python - Python 中的卡方检验

Question

我想在 Python 中运行卡方检验。我已经创建了代码来执行此操作，但我不知道我所做的是否正确，因为 scipy 文档非常稀疏。

先说背景:我有两组用户。我的零假设是两组中的人更可能使用台式机、移动设备还是平板电脑没有显着差异。

这些是两组中观察到的频率:

[[u'desktop', 14452], [u'mobile', 4073], [u'tablet', 4287]]
[[u'desktop', 30864], [u'mobile', 11439], [u'tablet', 9887]]

这是我使用 scipy.stats.chi2_contingency 的代码:

obs = np.array([[14452, 4073, 4287], [30864, 11439, 9887]])
chi2, p, dof, expected = stats.chi2_contingency(obs)
print p

这给了我 2.02258737401e-38 的 p 值，这显然很重要。

我的问题是:这段代码看起来有效吗？特别是，我不确定我是否应该使用 scipy.stats.chi2_contingency或 scipy.stats.chisquare ，鉴于我的数据。

Answer 1

对于函数的使用我不能过多评论。然而，手头的问题可能是统计性质的。您看到的非常小的 p 值很可能是您的数据包含大量频率(大约一万)的结果。当样本量太大时，任何差异都会变得显着 - 因此 p 值较小。您使用的测试对样本量非常敏感。参见 here了解更多详情。