单正态总体方差检验如何选择卡方统计量？

Question

在单正态总体方差检验中，为何选择卡方统计量进行假设检验？其理论依据是什么？具体而言，当总体服从正态分布时，样本方差与总体方差的比值经过适当缩放后，为何服从卡方分布？该统计量的自由度如何确定？在实际应用中，如样本量较小或总体非严格正态时，卡方统计量的稳健性如何？这些因素如何影响拒绝域的构建与p值的计算？理解这些问题对正确实施方差检验至关重要。

Answer 1

一、卡方统计量为何用于单正态总体方差检验？

在单正态总体的方差假设检验中，我们通常关心的是总体方差 σ² 是否等于某个特定值。为了进行这一检验，选择卡方（χ²）统计量是基于其与样本方差之间的精确分布关系。

设总体服从正态分布 N(μ, σ²)，从中抽取容量为 n 的简单随机样本，记样本方差为 S²。可以证明：

(n - 1)S² / σ² ~ χ²(n - 1)

这个结论构成了卡方检验的理论基础。也就是说，当总体服从正态分布时，经过适当缩放后的样本方差服从自由度为 n−1 的卡方分布。

二、理论推导：为何该比值服从卡方分布？

从数学角度分析，考虑独立同分布的正态变量 X₁, X₂, ..., Xₙ ∼ N(μ, σ²)，定义标准正态变量：

Z_i = (X_i - μ)/σ

则 Z_i ∼ N(0,1)，且 ΣZ_i² ∼ χ²(n)。但在实际中，均值 μ 未知，需用样本均值 X̄ 替代，导致自由度损失一个参数。

更精确地，有以下分解：

• 总平方和：Σ(X_i - μ)² = Σ(X_i - X̄)² + n(X̄ - μ)²
• 其中 Σ(X_i - X̄)² = (n-1)S²
• 标准化后：(n-1)S² / σ² ∼ χ²(n-1)

三、自由度的确定机制

自由度为 n−1 的来源在于估计了样本均值 X̄ 这一额外参数。每估计一个未知参数，就损失一个自由度。

样本量 n	自由度 df	说明
5	4	估计均值后剩余自由度
10	9	常用小样本场景
30	29	接近正态近似
100	99	大样本下卡方趋近正态

四、卡方统计量的实际构造与拒绝域构建

对于双边检验 H₀: σ² = σ₀² vs H₁: σ² ≠ σ₀²，构造检验统计量：

χ² = (n - 1)S² / σ₀²

拒绝域依据显著性水平 α 分配在两侧：

• 左临界值：χ²_{α/2}(n-1)
• 右临界值：χ²_{1-α/2}(n-1)

graph TD A[设定原假设 H₀: σ² = σ₀²] --> B[计算样本方差 S²] B --> C[构造统计量 χ² = (n-1)S²/σ₀²] C --> D[查卡方分布表或计算p值] D --> E{比较p值与α} E -->|p < α| F[拒绝H₀] E -->|p ≥ α| G[不拒绝H₀]

五、小样本与非正态情形下的稳健性分析

尽管卡方检验在正态假设下具有精确分布性质，但其对偏离正态性的敏感度较高。尤其在小样本情况下，偏态或重尾分布会导致：

• p值失真
• 第一类错误率偏离标称水平
• 检验功效下降

模拟研究表明：

分布类型	n=10时I类误差	n=50时I类误差
正态	0.048	0.051
指数	0.126	0.083
均匀	0.061	0.057
对数正态	0.189	0.132

六、替代方案与工程实践建议

面对非正态数据，可采用如下策略提升检验稳健性：

1. 使用Bootstrap重抽样法估计方差分布
2. 转换数据（如取对数）使其更接近正态
3. 采用非参数方法（如Levene检验）
4. 结合置信区间进行区间估计而非仅做假设检验
5. 利用蒙特卡洛模拟评估实际误差控制能力
6. 在自动化系统中嵌入正态性检验前置模块

# Python 示例：卡方检验实现
import scipy.stats as stats
import numpy as np

def chi_square_var_test(data, sigma0_sq, alpha=0.05):
    n = len(data)
    s_sq = np.var(data, ddof=1)
    chi2_stat = (n - 1) * s_sq / sigma0_sq
    p_val = 2 * min(
        stats.chi2.cdf(chi2_stat, n-1),
        1 - stats.chi2.cdf(chi2_stat, n-1)
    )
    reject = p_val < alpha
    return chi2_stat, p_val, reject