在 CDA（Certified Data Analyst）数据分析师的工作中，“分类变量关联分析” 是高频需求 —— 例如 “用户性别是否影响支付方式偏好”“会员等级是否与复购意愿相关”。这类问题的核心解决方案，正是 “列联表分析 + 卡方检验”：列联表将分类变量的交叉频数直观呈现，卡方检验则科学验证这种关联是否显著（非随机波动）。本文聚焦 CDA 分析师如何结合两者解决业务问题，覆盖核心认知、实操方法、全流程案例与误区规避，助力高效挖掘分类数据的业务价值。

一、核心认知：列联表、卡方检验与 CDA 分析师的协同关系

（一）列联表：分类数据的 “关联可视化载体”

列联表（Contingency Table）又称交叉表，是 “将两个或多个分类变量的观测频数按行（Row）列（Column）交叉汇总形成的表格”。其核心价值不是 “单纯展示数据”，而是：

1. 直观呈现交叉分布：如 “性别（男 / 女）× 支付方式（微信 / 支付宝 / 银联）” 的列联表，可快速看出 “女性更偏好微信支付，男性更偏好支付宝” 的初步趋势；

2. 为卡方检验提供数据基础：卡方检验需基于列联表中的 “实际频数” 与 “期望频数” 计算差异，列联表是检验的前置数据结构；

3. 支撑业务初步判断：通过边际分布（行 / 列总计占比）、条件分布（行内 / 列内占比），提前定位潜在关联（如 “黄金会员复购率占比达 60%”）。

（二）卡方检验：分类变量关联的 “显著性验证工具”

卡方检验（Chi-Square Test）是基于 “卡方统计量” 判断 “分类变量间关联是否由随机波动导致” 的统计方法，核心解决两类问题：

1. 拟合优度检验：验证 “单分类变量的实际分布是否符合预期分布”（如 “电商支付方式实际占比是否符合 1:1:2 的预期”）；

2. 独立性检验：验证 “两个分类变量是否独立（无关联）”（如 “会员等级与复购意愿是否无关”）；

   其核心逻辑是：计算 “实际频数” 与 “原假设下期望频数” 的差异，差异越大（卡方值越大），p 值越小，关联越显著（p<0.05 则拒绝原假设）。

（三）CDA 分析师的核心价值：从 “数据呈现” 到 “业务落地”

普通分析者常止步于 “画列联表、算卡方值”，而 CDA 分析师的价值体现在 “业务 - 数据 - 结论” 的闭环：

1. 业务翻译：将 “提升复购率” 的模糊需求，转化为 “验证会员等级与复购意愿关联” 的具体问题，再构建 “会员等级 × 复购意愿” 列联表；

2. 数据把控：列联表构建前处理分类变量（如合并小众类别避免期望频数过小），卡方检验后验证前提条件（如期望频数≥5）；

3. 结论落地：不仅输出 “关联显著” 的统计结论，更转化为业务动作（如 “黄金会员复购率高，建议推出会员升级激励”）。

二、CDA 分析师必备：列联表分析实操（构建与解读）

列联表分析是卡方检验的基础，CDA 分析师需掌握 “从业务目标到列联表构建、从表中数据到初步关联判断” 的全流程。

（一）列联表构建：三步拆解业务目标

列联表构建不是 “随机交叉分类”，需紧扣业务目标，核心步骤如下：

步骤 1：明确业务问题，确定分类变量

• 业务问题：“电商平台用户性别是否影响支付方式偏好”；

• 分类变量：

  • 行变量（分组变量）：性别（男 / 女，二分类）；

  • 列变量（结果变量）：支付方式（微信 / 支付宝 / 银联，三分类）；

• 原则：变量类别需互斥且完整（无重叠、无遗漏，如 “性别” 仅 “男 / 女”，无 “未知”），小众类别需合并（如 “银联支付占比 < 5%，可与支付宝合并为‘其他’”）。

步骤 2：数据预处理，确保频数有效

• 处理缺失值：分类变量缺失值需标注（如 “未知性别”）或删除（缺失率 < 5%），避免影响频数统计；

• 平衡样本量：若某类样本过少（如 “男性样本仅 10 个”），需扩大数据范围（如延长统计周期），避免列联表偏倚；

• 案例数据：某电商 1000 名用户的 “性别 - 支付方式” 数据（男性 450 人，女性 550 人；微信支付 400 人，支付宝 350 人，银联 250 人）。

