第十六單元 列聯表(一) -- 卡方檢定

梁文敏 副教授 葉懿諄 統計分析師

卡方檢定適用於探討兩個類別變數的相關，是實務上最常用到的方法之一。舉
例來說，假設我們欲探討性別與睡眠困擾之相關，資料如下：
性別(sex)
女 男 全部
睡眠困擾

無 16 4 20
有 12 18 30
全部 28 22 50
針對此問題，假設檢定如下：
H0：性別與睡眠困擾無相關(男性與女性睡眠困擾的比例相同)
HA：性別與睡眠困擾有相關(男性與女性睡眠困擾的比例不相同)
根據虛無假說性別與睡眠困擾無相關，也就是男性與女性有睡眠困擾的機率是相同
的，因而從此觀點，我們可以用全部樣本中有睡眠困擾的機率來計算男性與女性有
睡眠困擾的期望次數(Expected Count)。上表中，全部樣本有睡眠困擾的機率為
0.6(30/50)，因此可計算出女性有睡眠困擾的期望次數為 16.8 人(28 人*0.6)，而男性
為 13.2 人(22 人*0.6)。
性別(sex)
女 男 全部
睡眠困擾

無 11.2 8.8 20
有 16.8 13.2 30
全部 28 22 50

由於上表係根據虛無假設為真的條件下所計算得之的結果，因此，當期望次數與觀
測次數愈不相同時，表示愈不支持虛無假設，也就是愈傾向於兩個變數之間有相關
存在。

16.1 卡方檢定
【範例】性別(sex)與現在睡眠困擾(sleepTR1)是否有相關。

範例資料：
id sex sleepTR1
1 1 1
2 0 0

- 101 -
 3 0 1
… … …
50 1 1
註：sex (0:女，1:男)
sleepTR1 (0:沒有，1:有)

使用方法：
由於現在睡眠困擾(sleepTR1)及性別(sex)都是類別變數。因此，可以利用卡方檢
定來檢視兩者之間的相關性。

軟體操作步驟
【SPSS步驟】
步驟一：選擇功能【Analyze分析】→進入【Descriptive Statistics敘述統計】→進入
【Crosstabs交叉表】。
步驟二：在Row(s)列框格中(選入變數：sex)→在Column(s)欄框格中(選入變數：
sleepTR1)。
步驟三：選擇進入：Statistics統計量→勾選：Chi-square卡方統計量→Continue繼續
步驟四：選擇進入：Cells格→勾選：Observed觀察值、Expected期望值、Row橫列
→Continue繼續。
步驟五：選擇OK確定。

- 102 -
 結果表格
Case Processing Summary
Cases
Valid Missing Total
N Percent N Percent N Percent
sleepTR1 * sex 50 100.0% 0 .0% 50 100.0%

sleepTR1 * sex Crosstabulation

sex
0 1 Total
sleepTR1 0 Count 16 4 20
Expected Count 11.2 8.8 20.0
% within sex 57.1% 18.2% 40.0%
1 Count 12 18 30
Expected Count 16.8 13.2 30.0
% within sex 42.9% 81.8% 60.0%
Total Count 28 22 50
Expected Count 28.0 22.0 50.0
% within sex 100.0% 100.0% 100.0%

上表為性別與睡眠困擾的交叉列聯表。從上表中我們可以看出女性與男性有睡
眠困擾的比例分別為42.9%及81.8%，男性有睡眠困擾的比例較女性高。

- 103 -
 Chi-Square Tests
Asymp. Sig. Exact Sig. Exact Sig.
Value df (2-sided) (2-sided) (1-sided)
Pearson Chi-Square 7.792b 1 .005
Continuity Correctiona 6.253 1 .012
Likelihood Ratio 8.196 1 .004
Fisher's Exact Test .008 .005
Linear-by-Linear Association 7.636 1 .006
N of Valid Cases 50
a. Computed only for a 2x2 table
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 8.80.

由上表卡方檢定(Pearson Chi-Square)的結果可知檢定統計值（或稱 χ2 值）為

7.792，p 值為 0.005 小於 0.05，因此，拒絕虛無假說(性別對睡眠困擾是沒有影響)，
表示性別和睡眠困擾之間是有相關性的，而且由資料中可知男性有睡眠困擾的比例
較女性高。

填填看
解釋變數
目標變數
研究問題 Factor(s) (F) Covariate (C) 檢定方式 檢定值 p值
--類別變數
--類別變數 --連續變數
性別(sex)是否會影 sleepTR1 sex Chi-square χ2=7.792 0.005
響現在睡眠困擾 test
(sleepTR1)

練習:
職場壓力(pressure)
是否會影響現在睡
眠困擾(sleepTR1)

小小叮嚀
卡方檢定雖然是探討兩個類別變數之相關性最常用的方法之一，但當樣本數不
大時，卡方檢定可能並不適用。在實務上，假如期望次數小於5的細格數(cells)
超過全部細格數的20%，卡方檢定的結果就較不可信，需要利用費雪精確檢定
(Fisher exact test)的結果取代之。例如：2*2的表格中若有一個細格的期望次數
小於5(1/4=25%，超過20%)，則需要改用費雪精確檢定。

SAS 小教室
PROC FREQ;
TABLES sex* sleepTR1 /chisq;
RUN;

- 104 -