如果要檢定 兩個分類變數之間的關係,請使用 卡方獨立性檢定
- 如果反應變數為 連續變數,請使用 常態性檢定或單一分配識別
- 如果計數資料服從 卜瓦松過程(隨時間或區域發生的稀有事件),請使用 卜瓦松適合度檢定
卡方適合度檢定範例
某採購經理想比較各尺碼 T 恤的銷售比例與訂購比例。經理統計一週內每個尺碼 T 恤的銷售件數。採購員進行卡方適合度檢定,以確定所售 T 恤尺碼的比例是否與所訂 T 恤尺碼的比例一致。檢定步驟如下:
- 收集所需資料。

- 現在,在 Zometric Statistical Software 中分析資料,網址為 https://statsai.zometric.com/。
- 要找到卡方適合度檢定,請選擇 Statistical module> Hypothesis Test> Chi Square Goodness Of Fit。
- 在工具中輸入資料及其他輸入項,如下所示:

5. 使用上述工具後,得到如下輸出:

如何進行卡方適合度檢定
操作步驟如下:
- 登入 Zometric Statistical Software,網址為 https://statsai.zometric.com/
- 在首頁選擇 Statistical Tool> Hypothesis Test >Chi Square Goodness Of Fit。
- 接下來,手動更新資料,或從 Excel 表格中完整複製(Ctrl+C)資料並貼上(Ctrl+V)到此處。
- 填寫所需選項。
- 最後,點選頁面底部的 calculate,即可得到所需結果。
在卡方適合度檢定的工具介面上,視窗分為兩部分。

左側為資料窗格(Data Pane)。在資料窗格中,每一列構成一個子群組。資料可手動輸入,也可從 Excel 表格中完整複製(Ctrl+C)並貼上(Ctrl+V)到此處。
Load example: 將載入範例資料。
Load File: 用於直接載入 Excel 資料。
右側提供以下選項:
- Observed Counts 選擇包含資料中每個類別的 實際計數 的欄,例如每個班次觀測到的缺陷數、每個類別的客戶投訴數,或每組中的發生次數。這是檢定用來比較實際發生情況與期望情況的核心輸入。此欄位為必填。
- Category Names; 選擇包含每個類別的 標籤或名稱 的欄,例如班次 1、班次 2、班次 3,或劃痕、凹痕、撕裂。此項為可選,但建議使用,因為這樣輸出圖表和結果表的標註清晰,更便於解讀以及在報告中展示。
- Test: 定義觀測計數所比較的期望分配。提供三個選項:
- Equal Proportions:檢定所有類別是否以相同頻率出現。當虛無假設為各類別應出現相同次數時使用,例如檢定缺陷是否在一週的每一天均勻分配。
- Specific Proportions:檢定各類別是否按手動輸入的特定預設比例出現。當期望分配基於理論、歷史資料或規格時使用,例如檢定是否有 60% 的結果落在類別 A,30% 落在類別 B,10% 落在類別 C。
- Properties Specified by Historical Counts (Input Column):依據由歷史計數參考欄得出的期望比例進行檢定,而不是手動輸入的值。當有以前的資料集或基線期,且希望將當前資料的分配與其比較時使用。
- Specific Proportion: 使用 Specific Proportions 或 Historical Counts 檢定選項時,選擇包含每個類別的 期望比例或參考計數 的欄。該欄中的值定義了虛無假設下分配應有的樣子,每個類別的期望比例必須與 Observed Counts 欄中的類別依次對應。
- Bar Chart of Observed and Expected Values: 啟用後,顯示並排條形圖,比較每個類別的 觀測計數與期望計數。這是最有用的視覺化輸出之一,可立即看出哪些類別的觀測值與期望值差距最大,幫助找出分配偏離最大之處。
- Bar Chart of Each Category Contribution to the Chi-Square Value: 啟用後,顯示條形圖,說明每個類別 對整體卡方統計量的貢獻有多大。條形最高的類別是導致顯著結果的主要來源,這有助於準確識別哪些類別對偏離期望分配的責任最大,而不只是知道整體存在差異。
- Display Bars from Largest to Smallest: 啟用後,圖表中的條形按 降序 排列,從貢獻或計數最大者到最小者。這樣更容易確定哪些類別最重要,並優先關注偏差最大的類別,在類別很多、希望快速找出最顯著者時尤其有用。
- Display Test Results: 啟用後,直接在圖表上或圖表旁顯示完整的統計檢定輸出,包括 卡方統計量、自由度和 p 值。這樣無需檢視單獨的輸出表,就能在一處同時檢視圖形與統計結果。
常見問題
卡方適合度檢定能說明什麼?
它說明分類變數的觀測次數分配是否與某一特定的期望分配相符,方法是將每個類別實際出現的頻率與其在理論模型或先驗假設下應出現的頻率進行比較。p 值小於 0.05 表示存在顯著差異;此時應進一步調查哪些類別的偏差最大。
卡方適合度檢定的前提條件是什麼?
每個類別的期望次數應至少為 5;必要時合併類別,並收集足夠大的總樣本。觀測必須相互獨立,即一個類別中的計數不影響另一個類別。期望比例必須在檢視資料之前確定,因為從同一資料集中推導屬於迴圈論證,是無效的。
可以檢定哪些期望分配?
在 Zometric Statistical Software 中,Test 選項提供三種選擇:Equal Proportions,即每個類別應以相同頻率出現;Specific Proportions,根據理論、歷史資料或規格手動輸入;以及由參考欄中的歷史計數指定的比例,用於將當前資料與以前的資料集或基線期進行比較。
什麼情況下應改用卡方獨立性檢定?
對於一個分類變數與期望分配的比較,使用適合度檢定。要檢定兩個分類變數之間的關係,請使用卡方獨立性檢定。如果反應是連續變數,請使用常態性檢定或單一分配識別;如果計數服從卜瓦松過程,請使用卜瓦松適合度檢定。