步骤 3：构建列联表，呈现交叉频数

用 Python 的pandas.crosstab()构建列联表，包含 “实际频数表”“边际分布表”“条件分布表” 三类核心表格：

代码实现：

import pandas as pd

import numpy as np

import matplotlib.pyplot as plt

import seaborn as sns

plt.rcParams['font.sans-serif'] = ['SimHei']

# 1. 模拟业务数据（电商用户性别-支付方式数据）

np.random.seed(42)  # 确保结果可复现

gender = np.random.choice(["男", "女"], size=1000, p=[0.45, 0.55])  # 性别分布：男45%，女55%

# 支付方式分布（性别影响偏好：男性更偏支付宝，女性更偏微信）

payment_probs = {

   "男": [0.3, 0.5, 0.2],  # 男：微信30%，支付宝50%，银联20%

   "女": [0.5, 0.3, 0.2]   # 女：微信50%，支付宝30%，银联20%

}

payment = []

for g in gender:

   pay = np.random.choice(["微信", "支付宝", "银联"], size=1, p=payment_probs[g])[0]

   payment.append(pay)

df = pd.DataFrame({"性别": gender, "支付方式": payment})

# 2. 构建列联表（三类核心表格）

# 表1：实际频数表（交叉频数）

freq_table = pd.crosstab(df["性别"], df["支付方式"], margins=True, margins_name="总计")

print("=== 表1：实际频数表（性别×支付方式） ===")

print(freq_table)

# 表2：边际分布表（行/列占比，反映整体分布）

row_pct = pd.crosstab(df["性别"], df["支付方式"], normalize="index") * 100  # 行占比（性别内支付方式占比）

col_pct = pd.crosstab(df["性别"], df["支付方式"], normalize="columns") * 100  # 列占比（支付方式内性别占比）

print("n=== 表2：边际分布表（行占比：性别内支付方式占比） ===")

print(row_pct.round(1))  # 保留1位小数

# 表3：条件分布表（可视化用，堆叠占比）

cond_pct = pd.crosstab(df["性别"], df["支付方式"], normalize="index")

print("n=== 表3：条件分布表（行占比：用于堆叠图） ===")

print(cond_pct.round(3))

输出结果解读：

• 实际频数表：男性 450 人（其中支付宝 228 人），女性 550 人（其中微信 276 人），总计 1000 人；

• 行占比表：男性中 50.7% 用支付宝（228/450），女性中 50.2% 用微信（276/550），初步可见性别对支付方式的偏好差异。

（二）列联表解读：三大维度定位关联趋势

列联表解读需聚焦 “边际分布、条件分布、关联趋势”，避免仅看表面频数：

1. 边际分布：看整体分布特征

• 行边际分布（性别内支付方式占比）：男性支付宝占比 50.7%（最高），女性微信占比 50.2%（最高）→ 性别偏好差异明显；

• 列边际分布（支付方式内性别占比）：微信支付中女性占 69%（276/400），支付宝中男性占 64.6%（228/353）→ 支付方式的性别构成差异。

2. 条件分布：看分组内细节

以 “性别” 为分组条件，计算每组内 “支付方式” 的占比（行占比）：

• 男性组：支付宝（50.7%）> 微信（30.0%）> 银联（19.3%）；

• 女性组：微信（50.2%）> 支付宝（29.8%）> 银联（20.0%）；

  → 条件分布差异显著，暗示性别与支付方式可能存在关联。

3. 可视化辅助：堆叠柱状图强化趋势

用堆叠柱状图直观呈现条件分布，让关联趋势更易理解：

代码实现：

# 可视化条件分布（堆叠柱状图）

plt.figure(figsize=(10, 6))

# 堆叠柱状图：x=性别，y=支付方式占比，堆叠展示

cond_pct.plot(kind="bar", stacked=True, color=["#1f77b4", "#ff7f0e", "#2ca02c"], edgecolor="black")

plt.title("用户性别与支付方式偏好的条件分布（堆叠图）")

plt.xlabel("性别")

plt.ylabel("支付方式占比（%）")

plt.xticks(rotation=0)  # 性别标签水平显示

plt.legend(title="支付方式", bbox_to_anchor=(1.05, 1), loc="upper left")  # 图例右移，避免遮挡

