统计百科 ·
卡方检验怎么写进论文？APA 7th 报告完整写法（含效应量 Cramér's V / φ）
统计百科：专攻"卡方检验如何写进论文"这一具体格式点——χ²(df, N)格式、Cramér's V 与 φ 系数的选用、Fisher 精确检验报告写法，给出可直接套用的 APA 7th 完整模板，并逐一盘点审稿人最常挑的卡方格式错误。
卡方检验（chi-square test）格式错误是论文退修单上的常客，不在于统计跑出来对不对，而在于：N 要不要写进括号、φ 和 Cramér's V 该用哪个、Fisher 检验怎么报告、期望频数不足时怎么处理……这篇文章专攻"χ² 值怎么规范写进论文"，给出 APA 7th 所有卡方场景的完整报告模板，并逐一盘点审稿人最常挑的格式错误。
你的卡方报告有这些问题吗？
审稿人或导师关于卡方检验报告最常见的反馈：
- "χ² 格式应为 χ²(df, N) = X.XX，缺少样本量 N"
- "p = .000 不规范，请改为 p < .001"
- "2×2 列联表应报告 φ（phi），而非 Cramér's V"
- "期望频数有格子 < 5，应说明是否改用 Fisher 精确检验"
- "缺少效应量，请补充 Cramér's V 或 φ"
- "Fisher 精确检验没有 χ² 统计量，报告格式不同"
- "残差分析或事后比较未说明校正方法"
这些错误集中在 APA Publication Manual 第七版关于推断统计报告的多个章节，但专门针对卡方检验汇总的实操指南并不多。本文只讲一件事：χ² 值到底怎么规范写进论文的每一种场景。
如果你还没看过姊妹篇 t 值的 APA 7th 报告写法 和 F 值的 APA 7th 报告写法，建议先读那两篇——本文默认你已了解 p 值不加前导零（.032 而非 0.032）等基础格式规则，不再重复。
一、卡方检验是什么，统计量的含义
χ² 统计量的直觉含义
卡方检验（Pearson chi-square）回答的问题是：两个类别变量之间是否存在关联？
$\chi^2 = \sum \frac{(O - E)^2}{E}$
- O = 实际观测频数，E = 零假设成立时的期望频数
- χ² 越大，实际分布与"无关联"期望分布差距越大，越不像偶然产生
- χ² 恒 >= 0，不像 t 值有方向
卡方检验本质上是检验"实际格子频数"与"行列边际乘积/总样本量"之差的累积。
卡方检验常见场景
| 场景 | 用途 |
|---|---|
| 独立性检验（Pearson chi-square） | 两个类别变量是否独立（最常见） |
| 拟合优度检验（goodness-of-fit） | 观测频率分布是否符合理论比例 |
| Fisher 精确检验 | 2×2 表期望频数 < 5 的格子占比超过 20%，或最小期望频数 < 1 时替代卡方 |
| McNemar 检验 | 配对设计（前后测、同一被试两次判断）的类别变量比较 |
| Cochran-Mantel-Haenszel | 控制第三个类别变量后的分层卡方 |
二、APA 7th 卡方格式：必须包含的要素
标准格式
$\chi^2(df, N) = X.XX, p = .XXX, \text{Cramér's V} = .XX$
| 要素 | 格式规范 | 示例 |
|---|---|---|
| χ² 符号 | 希腊小写字母（论文正文可用 chi^2 或 χ²） | χ²(2, N = 180) = 14.67 |
| 自由度 df | 括号第一个参数：(行数-1)×(列数-1) | df = 2 |
| 总样本量 N | 括号第二个参数，写作 N = XXX | N = 180 |
| χ² 值 | 精确到两位小数 | = 14.67 |
| p 值 | 三位小数，不加前导零，.000 改 < .001 | p < .001 |
| 效应量 | φ（2×2 表）或 Cramér's V（>2×2 表） | Cramér's V = .29 |
| 百分比/频数 | 报告各格子的频数和百分比 | n = 72（40%） |
注意：APA 7th 的卡方格式要求将 N 写入括号，这是与 t 值和 F 值括号内只写 df 不同的地方，也是最常被遗漏的细节。
三、效应量：φ 与 Cramér's V 的区别与选用
这是卡方报告里最常混淆的地方。二者都衡量类别变量间的关联强度，但适用场景不同。
φ（phi 系数）
$\phi = \sqrt{\frac{\chi^2}{N}}$
- 适用：2×2 列联表（两行两列）
- 范围：0 ~ 1（方向无意义，φ 无正负）
- 与 Pearson r 的关系：2×2 表中，φ 等于两个二分变量之间的 Pearson 相关系数
