皮尔逊卡方与概率值P的关系
如果P值很小，说明原假设情况的发生的概率很小，且P值越小，表明结果越显著，皮尔逊卡方就越大。
在作结论时，应确实描述方向性（例如显著大于或显著小于）。sig值通常用 P>0.05 表示差异性不显著；0.01<P<0.05 表示差异性显著；P<0.01表示差异性极显著。
根据假设检验方法，在零假设成立的条件下，即假设两变量不存在相关性的前提下，计算出两变量不存在相关性的概率值（P值），如果这个P值很小。
说明两变量不存在相关性的概率很小，我们就可以拒绝原假设，接受备择假设，那么这里我们就需要一个阈值。
通常以5%为阈值（这里的阈值也称为显著水平），如果 p<0.05,则说明可以拒绝原假设。接受备择假设，即两变量之间存在显著的线性关联。
所以当p值远大于 0.05时，即使相关系数很大，我们也不能说两变量之间存在明显相关性；而且一般要先在p值满足要求的前提下再去谈，相关系数的大小。
皮尔逊卡方的概念：
皮尔森卡方检验（英语：Pearson's chi-squared test）是最有名卡方检验之一（其他常用的卡方检验还有叶氏连续性校正、似然比检验、一元混成检验等等，它们的统计值之机率分配都近似于卡方分配，故称卡方检验）。
“皮尔森卡方检验”最早由卡尔·皮尔森在1900年发表，用于类别变数的检验。
绛旓細濡傛灉P鍊煎緢灏忥紝璇存槑鍘熷亣璁炬儏鍐电殑鍙戠敓鐨勬鐜囧緢灏忥紝涓擯鍊艰秺灏忥紝琛ㄦ槑缁撴灉瓒婃樉钁楋紝鐨皵閫婂崱鏂瑰氨瓒婂ぇ銆傚湪浣滅粨璁烘椂锛屽簲纭疄鎻忚堪鏂瑰悜鎬э紙渚嬪鏄捐憲澶т簬鎴栨樉钁楀皬浜庯級銆俿ig鍊奸氬父鐢 P>0.05 琛ㄧず宸紓鎬т笉鏄捐憲锛0.01<P<0.05 琛ㄧず宸紓鎬ф樉钁楋紱P<0.01琛ㄧず宸紓鎬ф瀬鏄捐憲銆傛牴鎹亣璁炬楠屾柟娉曪紝鍦ㄩ浂鍋囪鎴愮珛鐨勬潯浠朵笅...
绛旓細鐨皵閫婂崱鏂瑰糚鍊瓒婂皬锛岃鏄庡師鍋囪鎯呭喌鐨勫彂鐢熺殑姒傜巼瓒婂皬锛屼笖P鍊艰秺灏忥紝琛ㄦ槑缁撴灉瓒婃樉钁楋紝鐨皵閫婂崱鏂瑰氨瓒婂ぇ銆
绛旓細鐨皵閫婂崱鏂瑰a鍦ㄨ鏂囦腑鎻忚堪鍗℃柟鍊笺傛昏涓殑鐨皵閫婂崱鏂瑰嵆涓哄崱鏂瑰硷紝妗堜緥涓负3.327銆傚崱鏂瑰艰秺澶э紝涓ょ娌荤枟鐨勭枟鏁堟湁宸埆鐨鍙兘鎬瓒婂ぇ銆P鍊鐨勫垽瀹氭瘮杈冨鏉傘
绛旓細spss鐨鐨皵閫婂崱鏂妫楠屽拰t妫楠岀殑p鍊涓鏍枫俿pss鏄竴娆剧粺璁″姛鑳介潪甯稿畬鍠勭殑杞欢锛岄泦鏁版嵁褰曞叆銆佽祫鏂欑紪杈戙佹暟鎹鐞嗐佺粺璁″垎鏋愪负涓浣擄紝鍦╯pss杞欢閲屾湁鏃朵細鐢ㄥ埌鍗℃柟妫楠岃繖涓姛鑳姐
绛旓細闂笅P鍊鏄皬浜0.05鐨勶紝鏄樉钁楁х殑锛岄偅鐨皵閫婂崱鏂圭殑鍊兼槸鍜嬬湅鐨勶紝濡備綍鍒ゆ柇鐨 鍥炲锛氫汉宸ヨ嚜宸辩湅锛屾槸闇瑕佽嚜宸辨煡琛ㄧ殑锛屾牴鎹鍗℃柟鍊煎拰鑷敱搴﹀幓鏌ヨ〃鑾峰緱鐩稿簲姒傜巼锛屼篃灏辨槸P鍊硷紝鐒跺悗鍒ゆ柇鏄惁閫氳繃鍋囪妫楠屻傝绠楁満鐩存帴缁欎綘璁＄畻鍑烘潵浜嗭紝鐩存帴鐪婸鍊煎氨琛屼簡 ...
