Метрики · 10 сентября 2026 г.

Критерий хи-квадрат: как проверить связь между двумя вопросами опроса

Критерий хи-квадрат — статистический тест, который проверяет, связаны ли между собой два категориальных вопроса опроса, например выбранный канал связи и сегмент клиента, или отвечает случайным совпадением долей в выборке. Он строится на сравнении наблюдаемых частот в таблице сопряжённости с частотами, которые ожидались бы при полной независимости переменных: чем сильнее расхождение, тем меньше оснований считать разницу случайной. Тест требует, чтобы в большинстве ячеек таблицы ожидалось не меньше пяти наблюдений, иначе результат становится ненадёжным и нужен точный критерий Фишера. Ниже — как его читать, на каких данных он работает и какие ошибки чаще всего портят вывод.

Какую задачу решает хи-квадрат

После того как ответы разложены в таблицу сопряжённости — например, доля довольных и недовольных клиентов по трём тарифам, — таблица почти всегда показывает какую-то разницу в процентах. Вопрос в том, отражает эта разница реальную связь между тарифом и удовлетворённостью или это шум случайной выборки: на другой сотне респондентов те же три тарифа вполне могли бы показать процент почти одинаковым. Хи-квадрат отвечает именно на этот вопрос — не «есть ли разница в цифрах», она есть почти всегда, а «настолько ли она велика, чтобы не объясняться случайностью выборки».

Область применения теста — ровно категориальные переменные без числового смысла: канал связи, тип обращения, регион, выбранный вариант ответа в вопросе с несколькими вариантами. Если хотя бы одна из двух переменных числовая или порядковая — оценка удовлетворённости, возраст, доход, — для неё обычно находится более чувствительный метод, а хи-квадрат используют, только предварительно разбив такую переменную на категории. Делать это стоит осознанно: разбиение возраста на группы «до 30» и «после 30» теряет часть информации, которая была бы видна в непрерывном виде.

Отдельный практический вопрос — сколько категорий допустимо в каждой из двух переменных. Формального ограничения на их число нет, но с ростом таблицы растёт и число ячеек, а значит, и риск, что часть из них получит слишком мало наблюдений для надёжного расчёта. На практике таблица три на три или четыре на четыре — рабочий максимум для выборки в несколько сотен ответов; для более крупных таблиц нужна выборка на порядок больше, иначе условие по ожидаемым частотам почти наверняка не выполнится.

Как устроен расчёт: наблюдаемые и ожидаемые частоты

Ожидаемая частота для каждой ячейки таблицы считается по формуле «сумма строки, умноженная на сумму столбца, делённая на общее число наблюдений» — это то количество ответов, которое оказалось бы в ячейке, если бы переменные были никак не связаны и доли распределялись пропорционально. Статистика хи-квадрат — это сумма по всем ячейкам квадрата разницы между наблюдаемой и ожидаемой частотой, делённого на саму ожидаемую частоту. Чем больше расхождение между тем, что есть, и тем, что ожидалось бы при независимости, тем больше значение статистики и тем меньше итоговое p-значение.

Считать это вручную на бумаге нужно редко — практически любой статистический пакет и большинство таблиц с надстройками делают это по формуле автоматически, важнее понимать, что означает результат. Кроме самой статистики и p-значения полезно смотреть на число степеней свободы, которое равно произведению числа строк минус один на число столбцов минус один: оно определяет, с каким критическим значением сравнивается статистика, и большинство инструментов включает его в вывод результата вместе с итоговым p-значением.

Условия применимости и когда нужен точный критерий Фишера

Главное условие корректности хи-квадрата — размер ожидаемой частоты в ячейках: общепринятое правило требует, чтобы не меньше восьмидесяти процентов ячеек имели ожидаемую частоту от пяти и выше, а ни одна не была меньше единицы. При маленькой выборке или редкой категории — скажем, канал связи, которым воспользовались всего три человека из всей выборки, — это условие нарушается, и приближение, на котором строится тест, перестаёт работать корректно: p-значение может оказаться заниженным, создавая ложное впечатление значимой связи.