Cohen（1988）φ 效应量参考标准：
| 效应大小 | φ |
|---|---|
| 小效应 | .10 |
| 中效应 | .30 |
| 大效应 | .50 |
Cramér's V
$V = \sqrt{\frac{\chi^2}{N \cdot (k - 1)}}$
其中 k = min(行数, 列数)，即行列数中较小的那个。
- 适用：行 > 2 或列 > 2 的列联表（包括 2×3、3×3 等所有非 2×2 情形）
- 范围：0 ~ 1
- 当表格为 2×2 时，Cramér's V = φ（公式退化相同）
Cramér's V 参考标准（随列联表维度调整，2×2 行来自 Cohen 1988，更大维度行来自后续研究者如 Akoglu 2018）：
| 表格维度（k-1） | 小效应 | 中效应 | 大效应 |
|---|---|---|---|
| 2×2（k-1=1，等同 φ） | .10 | .30 | .50 |
| 2×3 或 3×3（k-1=2） | .07 | .21 | .35 |
| 2×4 或更大（k-1=3） | .06 | .17 | .29 |
选用原则：2×2 表报告 φ；其他任意维度报告 Cramér's V；方法章节说明效应量类型和参照标准。
四、自由度怎么算
独立性检验（最常见）
$df = (r - 1)(c - 1)$
- r = 行数，c = 列数
- 2×2 表：df = 1
- 2×3 表：df = 2
- 3×4 表：df = 6
拟合优度检验
$df = k - 1$
k = 类别数（组数）
McNemar 检验
$df = 1$
McNemar 检验有自己独立的统计量（通常报告 chi^2 或 z），不能套用独立性检验格式。
五、各场景完整 APA 报告模板
场景一：2×2 独立性检验（最基础场景）
情形：调查性别（男/女）与是否使用统计软件（是/否）的关联，N = 180。
完整报告段落模板：
卡方独立性检验结果显示，[变量A]与[变量B]之间[存在/不存在]显著关联，
chi^2([df], N = [N]) = X.XX, p [值], phi = .XX（[大小]效应）。
[组A]中有 n = XX（XX%）[类别1]，[组B]中有 n = XX（XX%）[类别1]，
两组比例差异[显著/不显著]。
填入数值的示例：
卡方独立性检验结果显示，性别与统计软件使用情况之间存在显著关联，χ²(1, N = 180) = 8.43，p = .004，φ = .22，为小至中效应（Cohen，1988）。男生中有 72 人（80.0%）使用统计软件，女生中有 63 人（70.0%）使用，两组比例差异显著，男生使用率更高。所有格子的期望频数均超过 5（最小期望频数 = 16.5），满足卡方检验的应用条件。
场景二：大于 2×2 的独立性检验（多组比较）
情形：调查学历（本科/硕士/博士）与统计软件偏好（SPSS/R/Stata）的关联，N = 270。
完整报告段落模板：
卡方独立性检验结果显示，[变量A]与[变量B]之间[存在/不存在]显著关联，
chi^2([df], N = [N]) = X.XX, p [值], Cramér's V = .XX（[大小]效应）。
各组频率分布见表 X。
调整后标准化残差分析显示，[组X]的[类别Y]频率
[显著高于/低于]期望值（|z| > 1.96）。
填入数值的示例：
卡方独立性检验结果显示，学历层次与统计软件偏好之间存在显著关联，χ²(4, N = 270) = 23.56，p < .001，Cramér's V = .21，为中等效应（Cohen，1988）。调整后标准化残差分析（alpha = .05）显示，博士生中 R 使用者比例（65.6%）显著高于期望值（|z| = 3.28），而本科生中 SPSS 使用者比例（71.1%）显著高于期望值（|z| = 2.87）；Stata 使用者在三组中的比例均未偏离期望值（|z| < 1.96）。
场景三：Fisher 精确检验（期望频数不足时）
当 2×2 表中期望频数 < 5 的格子占比超过 20%，或最小期望频数 < 1 时，使用 Fisher 精确检验代替卡方。
Fisher 精确检验无 χ² 统计量，报告格式不同：
完整报告段落模板：
由于期望频数低于 5 的格子占比超过 20%（最小期望频数 = X.XX），
改用 Fisher 精确检验。结果显示，[变量A]与[变量B]之间
[存在/不存在]显著关联，p[精确] [值], phi = .XX（[大小]效应）。
填入数值的示例：
