Thesis卡方检验计算器（列联表独立性检验）
粘贴列联表频数，几秒钟算出卡方值、自由度、p 值与 Cramér’s V 效应量——纯浏览器本地计算、数据不上传，免注册、完全免费。「不同组别在某分类变量上有没有差异」是问卷论文仅次于均值比较的高频检验。
免注册 · 公测期免费 · 数据留在你的浏览器本地
为什么卡方检验值得自己先算一遍
性别×是否愿意、年级×使用频率、组别×是否通过——分类变量的组间比较几乎每篇问卷类论文都要做，交前自己算一遍，比被评阅人问「卡方值多少」才回去翻数据从容得多。
同时给 Cramér’s V 效应量分档判读（2×2 另给 φ 系数），「显著但关联很弱」这类结论期刊与评阅人越来越看重，只报 p 值容易被追问。
自动计算每格期望频数并提示 <5 的格子占比——期望频数不足是卡方检验最常被挑的毛病，2×2 表会同时给 Yates 连续性校正行并提示何时该改用 Fisher 精确检验。
计算在你的浏览器里完成，数据不发送到服务器，不调用 AI，随时可以换一张表重算。
怎么用（3 步）
- 把列联表频数（不含表头与合计行列）从 Excel/问卷平台复制粘贴进输入框：每行一个组别，行内各类别频数用 Tab/逗号/空格分隔；
- 点「计算卡方检验」查看卡方值、自由度、双尾 p 值、效应量与期望频数检查；
- 把结果句式一键复制进论文数据分析章，正式结论建议再用 SPSS/R 复核一遍。
常见问题
计算用的是什么公式？
Pearson 卡方统计量 χ² = Σ(观察频数−期望频数)²/期望频数，期望频数 = 行合计×列合计/总数，自由度 df = (行数−1)×(列数−1)。p 值由卡方分布的不完全 gamma 函数精确计算，与 SPSS 的 Crosstabs 卡方检验口径一致。2×2 表另给 Yates 连续性校正行。
什么时候看 Yates 校正、什么时候用 Fisher？
2×2 表且样本量较小时，Pearson 卡方会略偏激进：期望频数都 ≥5 时两行结论通常一致，报 Pearson 即可；有格子期望频数 <5 时建议报 Fisher 精确检验（SPSS 的 2×2 Crosstabs 会自动给出，也可以用本站的 Fisher 精确检验计算器）。
期望频数不足怎么办？
常见经验是：期望频数 <5 的格子不超过 20%，且没有格子 <1。不满足时可合并相邻类别（如把「非常不满意」与「不满意」合并）增大频数，或改用 Fisher 精确检验（2×2）/似然比卡方，并在论文中说明处理方式。
p < 0.05 就说明两个变量有因果关系吗？
不能。卡方检验只说明两个分类变量存在关联（分布差异不太可能由抽样误差单独造成），关联不等于因果；还要看 Cramér’s V 判断关联强度，V 很小的「显著」在大样本下很常见，未必有实际意义。
我的数据会被上传吗？
不会。计算完全在你的浏览器本地完成，任何数据都不发送到服务器，也不调用 AI 服务。
检验做完了，数据分析章一站写完
工作台覆盖选题→开题→大纲→分章写作→文献→自查→导出全流程：把交叉表与检验结果挂进对应章节让 AI 严格依据数据成文，不编造数字，全程免注册、免费。
免费打开工作台