Fisher精确检验和卡方检验的区别：什么时候用Fisher？什么时候用卡方？

在医学、生物学、流行病学等科研领域，卡方检验（Chi-square Test）和Fisher精确检验（Fisher's Exact Test）几乎都会出现在分类变量分析中。

很多科研新手都有类似的疑问：

• 两组治愈率比较到底应该用哪个？
• 为什么SPSS有时候自动给出Fisher精确检验？
• 样本量小时为什么审稿人要求改成Fisher检验？
• Fisher是不是比卡方检验更高级、更准确？

事实上，这两种统计方法解决的是同一类问题——比较分类变量（Categorical Variables）之间是否存在差异或关联。真正的区别在于样本量大小和数据分布是否满足卡方检验的前提条件。

本文将详细介绍Fisher精确检验和卡方检验的区别、适用条件、统计原理、实例分析以及SCI论文中的规范写法，帮助科研人员正确选择统计方法。

什么是卡方检验（Chi-square Test）？

卡方检验是目前应用最广泛的分类变量统计方法，主要用于判断不同组之间的比例是否存在统计学差异。

例如：

• 男女比例是否不同？
• 两种治疗方案的治愈率是否不同？
• 吸烟者和非吸烟者肺癌发生率是否不同？
• 不同地区疫苗接种率是否存在差异？

例如：

这里比较的是治愈率，因此采用卡方检验。

卡方检验最大的特点是利用近似理论（Asymptotic Approximation）计算P值。当样本量足够大时，这种近似非常准确，因此也是SCI论文中最常见的方法。

什么是Fisher精确检验（Fisher's Exact Test）？

Fisher精确检验同样用于分析分类变量，但它并不是近似计算，而是直接计算所有可能结果出现的精确概率。

因此，它特别适用于：

• 小样本研究
• 稀有疾病研究
• 动物实验
• 单元格人数较少的数据

例如：

此时样本量很小，直接使用普通卡方检验可能得到不可靠的结果，而Fisher精确检验能够给出更加准确的P值。

因此，很多医学统计教材都会把Fisher精确检验称为小样本列联表分析（Small Sample Contingency Table Analysis）的标准方法。

Fisher精确检验和卡方检验最大的区别

虽然二者都是分析分类变量，但统计思想完全不同。

卡方检验利用卡方分布进行近似推断，因此要求样本量足够大，期望频数不能太小。

Fisher精确检验则不依赖卡方分布，而是依据超几何分布（Hypergeometric Distribution）计算精确概率，因此即使样本量很小，也能够得到可靠结果。

简单来说：

卡方检验是"近似计算"，Fisher精确检验是"精确计算"。

两种方法的区别有哪些？

可以发现，两者分析的数据类型完全一致，最大的区别只是计算P值的方法不同。

为什么样本量小时不能直接使用卡方检验？

卡方检验建立在一个重要前提之上：每个单元格的期望频数（Expected Frequency）不能太小。

通常采用以下经验标准：

• 至少80%的单元格期望频数≥5；
• 所有单元格期望频数≥1。

如果这一条件不能满足，卡方分布的近似效果会变差，得到的P值可能偏大或偏小，从而影响研究结论。

这时，就应该改用Fisher精确检验，因为它不依赖近似分布，而是直接计算精确概率。

因此，在很多统计软件（如SPSS、R、Stata）中，当样本量较小时，都会自动建议报告Fisher检验结果。

Fisher精确检验是不是比卡方检验更准确？

这是科研人员最容易误解的问题之一。

答案是：并不是。

对于样本量充足的数据，两种方法得到的P值通常非常接近。

例如，一个包含数百甚至上千例患者的2×2列联表，卡方检验与Fisher精确检验往往得出相同的统计结论。

Fisher精确检验的优势主要体现在小样本或低频事件分析中，而不是所有情况下都比卡方检验"更高级"。

事实上，由于Fisher精确检验需要计算所有可能的列联表组合，在样本量很大时计算成本更高，因此常规临床研究通常仍优先采用卡方检验。

实际科研中如何选择？

判断其实非常简单。

首先确认研究对象是否属于分类变量，例如性别、是否吸烟、是否治愈、是否发生并发症等。

如果属于分类变量，再观察样本量和期望频数。

一般来说：

• 样本量较大，期望频数满足要求——卡方检验
• 样本量较小——Fisher精确检验
• 2×2列联表且存在低频事件——Fisher精确检验
• 稀有疾病、小动物实验——Fisher精确检验

需要强调的是，真正的判断依据并不是简单的总样本量，而是列联表各单元格的期望频数是否满足卡方检验的假设条件。

SCI论文中如何描述？

国际期刊通常采用如下统计学描述：

Categorical variables were compared using the chi-square test. Fisher's exact test was used when the expected cell counts were less than 5.

中文可写为：

分类变量采用卡方检验进行比较；当列联表中存在较小期望频数时，采用Fisher精确检验。

这是医学、生物学及公共卫生领域SCI论文中最常见、最规范的写法。

最后

Fisher精确检验和卡方检验都用于分析分类变量之间是否存在统计学差异，它们研究的问题完全一致，区别主要在于P值的计算方式和适用条件。

对于样本量较大且期望频数满足要求的数据，卡方检验计算效率高、应用广泛，是SCI论文最常见的方法；对于样本量较小、低频事件或期望频数不足的数据，Fisher精确检验能够提供更可靠的统计推断，因此成为医学和生命科学研究中的标准选择。

在实际科研工作中，与其记忆"多少例必须使用Fisher检验"，不如优先检查列联表是否满足卡方检验的假设条件，再根据统计软件的提示选择合适的方法，这也是国际主流统计教材和SCI期刊推荐的做法。