免费自由度计算器

理解统计检验中的自由度

自由度计算器是一个免费在线工具，可为最常用的假设检验计算统计自由度，包括单样本和双样本 t检验、Welch t检验、方差分析以及卡方独立性检验。了解正确的自由度值对于查t分布、F分布或χ²分布表中的临界值以及获得有效的p值至关重要。通过输入样本容量或列联表的维度，您无需手动计算即可立即获得t检验、卡方检验或方差分析的自由度。

什么是自由度？

在统计学中，自由度表示在估计总体参数时可以自由变化的独立信息数量。最简单地说，对于单个样本，它等于样本容量减一（$N - 1$）。这个概念与样本容量自由度密切相关：较大的样本提供更多的DF，但DF总是略小于样本数量，因为当使用样本均值作为估计值时，一个自由度被“消耗”了。这一原则是许多常见检验验证的基础，例如t检验、F检验和χ²检验。

不同检验的自由度公式

适用的公式取决于检验设计。以下是最常见的情况。

单样本t检验

$$\text{df} = N - 1$$

其中$N$是观测总数。这是单组的t检验自由度。

双样本t检验（假设等方差）

$$\text{df} = N_1 + N_2 - 2$$

$N_1$和$N_2$是两个独立组的容量。

异方差双样本t检验（Welch t检验）
当不能假设组间方差相等时，自由度通过Welch-Satterthwaite方程近似：

$$\text{df} \approx \frac{ \left( \dfrac{s_1^2}{N_1} + \dfrac{s_2^2}{N_2} \right)^2 } { \dfrac{ \left( s_1^2 / N_1 \right)^2 }{ N_1 - 1 } + \dfrac{ \left( s_2^2 / N_2 \right)^2 }{ N_2 - 1 } }$$

其中$s_1^2$和$s_2^2$是样本方差。计算器的Welch t检验DF选项自动应用此公式。

单因素方差分析
对于有$k$组和总共$N$个观测的研究：

• 组间DF: $\text{df}_{\text{between}} = k - 1$
• 组内DF: $\text{df}_{\text{within}} = N - k$
• 总DF: $\text{df}_{\text{total}} = N - 1$

这三个值相加显示了总变异如何在方差分析自由度分析中被分割。

卡方独立性检验

$$\text{df} = (R - 1) \times (C - 1)$$

$R$和$C$是列联表中的行数和列数。此表达式给出了卡方检验的自由度。

示例

手动计算有助于说明公式在实际中如何应用。

示例1 – “自由变化”的概念
考虑两个数字：$x = 2$和$y = 4$。它们的均值被确定为$m = (2 + 4)/2 = 3$。一旦任意两个值（x, y, m）被选定，第三个就自动确定。因此，该系统具有2个自由度——在剩余值被锁定之前你可以自由设置值的数量。

示例2 – 单样本自由度
取数据集$15, 46, 67, 23, 45$。有$N = 5$个观测值，单样本t检验公式给出$\text{df} = 5 - 1 = 4$。该自由度将在将样本均值与假设值进行比较时使用。

示例3 – 双样本自由度
假设两个独立组的容量分别为$N_1 = 5$和$N_2 = 4$。假设方差相等，$\text{df} = 5 + 4 - 2 = 7$。这个t检验自由度是你将输入到双样本t检验过程中的值。

重要注意事项

• 自由度总是小于观测数量，因为每个估计的参数消耗一个自由度。
• 理论上，当只有一个数据点且没有未知参数时，DF可以为零，但在实际假设检验中，零DF从不出现。
• 对于方差分析，组间和组内DF之和等于总DF，反映了方差的分解。

使用DF计算器

免费的自由度计算器简化了整个流程：

1. 选择统计检验的类型（单样本t检验、双样本t检验、Welch t检验、方差分析或卡方检验）。
2. 输入所需的值——t检验和方差分析的样本容量，或卡方检验的行数和列数。
3. 计算出的DF立即显示，可用于后续分析。

该工具对于涉及复杂近似的Welch t检验DF以及多组方差分析设置特别有价值。通过使用正确的自由度，您可以确保检验结果可靠，并且p值和置信区间来自合适的抽样分布。