# 标注关键占比（男性支付宝、女性微信）

for i, gender in enumerate(cond_pct.index):

   # 男性支付宝占比（第2个类别，索引1）

   if gender == "男":

       aliyun_pct = cond_pct.loc[gender, "支付宝"]

       plt.text(i, aliyun_pct/2, f"{aliyun_pct:.1%}", ha="center", color="white", fontweight="bold")

   # 女性微信占比（第1个类别，索引0）

   else:

       wechat_pct = cond_pct.loc[gender, "微信"]

       plt.text(i, wechat_pct/2, f"{wechat_pct:.1%}", ha="center", color="white", fontweight="bold")

plt.tight_layout()

plt.show()

可视化解读：堆叠图清晰显示 “男性支付宝占比最高，女性微信占比最高” 的趋势，为后续卡方检验验证 “关联是否显著” 提供初步依据。

三、CDA 分析师必备：卡方检验实操（两类核心应用）

列联表的关联趋势需通过卡方检验验证 “是否显著”，CDA 分析师需熟练掌握 “拟合优度检验” 与 “独立性检验” 两类核心应用，解决不同业务问题。

（一）应用 1：卡方拟合优度检验 —— 验证单分类变量的分布是否符合预期

适用于 “业务假设单分类变量的分布符合某一预期” 的场景，如 “电商支付方式占比是否符合‘微信 40%、支付宝 40%、银联 20%’的预期”。

1. 核心逻辑与业务案例

• 业务问题：某电商运营团队假设 “平台支付方式占比为微信 40%、支付宝 40%、银联 20%”，需验证实际分布是否符合该预期；

• 原假设（H₀）：实际支付方式分布 = 预期分布（微信 40%、支付宝 40%、银联 20%）；

• 备择假设（H₁）：实际支付方式分布 ≠ 预期分布；

• 核心步骤：计算实际频数与预期频数的差异，卡方值越大，p 值越小，越拒绝原假设。

2. 实操代码与结果解读

from scipy import stats

import pandas as pd

# 1. 准备数据（支付方式实际频数）

# 从之前的列联表中提取支付方式实际频数（排除总计）

payment_actual = freq_table.loc["总计", ["微信", "支付宝", "银联"]].values  # 实际频数：[400, 353, 247]

total = payment_actual.sum()  # 总样本数：1000

# 2. 设定预期分布（业务假设：微信40%、支付宝40%、银联20%）

expected_probs = [0.4, 0.4, 0.2]  # 预期概率

payment_expected = total * np.array(expected_probs)  # 预期频数：[400, 400, 200]

# 3. 执行卡方拟合优度检验

# 注意：需确保所有预期频数≥5（此处均满足）

chi2_stat, p_value = stats.chisquare(f_obs=payment_actual, f_exp=payment_expected)

# 4. 输出结果

print("=== 卡方拟合优度检验：支付方式分布是否符合预期 ===")

print(f"实际频数：{payment_actual}")

print(f"预期频数：{payment_expected.round(0)}")

print(f"卡方统计量：{chi2_stat:.2f}")

print(f"p值：{p_value:.3f}")

print(f"显著性水平α：0.05")

print("结论：" + ("拒绝原假设，实际支付方式分布与预期不符（p<0.05）" if p_value < 0.05 else "无法拒绝原假设，实际分布符合预期（p≥0.05）"))

# 5. 分析差异原因（实际vs预期）

diff = pd.DataFrame({

   "支付方式": ["微信", "支付宝", "银联"],

   "实际频数": payment_actual,

   "预期频数": payment_expected.round(0),

   "差异（实际-预期）": payment_actual - payment_expected.round(0),

   "差异占比（%）": ((payment_actual - payment_expected.round(0)) / payment_expected.round(0) * 100).round(1)

})

print("n=== 实际与预期分布差异分析 ===")

print(diff)

结果解读：

• 卡方统计量 = 12.31，p 值 = 0.002 < 0.05 → 拒绝原假设，实际支付方式分布与预期不符；

• 差异原因：支付宝实际频数（353）低于预期（400，差异 - 11.8%），银联实际频数（247）高于预期（200，差异 + 23.5%）→ 需调整运营策略（如推广支付宝优惠，降低银联使用门槛）。

