此条形图绘制每个类别对整体卡方统计量的贡献。您可以选择按贡献对类别进行降序排序的图表。
实测值和预期值之间具有较大差异的类别对于整体卡方统计量的贡献较大。
此条形图指示“中码”类别对卡方统计量贡献最大。
使用标绘每个类别的实测值和预期值的条形图来确定特定类别中是否存在差异。
如果您确定实测计数和预期计数之间的差异在统计上显著,则可以使用此条形图来确定哪些类别的实测值和预期值之间的差异最大。
此条形图指示每个类别的实测值和预期值都非常相似。因此,条形图直观地确认了 p 值指示的含义 — 即您无法断定实测比率与指定比率显著不同。
使用各个类别的贡献来量化每个类别的实测值和预期值之间的差异对总卡方统计量的贡献。
Minitab 会用类别的实测值与预期值的差值平方除以该类别的预期值来计算每个类别的卡方统计量贡献。卡方统计量是所有类别的贡献值之和。
实测值和预期值之间具有较大差异的类别对于整体卡方统计量的贡献较大。
卡方拟合优度检验的自由度等于类别数减去 1。
Minitab 使用自由度来确定 p 值。研究中的类别越多,自由度越多。
N 是总样本数量。N 等于所有实测计数的和。
在这些结果中,总样本数量 (N) 为 225。
观测值是样本中属于某个类别的实际观测值个数。
预期值是预期会出现的平均观测值数(如果检验比率正确)。Minitab 通过将每个类别的检验比率乘以总样本数量来计算预期计数。
可以通过使用输出表或条形图来比较观测值和预期值。
p 值是一个概率,用来度量否定原假设的证据。概率越低,否定原假设的证据越充分。
使用 p 值来确定可以否定还是无法否定原假设,以表明每个类别的总体比率与每个类别的指定值一致。