由于列联表中有 2 个格子（50.0%）的期望频数低于 5（最小期望频数 = 3.2），不满足卡方检验的期望频数条件，改用 Fisher 精确检验。结果显示，干预方式与并发症发生情况之间存在显著关联，p(精确) = .032，φ = .38，为中等效应（Cohen，1988）；干预组并发症发生率（16.7%）显著低于对照组（46.7%）。
场景四：拟合优度检验
情形：检验 200 名被试在四种消费选择上的分布是否均匀（理论比例各 25%）。
完整报告段落模板：
拟合优度卡方检验结果显示，[变量]的实际频率分布
[显著/不显著]偏离理论分布，chi^2([df], N = [N]) = X.XX, p [值]。
[类别A]的实际比例（XX%）显著[高于/低于]理论期望值（XX%）。
填入数值的示例：
拟合优度卡方检验结果显示，消费偏好的实际频率分布显著偏离均匀分布，χ²(3, N = 200) = 18.92，p < .001。其中"价格驱动型"偏好的实际比例（42.0%）显著高于理论期望值（25.0%），"品质驱动型"（16.5%）显著低于期望值，说明被试在消费决策上并非均等偏好，而是向价格因素显著集中。
场景五：McNemar 检验（配对设计）
情形：同一组学生在培训前后，对"愿意使用 AI 统计工具"的态度（是/否），N = 120。
完整报告段落模板：
McNemar 检验结果显示，[条件A]和[条件B]下的比例
[存在/不存在]显著差异，chi^2([df]) = X.XX, p [值]。
[条件A]下支持比例为 XX%，[条件B]下为 XX%，
[有/无]显著变化。
填入数值的示例：
McNemar 检验结果显示，培训前后学生对使用 AI 统计工具的态度存在显著变化，χ²(1) = 14.29，p < .001。培训前支持比例为 52.5%，培训后上升至 78.3%；在 34 名态度发生改变的学生中，31 名由"不支持"转为"支持"，仅 3 名由"支持"转为"不支持"。
六、在 ChatSRS 一句话获得规范卡方报告
打开 chatsrs.com，上传数据后输入：
"对性别（男/女）与统计软件偏好（SPSS/R/Stata）做卡方独立性检验，先检查期望频数是否满足条件（< 5 的格子占比），如不满足改用 Fisher 精确检验；输出 chi^2（含 df 和 N）、p 值、Cramér's V 效应量和调整后标准化残差分析，并给出符合 APA 7th 格式的完整报告段落，包含各组频数和百分比。"
ChatSRS 的输出段落即为上文示例格式，数值自动填入，期望频数检查自动完成，可直接复制进论文。
如需拟合优度检验或 McNemar 检验，在指令中说明设计类型，ChatSRS 自动切换报告模板，效应量也会对应调整。
七、方法章节怎么说明使用了卡方检验
标准方法章节描述（独立性检验）
采用 Pearson 卡方独立性检验（chi-square test of independence）
检验[变量A]与[变量B]之间的关联。分析前检查期望频数条件：
若任一格子期望频数 < 5 的比例超过 20%，改用 Fisher 精确检验。
效应量采用 phi（phi）系数（2×2 表）或 Cramér's V（其他表格），
参照 Cohen（1988）标准（phi 小/中/大效应 = .10/.30/.50）。
事后残差分析以调整后标准化残差（|z| > 1.96）确定贡献格子，
Bonferroni 方法校正多重比较（alpha* = .05 / 比较次数）。
统计分析使用 ChatSRS（R 引擎），显著性水平设为 alpha = .05。
标准方法章节描述（拟合优度检验）
采用卡方拟合优度检验（chi-square goodness-of-fit test）
验证[变量]的实际分布是否符合[理论依据]所预期的[分布名称]分布。
理论期望比例依据[来源]确定（各类别期望比例见表 X）。
显著性水平 alpha = .05；若整体检验显著，以调整后标准化残差
逐一识别偏离期望值的格子。
八、卡方报告常见错误对照表
| 常见错误 | 正确写法 | 违反的规则 |
|---|---|---|
| chi^2(2) = 14.67（缺 N） | chi^2(2, N = 180) = 14.67 | APA 要求括号内写 df 和 N |
| p = .000 | p < .001 | .000 是舍入假值 |
| p = 0.004 | p = .004 | APA 不加前导零 |
| 无效应量 | phi = .22 或 Cramér's V = .21 | APA 7th 要求报告效应量 |
| 2×2 表用 Cramér's V | 2×2 表用 phi | 2×2 表专用 phi 系数 |
