怎么算卡方值excel表格

1.如何用EXCEL计算卡方值

统计函数可以进行卡方计函数具有返 回相关性检验值的功能，利用该函数 可以计算出卡方（χ2 ）检验的概率值 P，但未能计算出卡方值；CHIINV 统 计函数具有返回给定概率收尾*2 分 布区间点的功能，利用这一统计函数 可以通过 CHITEST 统计函数计算出 的概率值 P，反过来求出卡方值。

也 就是说，将此两统计函数结合起来应 用就可以轻松完成卡方检验的运算。 该方法适用于四格表资料、行*列表 资料和列联表资料的卡方检验。

但是 当理论频数（T ）小于 1，或总例数（n） 小于40，或当卡方值处于临界值附近 时，最好改用四格表的确切概率法， 而不使用该法。 如果建立好四格表资料卡方检验通 用的工作表并保存下来，以后应用此 方法进行四格表资料的卡方检验时， 只要先填写上a、b、e、d 4 个实际频 数，再分别运行CHITEST 和CHIINV 这两个统计函数就可以轻松地完成 卡方统计检验的运算。

该方法操作简 便，结果直观，非常适合在基层单位推广应用。

2.行列的每一个卡方值怎么算

卡方检验你的数据应该用交叉列联表做，数据录入格式为：建立两个变量，变量1是组别，正常对照组用数据1表示，病例组用数据2表示；变量2是位点，A用1表示，C用2表示，还有一个变量3是权重，例数数据录入完成后，点analyze-descriptive statistics-crosstabs-把变量1选到rows里，把变量2选到column里，然后点击下面的statistics，打开对话框，勾选chi-squares，然后点continue，再点ok，出来结果的第3个表就是你要的卡方检验，第一行第一个数是卡方值，后面是自由度，然后是P值。

3.急救

虽然你所问的问题已有人问过，并有人回答过，不过我觉得回答的不够完善，至少还有三点需要补充，如果忽略这三点，很可能结果就是错的，或者结果不完整。

请看下文。举例说明吧。

相对于不做运动的女子，慢跑或快跑可能会对月经周期产生影响，那这种经期的变化是否会改变她们去咨询医生的频率呢？下面是一组统计数据，记录了三组运动状态的女子是否向医生咨询过经期变化的数据。Observed (O)，观察值是否向医生询问过 组 是 否 总数对照 14 40 54慢跑 9 14 23快跑 46 42 88总数 69 96 165简单点说，就是问，慢跑女子是不是会比不跑步的女子更频繁地向医生询问月经的问题？快跑相对于不跑呢？快跑相对于慢跑呢？方法如下：1. 计算每行和每列的总数，如上表所示。

2. 计算每列的百分比，即询问过的百分比。在165个女子中，有69个询问过医生，即69/165=42%，那么没询问过医生的就是1-42%=58%。

3. 如果跑不跑步，都不会影响询问医生的频率，那么这个询问过医生的可能性，42%，将适用于所有的组别，即在对照组的54个人中，我们预期54*42%=22.58个人会去询问医学，而54*58%=31.42个人不会去询问。用同样的方法把慢跑和快跑组是否会去询问医生的人数分别算出，如下表所示。

Expected (E)，预期值是否向医生询问过 组 是 否 总数对照 22.58 31.42 54慢跑 9.62 13.38 23快跑 36.8 51.2 88总数 69 96 1654. 接下来就是要计算，这个预期值和实际观测到的值之间的区别大不大？是只是因为随机抽样产生的误差，还是具有统计学意义的显著性差异？计算公式如下：χ2=∑[（O-E）2/E]O为每个观察值，E为每个预期值在这个例子中，χ2=(14-22.58)2/22.58+(40-31.42)+…=9.635. 计算自由度=（行数-1）*（列数-1）=26. 查表，自由度为2, p=0.01时的值为9.21，而9.63比9.21大，所以p<0.01， 差异显著。7. 但由于有三个组，上述的值只能说明运动状态对于询问医生的频率有显著影响，却并不知道究竟是哪组跟组有显著差异。

很多其他的回答到这里就结束了，其实不然。下面还有三点要注意。

1. 接下来要做的就是把上面两个大表转换成亚表，首先只比较慢跑和快跑组 是 否 总数慢跑 9(11.40) 14(11.6) 23快跑 46(43.6) 42(44.4) 88总数 55 56 111计算χ2= ∑[（│O-E│-1/2）2/E]=0.79注意当行列为2X2时，要用这个修正公式。自由度为（2-1）(2-1)=1，查表发现0.79是个非常小的数，所以它们之间没有显著差异。

而由于它们的差异如此之小，可以把它们合并成一个组，去跟对照不跑步的比较。组 是 否 总数对照 14(22.58) 40(31.42) 54跑步 55(46.42) 56(64.58) 111总数 69 96 165同理算得χ2=7.39，大于自由度为1,p=0.01时的值，即p<0.012. 由于对同一数据做了两次测试（快跟VS慢跑，跑步VS对照），为了保证总的测试误差小于0.05，这里不能用原始的p值来做结论，而需要对其做修正，比如使用Bonferroni修正：由于我们做了两次测试，所以用于比较的关键值要用0.01*2=0.02，由于原始p<0.01，修正后的p （跑步VS对照）<0.02， 差异显著。

结论即为，快跑跟慢跑相比的女性相比，她们向医生询问经期的频率没有显著差异，而只要是跑过步的，她们询问的频率则显著高于不跑步的（55:56VS14:40）。3. 最后再补充两点使用卡方的条件1） 如果用于2X2，每个格子中的频数（O）都必须大于5。

2） 如果是大型表格，许多行X许多列，每个格子中的频数都不得小于1，且它们中小于5的比较必须要低于20%。如果不能满足这两个条件，就要选择其他的统计方法来处理样本量比较小的情况，比如Fisher Exact test。

以上方法和例子是我翻译和改编自《Primer of Biostatistics, 6th edition》第五章《How to analyze rates and proportions》，感谢原作者Glantz, Styanton。