绛旓細鍗℃柟绉垎鍏紡鏄細H0锛氭讳綋X鐨勫垎甯冨嚱鏁颁负F(x)銆傚鏋滄讳綋鍒嗗竷涓虹鏁ｅ瀷锛屽垯鍋囪鍏蜂綋涓猴細H0锛氭讳綋X鐨勫垎甯冨緥涓篜{X=xi}=pi锛宨=1锛2锛屽綋H0涓虹湡鏃讹紝n娆¤瘯楠屼腑鏍锋湰鍊艰惤鍏ョi涓皬鍖洪棿Ai鐨勯鐜噁i/n涓庢鐜pi搴斿緢鎺ヨ繎锛屽綋H0涓嶇湡鏃讹紝鍒檉i/n涓巔i鐩稿樊寰堝ぇ銆傚湪0鍋囪鎴愮珛鐨勬儏鍐典笅鏈嶄粠鑷敱搴︿负k-1鐨勫崱鏂...
绛旓細涓嶆槸銆鐨皵閫瀹氱悊鏄湪n鏃犻檺澧炲ぇ鏃舵帹瀵煎嚭鏉ョ殑锛屽洜鑰屽湪浣跨敤鏃惰娉ㄦ剰n瑕佽冻澶熷ぇ锛屼互鍙妌p;涓嶅お灏忚繖涓や釜鏉′欢.鏍规嵁璁＄畻瀹炶返锛岃姹俷涓嶅皬浜50锛屼互鍙妌p;閮戒笉灏忎簬5.鍚﹀垯搴旈傚綋鍚堝苟鍖洪棿锛屼娇np;婊¤冻杩欎釜瑕佹眰銆傜毊灏旈婂畾鐞嗘槸璁＄畻鏈熸湜鍊肩殑鍏紡锛屽苟涓嶆槸璁＄畻妯″瀷銆傝绠楁ā鍨嬩富瑕佸寘鎷紝鍥剧伒鏈恒侀掑綊鍑芥暟銆佄绘紨绠椼侀┈灏旂澶...
绛旓細鏄捐憲鎬у氨鏄P鍊锛鐨皵閫鐩稿叧鎬у 灏辨槸鐩稿叧绯绘暟
绛旓細濡傛灉璇村娉╝涓鐨勬湁鏈灏忔湡鏈涘煎皬浜5鐨勶紝杩欎釜鏃跺欏氨闇瑕佺湅fisher鐨勭簿纭楠屽煎氨鍙互浜嗐傛墍浠ュ崱鏂规楠屽嚭鏉ラ氳繃涓嶅悓妫楠屾柟娉曠殑妫楠岀粨鏋滐紝涓鑸儏鍐典笅锛屼細閫夋嫨鐪嬬涓涓鐨皵閫婂崱鏂鎴栬呮槸fisher鐨勭簿纭楠屽嵆鍙紝鍏朵粬鐨勫彲浠ヤ笉鍘荤瀹冦傚惈涔 锛1锛夋彁鍑哄師鍋囪锛欻0锛氭讳綋X鐨勫垎甯冨嚱鏁颁负F(x)銆傚鏋滄讳綋鍒嗗竷涓虹鏁ｅ瀷...
绛旓細璁＄畻鏂规硶 p-value = 1- p_CDF.蠂2瓒婂ぇ锛宲-value瓒婂皬锛屽垯鍙俊搴﹁秺楂樸傞氬父鐢╬=0.05浣滀负闃堝硷紝鍗95%鐨勫彲淇″害銆傚洜姝わ紝鐢变簬閫傚綋鑷敱搴(df)鐨勭疮绉垎甯冨嚱鏁(CDF)缁欏嚭浜嗚幏寰楁瘮璇ョ偣鏇翠笉鏋佺鐨鍊肩殑姒傜巼锛屽洜姝や粠 1 涓噺鍘 CDF 鍊肩粰鍑p鍊銆備綆浜庢墍閫夋樉鐫鎬ф按骞崇殑浣巔鍊艰〃绀虹粺璁℃樉鐫鎬э紝鍗虫湁瓒冲鐨...
