这个计算器能做什么
卡方P值计算器可以把卡方检验统计量换算成P值。所谓P值，就是在原假设成立的前提下，观察到与你的结果一样极端、甚至更极端情况的概率。无论是拟合优度检验、独立性检验还是同质性检验，只要你知道检验统计量和自由度，这款工具都能适用。它还会给出0.05、0.01、0.001这几个常用显著性水平下的临界值，让你一眼看清自己的结果落在哪个区间。
使用方法
- 卡方统计量（χ²）：填入检验得到的数值，通常来自统计软件的输出或手工计算结果。
- 自由度（df）：对于拟合优度检验，自由度 = 类别数 − 1；对于列联表，自由度 = （行数 − 1）×（列数 − 1）。
- 读取计算出的P值，并与你设定的显著性水平 α（通常为0.05）进行比较。
公式详解
卡方分布的形状只取决于自由度。P值就是统计量右侧（上尾）的面积：
p = P(χ²df ≥ 观测值)
这一概率通过正则化上不完全伽马函数计算得到。由于卡方检验本质上是单尾检验——统计量越大，意味着实际结果与预期的偏离越大——因此只需考虑右尾。P值越小，说明否定原假设的证据越充分。
Advertisement
实例演示
假设你掷一枚骰子60次，想检验它是否均匀。计算得到卡方统计量为12.6，自由度为5（六个面减去1）。把这两个数值代入后，得到的P值约为0.027。由于0.027小于0.05但大于0.01，你可以在5%的水平下否定原假设，认为这枚骰子似乎存在偏差——不过证据还不足以达到1%的水平。
常见问题
P值多小才算显著？当P值低于你设定的 α（通常为0.05）时，就被认为具有统计显著性。0.01或0.001等更严格的阈值能进一步降低出现假阳性的风险。
自由度为什么这么重要？卡方分布的形状会随自由度变化，所以同一个统计量在自由度较小时可能显著，在自由度较大时却未必显著。因此务必准确填写自由度。
P值会正好等于零吗？不会。极大的统计量会产生趋近于零的极小P值，显示时可能呈现为0.000，但其真实数值始终为正。