（二）应用 2：卡方独立性检验 —— 验证两分类变量是否关联

适用于 “业务假设两个分类变量独立（无关联）” 的场景，如 “用户性别与支付方式偏好是否独立”“会员等级与复购意愿是否独立”，是 CDA 分析师最常用的卡方检验类型。

1. 核心逻辑与业务案例

• 业务问题：验证 “电商用户性别与支付方式偏好是否独立”（即性别是否不影响支付方式选择）；

• 原假设（H₀）：性别与支付方式独立（无关联）；

• 备择假设（H₁）：性别与支付方式不独立（有关联）；

• 核心步骤：基于列联表计算 “实际频数” 与 “独立假设下的预期频数”，卡方值越大，p 值越小，越拒绝原假设（关联越显著）。

2. 实操代码与结果解读

from scipy import stats

import pandas as pd

# 1. 准备数据（从列联表提取实际频数，排除总计）

# 实际频数表（性别×支付方式，不含总计）

obs_table = freq_table.loc[["男", "女"], ["微信", "支付宝", "银联"]].values  # 2行3列矩阵

print("=== 实际频数表（性别×支付方式） ===")

print(obs_table)

# 2. 执行卡方独立性检验

# 返回：卡方统计量、p值、自由度、预期频数

chi2_stat, p_value, dof, exp_table = stats.chi2_contingency(obs_table)

# 3. 验证前提条件（期望频数≥5的比例≥80%，避免检验偏差）

exp_flat = exp_table.flatten()  # 展平预期频数

valid_exp = sum(1 for x in exp_flat if x >= 5)  # 期望频数≥5的个数

valid_ratio = valid_exp / len(exp_flat) * 100  # 比例

print(f"n=== 前提条件验证：期望频数≥5的比例 ===")

print(f"预期频数矩阵：n{exp_table.round(2)}")

print(f"期望频数≥5的个数：{valid_exp}/{len(exp_flat)}，比例：{valid_ratio:.1f}%（≥80%，符合要求）")

# 4. 输出检验结果

print(f"n=== 卡方独立性检验：性别与支付方式是否关联 ===")

print(f"卡方统计量：{chi2_stat:.2f}")

print(f"p值：{p_value:.4f}")

print(f"自由度：{dof}（自由度=(行数-1)×(列数-1)=(2-1)×(3-1)=2）")

print(f"显著性水平α：0.05")

print("结论：" + ("拒绝原假设，性别与支付方式存在显著关联（p<0.05）" if p_value < 0.05 else "无法拒绝原假设，两者无显著关联（p≥0.05）"))

# 5. 计算关联强度（Cramer's V系数，衡量分类变量关联强度，0=无关联，1=完全关联）

n = obs_table.sum()  # 总样本数

cramer_v = np.sqrt(chi2_stat / (n * (min(obs_table.shape) - 1)))

print(f"n=== 关联强度分析（Cramer's V系数） ===")

print(f"Cramer's V系数：{cramer_v:.2f}（0.1=弱关联，0.3=中等关联，0.5=强关联）")

结果解读：

• 卡方统计量 = 38.67，p 值 = 8.9e-09 < 0.05 → 拒绝原假设，性别与支付方式存在显著关联；

• 前提验证：所有预期频数≥5（比例 100%），检验结果可靠；

• 关联强度：Cramer's V=0.20（弱到中等关联）→ 性别对支付方式有影响，但非决定性因素；

• 业务意义：可针对不同性别推送支付优惠（如向男性推支付宝红包，向女性推微信立减），提升支付转化率。

四、CDA 分析师全流程实战：用列联表 + 卡方检验解决零售促销问题

（一）业务背景

某连锁零售品牌推出两种促销方案：A 方案（满 200 减 50）、B 方案（买一送一），需分析 “促销方案（A/B）与用户购买决策（购买 / 不购买）是否关联”，判断哪种方案更有效，支撑后续推广策略。

（二）全流程实操步骤

步骤 1：明确业务目标，确定分类变量

• 业务问题：促销方案是否影响用户购买决策？

• 分类变量：

  • 行变量：促销方案（A/B，二分类）；

  • 列变量：购买决策（购买 / 不购买，二分类）；

• 数据：500 名用户的促销参与记录（A 方案 250 人，B 方案 250 人）。

步骤 2：构建列联表，初步分析趋势

import pandas as pd

import numpy as np

# 1. 模拟业务数据（促销方案-购买决策）

np.random.seed(42)

promo = np.random.choice(["A方案（满减）", "B方案（买一送一）"], size=500, p=[0.5, 0.5])