| 多×多表用 phi | 多×多表用 Cramér's V | phi 仅适合 2×2 表 |
| 未检查期望频数 | 需说明最小期望频数是否 >= 5 | 卡方应用条件必须核验 |
| 期望频数不足仍用卡方 | 改用 Fisher 精确检验 | 不满足应用条件需更换方法 |
| Fisher 检验报告 chi^2 | Fisher 检验报告 p(精确) = .XXX | Fisher 无 chi^2 统计量 |
| 只报告 chi^2 不报告 p | chi^2(2, N = 180) = 14.67, p < .001 | 完整统计量必须报告 |
| 残差分析未说明校正 | 注明 Bonferroni 校正后 alpha* | 多重比较须说明控制方法 |
常见 FAQ
Q：Cramér's V 和 φ 能共存吗？2×2 表写哪个？
A：2×2 表只报告 φ，不报告 Cramér's V。虽然 2×2 表时两者数值相等（公式退化相同），但 APA 规范和大多数审稿人期望 2×2 表报告 φ，更大的列联表才报告 Cramér's V。写混了不会错，但会让审稿人认为你对两个指标的适用场景理解不够清晰。
Q：卡方不显著（p > .05），还需要报告效应量吗？
A：必须报告。原因与 t 检验、ANOVA 相同：p > .05 只说明"无法拒绝零假设"，不等于"两变量完全无关联"。报告 φ 或 Cramér's V（即使数值很小），结合样本量，读者才能判断是真的无关联，还是因为样本量不足导致功效低。APA 7th 要求所有检验都附效应量，不区分显著与否。
Q：期望频数 < 5 的格子占比多少才需要换 Fisher 检验？
A：经典规则：任一格子期望频数 < 5 的比例 > 20%，或最小期望频数 < 1，则卡方检验无效，应改用 Fisher 精确检验（仅适用 2×2 表）或蒙特卡洛近似法（更大的表格）。具体阈值各教材略有不同，方法章节写清楚即可。ChatSRS 会在输出卡方结果时自动附上期望频数检查报告和建议切换提示。
Q：多×多列联表（如 3×3、3×4）显著后，怎么进一步定位是哪个格子贡献了 chi^2？
A：使用调整后标准化残差（adjusted standardized residual，ASR）。各格子的 ASR = (O - E) / SE，|ASR| > 1.96 表示该格子频数在 alpha = .05 水平上显著偏离期望值。多个格子同时检验时，建议 Bonferroni 校正（将 1.96 阈值对应的 p 值除以格子总数）。报告格式：「调整后标准化残差分析显示，[格子描述] 的频数显著[高于/低于]期望值（ASR = ±X.XX，p < .05，Bonferroni 校正后）。」
快速参考：卡方报告格式速查卡
[2×2 独立性检验]
chi^2(1, N = XXX) = X.XX, p [= .XXX / < .001], phi = .XX
前提: 最小期望频数 >= 5；否则改 Fisher 精确检验
[多×多独立性检验（r×c, r>2 或 c>2）]
chi^2([r-1][c-1], N = XXX) = X.XX, p [值], Cramér's V = .XX
事后: 调整后标准化残差（|z| > 1.96，Bonferroni 校正）
[拟合优度检验]
chi^2([k-1], N = XXX) = X.XX, p [值]
注: 无效应量惯例，可补充 w = sqrt(chi^2 / N) 作为 Cohen's w
[Fisher 精确检验（期望频数不满足条件）]
p(精确) = .XXX, phi = .XX
注: 无 chi^2 统计量，直接报告精确 p 值
[McNemar 检验（配对设计）]
chi^2(1) = X.XX, p [值]
注: df 固定为 1；无通行效应量惯例，可报告 phi
[效应量参考阈值（Cohen, 1988）]
phi: 小=.10, 中=.30, 大=.50
Cramér's V（k-1=2）: 小=.07, 中=.21, 大=.35
相关阅读
- t 值的 APA 7th 报告写法 — 自由度、效应量、独立/配对模板全解
- F 值的 APA 7th 报告写法 — F(df1,df2)格式、效应量 eta 平方、报告模板全解
- 效应量的 APA 7th 报告 — Cohen's d / η² / ω² / r / Cramér's V / OR 用法全解
- 卡方检验用 AI 怎么做 — 期望频数/事后多重比较一键完成
本文首发于 ChatSRS 官方博客。如有问题或反馈，欢迎在 ChatSRS 站内 [用户中心 -> 帮助与反馈] 联系我们。