为了确保结果有效，请在收集数据、执行分析和解释结果时考虑以下准则。
- 该样本应随机选择
-
随机样本可用于概括总体，即推断。如果数据不是随机收集的，则结果可能无效。
- 每个观测值都应当独立于所有其他观测值
-
观测值的独立性是相关性卡方检验的关键假设。
- 必须将所有数据都分类为互斥的行和列类别
-
当变量类别重叠时，无法执行相关性卡方检验。因此，必须将每个观测值都分为一个且只能是一个类别。
- 预期计数不得太小。
- 每个样本都应足够大，才能使每个类别中的观测结果的几率合理。如果预期计数太小，检验的 p 值可能不精确。Minitab 会指示结果中的预期计数是否太小。
- 如果某个类别的预期计数太小，您可以将该类别与相邻类别合并以获得最小预期计数。 只有在必要时，才可以合并类别，因为合并类别会丢失信息。 或者您可以使用 Fisher 精确检验，该检验对于所有样本数量都准确。有关更多信息，请转到什么是 Fisher 精确检验？。