Elysia Tools

在一个清晰的工作台里浏览工具、案例、可视化和主题指南。

热门分类

专题

Language
ZHDERUPTENFRES

Elysia Tools

Navigation

Data Analysis

列联表卡方 Fisher 精确检验 Cramér's V 教学器

· Last updated:2026-08-17

对 2×2 与 R×C 列联表做逐步假设检验讲解:Pearson 卡方、Yates 连续性修正、G 检验(似然比)、小期望频数时的 Fisher 精确检验、效应量(Cramér's V / phi / 列联系数)、Haberman 调整残差的单元格级贡献定位、多重比较 BH-FDR 提示,以及可选的 Chapman 标记重捕总体估计。

Details

What this tool helps you do

公式与数值方法:χ² = Σ(O−E)²/E(E = 行合计×列合计/N,df=(R−1)(C−1));Yates 修正仅用于 2×2:Σ(|O−E|−0.5)²/E;G = 2ΣO·ln(O/E)(O=0 项计 0)。p 值由正则化不完全伽马函数 Q(k/2, χ²/2) 计算(级数展开与连分式双路径,精度 ~1e-7;df=1 时与 erfc(√(χ²/2)) 恒等、df=2 时与 e^(−χ²/2) 恒等,均作自检)。Fisher 2×2 精确检验用 lgamma(Lanczos g=7)计算超几何概率,双尾采用 SciPy 约定(概率 ≤ 观测表的所有表求和);参考例:品茶实验 [[3,1],[1,3]] 双尾 p = 34/70 = 0.4857。效应量:V = √(χ²/(N·min(R−1,C−1))),phi = √(χ²/N)(2×2),C = √(χ²/(χ²+N));V 的经验解读(0.1/0.3/0.5)来自 Cohen。调整残差 d = (O−E)/√(E(1−p行)(1−p列)),|d|>1.96(α=.05)或 >2.58(α=.01)的单元格标注显著并附 BH-FDR 多重比较提示。Cochran 规则:所有 E ≥ 5(或 E<5 的单元格 ≤20% 且无 E<1),否则建议 Fisher/模拟。Chapman 估计(可选,仅 2×2):N̂ = (a+1)(b+1)/(c+1) − 1(Lincoln-Petersen 修正)。检验向量:[[30,20],[20,30]] → χ²=4、p=0.0455、Yates χ²=3.24、G=4.0271、V=0.2、调整残差全部 ±2。

Execution

Run this tool

Fill in the form, run the tool, and review the result in one place.

Samples

Examples that match this tool

Related

Continue with connected tools and hubs

Written by the Elysia Tools team

工具使用指南

Learn when to use this tool, what it supports, and how real users apply it.

关键事实

Category
Data Analysis
Input types
textarea, select, number, checkbox
Output type
html
Sample coverage
4
API ready
Yes

概览

列联表卡方 Fisher 精确检验 Cramér's V 教学器可读取 2×2 或 R×C 列联表,逐步计算 Pearson 卡方、G 检验、适用时的 Yates 修正与 Fisher 精确检验,并展示效应量、调整残差和显著性提示。

适用场景

  • 比较两个分类变量是否存在统计关联。
  • 2×2 列联表存在较小期望频数,需要参考 Fisher 精确检验。
  • 除了 p 值,还需要查看关联强度和具体贡献单元格。

使用方式

  1. 1在输入框中按行填写列联表,每行的数值可用逗号、空格或制表符分隔。
  2. 2工具根据行合计、列合计和总样本量计算期望频数、Pearson 卡方、自由度和 p 值。
  3. 3对于 2×2 表,可按设置自动、始终或从不应用 Yates 连续性修正;同时计算 G 检验。
  4. 4结果还包括 Fisher 双尾精确检验、Cramér's V 等效应量、Haberman 调整残差、BH-FDR 提示,以及可选的 Chapman 标记重捕估计。

常见用途

  • 医学或社会科学研究中比较分类变量与结果变量的关联。
  • 调查问卷中分析不同群体的选项分布差异。
  • 生态学标记重捕数据中使用 2×2 表进行 Chapman 总体估计。

示例

1. 均衡 2×2 表的独立性检验

统计课程学习者

背景

学习者需要验证一组对称的 2×2 计数表,并同时理解卡方、Yates 修正、G 检验和效应量。

问题

希望快速得到标准统计量,并查看各单元格对关联的贡献。

如何使用

输入 `30, 20` 和 `20, 30` 两行,Yates 修正选择“自动”,显著性水平保留为 0.05,并关闭 Chapman 估计。

列联表:30, 20;20, 30;Yates:自动;α:0.05;Chapman:关闭。

结果

结果为 χ²=4、p=0.0455、Yates χ²=3.24、G=4.0271、Cramér's V=0.2,调整残差为 ±2。

2. 小样本品茶实验的 Fisher 检验

实验研究者

背景

常见问题

支持哪些列联表?