Стандартных выхода два. Первый — укрупнить категории: объединить редкие варианты ответа в общую группу «другое» перед расчётом, если это не искажает содержательный смысл сравнения. Второй — для таблиц два на два при маленьких частотах использовать точный критерий Фишера: он не опирается на приближение хи-квадрата и считает точную вероятность наблюдаемого или более крайнего распределения напрямую, поэтому остаётся корректным даже на очень маленьких выборках, где обычный хи-квадрат уже ненадёжен. Для таблиц крупнее двух на два с малыми частотами универсального точного аналога нет, и тогда практичнее заранее спланировать выборку так, чтобы редких категорий не возникало вовсе, чем впоследствии искать способ обойти уже нарушенное условие после того, как сбор данных полностью завершён.

Тест независимости и тест согласия — два вида хи-квадрата

Всё описанное выше — тест независимости: он сравнивает две переменные между собой и отвечает, связаны ли они. У хи-квадрата есть и вторая, менее заметная в опросах разновидность — тест согласия, который сравнивает распределение одной-единственной переменной с ожидаемым распределением, заданным заранее. Пример: если вы разослали приглашение на опрос поровну по трём каналам и хотите проверить, действительно ли ответы распределились примерно поровну между ними, — это уже не связь двух переменных, а сравнение фактических долей с гипотетическими четверть-третями.

Формула расчёта в обоих случаях одна и та же — сумма квадратов расхождений, делённых на ожидаемые частоты, — различается только то, откуда берутся ожидаемые числа: из предположения о независимости переменных в тесте независимости или из заранее заданной гипотезы в тесте согласия. Путать эти два случая на практике легко, если работать по шаблону, не задумываясь о происхождении ожидаемых частот, а результат при этом интерпретируется по-разному: тест согласия ничего не говорит о связи с другой переменной, только о соответствии одного распределения ожидаемому.

Как читать таблицу сопряжённости перед расчётом

Прежде чем считать статистику, полезно посмотреть на таблицу в процентах по строкам, а не только в абсолютных числах: это сразу показывает направление возможной связи и делает интерпретацию понятнее коллегам, которые не будут вникать в формулу. В примере с каналами связи доля недовольных клиентов заметно растёт от чата к телефону — двадцать четыре процента против почти шестидесяти, — и именно эта визуальная разница подсказывает, стоит ли вообще запускать тест, или связи явно нет и время лучше потратить на другой вопрос.

Хи-квадрат по этим данным подтверждает, что расхождение статистически значимо, но не объясняет его причину: возможно, телефон выбирают клиенты с более сложными и раздражающими проблемами, а не сам канал делает их недовольными. Разделить эти две версии по одной таблице сопряжённости нельзя — нужен либо дополнительный вопрос о характере обращения, либо контролируемое сравнение, где тип проблемы зафиксирован одинаковым для всех каналов.

Полезная привычка перед запуском теста — заранее сформулировать, какое направление связи вы вообще ожидали увидеть, и только потом смотреть на таблицу. Это защищает от подгонки объяснения под результат задним числом: увидев, что телефон даёт больше недовольных, легко придумать правдоподобную историю после факта, и такая история будет звучать убедительно независимо от того, верна она или нет. Если гипотеза была сформулирована заранее и подтвердилась — доверия к выводу больше, чем если объяснение появилось уже после того, как таблица оказалась перед глазами.

Что означают итоговые цифры на примере таблицы выше

Для таблицы каналов обращения из примера выше расчёт даёт статистику хи-квадрат около 14,7 при двух степенях свободы и p-значение около 0,0006. Число степеней свободы здесь равно двум, потому что в таблице три строки и два столбца: два умножить на один. P-значение заметно меньше стандартного порога 0,05, поэтому связь между каналом обращения и удовлетворённостью можно считать статистически значимой — расхождение долей по каналам маловероятно объяснить случайностью выборки из двухсот сорока человек. Цифры в примере условные и нужны только для того, чтобы показать формат отчёта, а не как ориентир по реальным долям недовольных клиентов.

V Крамера по той же таблице составит около 0,25 — умеренная связь, не слабая и не сильная. Это значение стоит читать вместе с p-значением, а не вместо него: p-значение 0,0006 говорит, что связь почти наверняка не случайна, а V Крамера 0,25 — что сама связь не абсолютная, канал объясняет заметную, но не подавляющую часть различий в удовлетворённости. Именно сочетание этих двух чисел вместе, а не любое из них по отдельности, даёт полную и честную картину для итогового отчёта и решения о том, стоит ли эта связь дальнейшего разбирательства.

