---
title: "卡方檢定（Chi-squared Test）"
slug: chi-squared-test
language: zh-TW
source: https://aiterms.tw/terms/chi-squared-test
updated_at: 2026-04-29
tags: [統計方法, 模型評估, 資料處理, AI基礎, iPAS中級]
ipas_term: false
---

# 卡方檢定（Chi-squared Test）

> **你在看兩個類別變數之間有沒有關聯時，你會怎麼判斷它真正的作用？**
>
> 你可以把它想成 卡方檢定是一種統計方法，用於檢驗兩個或多個類別變數之間是否存在顯著關聯性。它比較觀察值與期望值之間的差異。
>
> 在 你在看兩個類別變數之間有沒有關聯時 這種情境裡，這個概念會直接影響你怎麼設計、怎麼評估、怎麼上線。

### 容易混淆
> **卡方檢定 vs t 檢定**
> 卡方檢定看類別變數，t 檢定看連續變數的平均。
>
> **卡方檢定 vs 相關係數**
> 卡方檢定是看類別之間是否有關聯，相關係數偏向連續變數的線性關係。
>
> **卡方檢定 vs 因果推論**
> 卡方檢定只能看關聯，不能直接推出因果。

### 記住這句就好
> 先看它要解決的是什麼問題，再看它是不是最合適的方法。

### 實際案例
> **案例 1：廣告點擊**
> 你想知道性別和是否點擊廣告之間有沒有關聯。
>
> **案例 2：問卷偏好**
> 你想知道不同年齡層對某產品的偏好分布有沒有差。

### 算法與應用
> | 面向 | 重點 |
> |---|---|
> | 核心 | 把觀察到的次數和期望次數相比，看差異大不大。 |
> | 前提 | 資料要是類別型，且各觀察值最好彼此獨立。 |
> | 注意 | 期望次數太小時，結果會比較不穩。 |

### 情境判斷
> **Q1（判斷題）：** 如果兩個變數都是類別型，這時很自然會想到哪個檢定？
> → 通常會先想到卡方檢定。
>
> **Q2（判斷題）：** 如果你想證明兩件事有因果關係，卡方檢定夠嗎？
> → 不夠，它只能告訴你有沒有關聯。

### 常見問題
> **Q：卡方檢定的虛無假設是什麼？**
> 通常是兩個變數彼此獨立，沒有關聯。
>
> **Q：p 值怎麼看？**
> p 值小於顯著水準時，通常表示關聯不是隨機波動造成的。
>
> **Q：樣本太少可以用嗎？**
> 要小心，期望次數過小時不太適合。

### 相關術語
> - **假設檢定**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **變異數分析**：先讀這個，能幫你把主題放進更大的脈絡裡。
> - **A/B測試**：先讀這個，能幫你把主題放進更大的脈絡裡。

---

來源：https://aiterms.tw/terms/chi-squared-test
快查頁：https://aiterms.tw/terms/chi-squared-test
最後更新：2026/04/29
深度解說：https://aiterms.tw/learning/what-is-chi-squared-test