支持 2×2 和 R×C 列联表。每行输入一组计数,单元格之间用逗号、空格或制表符分隔。

什么时候应参考 Fisher 精确检验?

当期望频数过小、不满足 Cochran 规则时,应优先参考 2×2 表的 Fisher 精确检验结果。

Yates 修正适用于哪些表?

Yates 连续性修正仅适用于 2×2 列联表,可选择自动、始终应用或从不应用。

Cramér's V 表示什么?

Cramér's V 用于衡量分类变量之间的关联强度,取值越大通常表示关联越强。

如何定位导致关联的单元格?

可查看 Haberman 调整残差;绝对值超过设定阈值的单元格会被标注,并附带 BH-FDR 多重比较提示。

首页
工具3212
案例593
可视化471
文件查看器103
专题239
标签333
图像、音频与视频657

图像、音频、视频处理、转换与优化工具

数学、日期与金融647

计算器、数值计算、日期逻辑、统计与金融工具

设计与颜色298

颜色、版式、图形、视觉样式与设计辅助工具

文本与写作209

写作、清洗、格式化、提取与文本分析工具

开发与 Web193

开发者工具、网络处理、Web 调试与自动化辅助工具

转换与编码175

格式、文件、压缩包、单位与编码转换工具

潜客测验发布与联系人交接
讣告、悼词与纪念卡的家属复核及交付
本地习惯记录的备份、恢复演练与分享前检查
长文改编 X 串文与 LinkedIn 帖子的事实复核与交付
Markdown 互动课件审校、离线演示与交付

© 2026 Elysia Tools. 保留所有权利。

文档价格关于我们服务条款隐私政策Cookie 政策联系我们
Java

Android Java 图像处理示例

Android Java 图像处理示例,包括图像读取保存、缩放和格式转换

Kotlin

Android Kotlin 图像处理示例

Android Kotlin 图像处理示例,包括图像读取保存、缩放和格式转换

Python

Web Python 图像处理示例

Web Python 图像处理示例,使用 PIL/Pillow 包括读取、保存、缩放和格式转换

Rust

Web Rust 图像处理示例

Web Rust 图像处理示例,包括图像读取保存、缩放和格式转换

Data Analysis

Nemenyi 临界差与 Friedman 排名图

Friedman 与 Iman-Davenport 检验(精确 p 值)、平均排名、Nemenyi 临界差与经典 CD 图(含无显著差异 clique),另可叠加对对照模型的 Bonferroni-Dunn。

Data Analysis

看板周期时间与吞吐量教练

从 CSV(Jira 风格或简单格式)导入创建→开始→完成时间戳,得到敏捷教练视角的流指标:前置/周期时间分位数、WIP 年龄、按天/周/月的吞吐量、累积流图以及 Little 定律一致性校验。

Data Analysis

峰度分析器

分析数据峰度来衡量分布的"尾部性"并检测重尾或轻尾模式

Data Analysis

训练/测试集分层切分器

读取 CSV/JSON 数据集,按目标列做分层抽样的 train/validation/test 切分(默认 70/15/15,随机种子可复现),或分层 k 折交叉验证;输出每折类别分布报告与偏差条、重复行泄漏检查、SMOTE 过采样预览(仅在训练折上做最近邻插值),并可导出各折 CSV 为 ZIP。

研究者分析品茶实验的 2×2 结果,每个单元格的期望频数均为 2,卡方近似可能不够可靠。

问题

需要在期望频数较小时使用精确概率判断是否存在独立性证据。

如何使用

输入 `3, 1` 和 `1, 3` 两行,Yates 修正保持“自动”,显著性水平设为 0.05,并查看 Fisher 双尾 p 值。

列联表:3, 1;1, 3;Yates:自动;α:0.05;Chapman:关闭。

结果

工具提示期望频数过小,并给出 Fisher 双尾 p=0.4857;该结果不支持拒绝独立性假设。

3. 标记重捕数据的 Chapman 估计

生态学研究者

背景

研究者将两次标记重捕结果整理为 2×2 列联表,希望获得 Chapman 修正后的总体数量估计。

问题

除列联表检验外,还需要计算适用于 2×2 标记重捕数据的总体估计值。

如何使用

输入 2×2 标记重捕计数,勾选“Chapman 标记重捕估计(2×2)”,再查看输出中的估计结果。

结果

工具按 N̂ = (a+1)(b+1)/(c+1) − 1 计算 Chapman 总体估计,并同时展示该列联表的相关检验结果。