Величина эффекта: коэффициент V Крамера

Значимый результат хи-квадрата, как и у любого другого теста, сильно зависит от размера выборки: на нескольких тысячах ответов даже крошечная и практически неважная связь легко становится статистически значимой. Чтобы оценить не только наличие связи, но и её силу, используют коэффициент V Крамера — число от нуля до единицы, не зависящее от размера выборки. Ориентировочно значения около 0,1 читаются как слабая связь, около 0,3 — умеренная, от 0,5 — сильная, но точные границы зависят от размера таблицы и контекста задачи. На практике это значит, что перед докладом результата стоит привести оба числа рядом: p-значение подтверждает, что связь не случайна, а V Крамера показывает, стоит ли вообще перестраивать процессы ради этой связи или её сила слишком мала, чтобы оправдать изменения.

Как оформить результат в отчёте

1. Приведите таблицу сопряжённости в процентах по строкам, а не только в абсолютных числах.
2. Укажите значение статистики хи-квадрат, число степеней свободы и итоговое p-значение.
3. Добавьте коэффициент V Крамера как отдельную оценку силы связи, а не только значимости.
4. Явно назовите число наблюдений в самой малочисленной ячейке таблицы.
5. Сформулируйте вывод в терминах задачи, а не в терминах статистики: что именно стоит поменять.
6. Отметьте прямо, если связь не объясняет причину, а требует отдельной проверки гипотезы.

Последний пункт особенно легко пропустить, когда результат кажется убедительным. Значимый хи-квадрат и заметный V Крамера создают ощущение готового вывода, но по-прежнему не объясняют, почему связь существует. В примере с каналами обращения правильный следующий шаг — не сразу менять маршрутизацию звонков, а сначала проверить альтернативное объяснение: возможно, через телефон обращаются именно с более сложными и уже эскалированными случаями, и тогда решать нужно не канал, а процесс эскалации.

Ограничения

Кроме требования к ожидаемым частотам, у теста есть более общее ограничение: он проверяет только сам факт связи, но ничего не говорит о её направлении и структуре в таблицах больше двух на два. Значимый результат по таблице три на три может отражать сильную связь в одной паре категорий и полное отсутствие связи в остальных, и это видно только при разборе таблицы по частям, а не по итоговому p-значению. Второе ограничение — независимость наблюдений: каждый респондент должен попадать в таблицу ровно один раз, и тест ломается, если один и тот же человек отвечал на опрос дважды или если сравниваются связанные, а не независимые выборки. Третье ограничение — хи-квадрат не различает практическую и статистическую значимость сам по себе: на выборке в несколько тысяч ответов различие в пару процентных пунктов, которое никто не станет менять в процессах, легко проходит порог значимости, и без коэффициента V Крамера рядом отчёт рискует придать этому различию больше веса, чем оно того стоит.

Типичные ошибки

• Запускать хи-квадрат при ожидаемой частоте меньше пяти в большинстве ячеек без укрупнения категорий.
• Делать вывод о причинно-следственной связи из значимого результата теста.
• Игнорировать величину эффекта и опираться только на p-значение при большой выборке.
• Разбивать числовую переменную на категории произвольно, теряя часть содержательной информации.
• Считать хи-квадрат по данным, где один респондент представлен в таблице несколько раз.
• Не смотреть на таблицу в процентах перед расчётом и пропускать очевидные выбросы в данных.

С чего начать

Возьмите два категориальных вопроса из последнего опроса, постройте таблицу сопряжённости в процентах по строкам и на глаз оцените, есть ли заметное расхождение долей. Если есть — выгрузите сырые ответы и посчитайте хи-квадрат и V Крамера в статистическом пакете или готовом онлайн-калькуляторе: для таблицы небольшого размера это занимает пару минут. В сервисе «До Сути» опрос с нужными категориальными вопросами собирается как обычная форма с выгрузкой ответов в таблицу, а сам расчёт хи-квадрата и точного критерия Фишера выполняется во внешнем инструменте после экспорта.