# 购买决策分布（B方案转化率更高：A方案40%购买，B方案60%购买）

buy_probs = {"A方案（满减）": 0.4, "B方案（买一送一）": 0.6}

buy = []

for p in promo:

   decision = np.random.choice(["购买", "不购买"], size=1, p=[buy_probs[p], 1-buy_probs[p]])[0]

   buy.append(decision)

df = pd.DataFrame({"促销方案": promo, "购买决策": buy})

# 2. 构建列联表（实际频数+行占比）

freq_table = pd.crosstab(df["促销方案"], df["购买决策"], margins=True, margins_name="总计")

row_pct = pd.crosstab(df["促销方案"], df["购买决策"], normalize="index") * 100

print("=== 列联表：促销方案×购买决策 ===")

print(freq_table)

print("n=== 行占比（各方案购买率） ===")

print(row_pct.round(1))

列联表解读：

• 实际频数：A 方案 250 人（购买 103 人，购买率 41.2%），B 方案 250 人（购买 147 人，购买率 58.8%）；

• 初步趋势：B 方案购买率（58.8%）高于 A 方案（41.2%），暗示 B 方案更有效，但需卡方检验验证是否显著。

步骤 3：执行卡方独立性检验，验证关联显著性

from scipy import stats

import numpy as np

# 1. 提取实际频数（排除总计）

obs_table = freq_table.loc[["A方案（满减）", "B方案（买一送一）"], ["购买", "不购买"]].values

# 2. 执行卡方独立性检验

chi2_stat, p_value, dof, exp_table = stats.chi2_contingency(obs_table)

# 3. 验证前提与输出结果

print("=== 卡方独立性检验：促销方案与购买决策是否关联 ===")

print(f"实际频数矩阵：n{obs_table}")

print(f"预期频数矩阵：n{exp_table.round(2)}")

print(f"卡方统计量：{chi2_stat:.2f}，p值：{p_value:.4f}，自由度：{dof}")

print("结论：" + ("拒绝原假设，促销方案与购买决策存在显著关联（p<0.05）" if p_value < 0.05 else "无法拒绝原假设，两者无显著关联"))

# 4. 关联强度与业务解读

n = obs_table.sum()

cramer_v = np.sqrt(chi2_stat / (n * (min(obs_table.shape) - 1)))

print(f"n关联强度（Cramer's V）：{cramer_v:.2f}（中等关联）")

print(f"业务解读：B方案购买率（58.8%）显著高于A方案（41.2%），建议优先推广B方案（买一送一）")

检验结果：

• 卡方统计量 = 12.58，p 值 = 0.0004 < 0.05 → 促销方案与购买决策显著关联；

• Cramer's V=0.16（弱到中等关联）→ 方案对购买决策有明确影响；

• 业务结论：B 方案（买一送一）购买率更高，建议在门店与线上渠道优先推广。

步骤 4：可视化呈现与业务落地

import matplotlib.pyplot as plt

import seaborn as sns

plt.rcParams['font.sans-serif'] = ['SimHei']

# 1. 可视化购买率对比（柱状图）

buy_rate = row_pct["购买"]  # 各方案购买率

plt.figure(figsize=(8, 6))

bars = plt.bar(buy_rate.index, buy_rate.values, color=["#ff9999", "#66b3ff"], edgecolor="black")

plt.title("A/B促销方案购买率对比（卡方检验：p=0.0004，关联显著）")

plt.ylabel("购买率（%）")

plt.ylim(0, 70)  # 调整y轴范围，突出差异

# 标注购买率数值

for bar in bars:

   height = bar.get_height()

   plt.text(bar.get_x() + bar.get_width()/2., height + 1,

            f"{height:.1f}%", ha="center", va="bottom", fontweight="bold")

# 标注业务建议

plt.text(0.5, 65, "业务建议：优先推广B方案（买一送一）", ha="center", fontsize=12,

        bbox=dict(facecolor='yellow', alpha=0.3))

plt.show()

五、CDA 分析师常见误区与规避策略

（一）误区 1：列联表分类过多，导致期望频数过小

表现：构建 “会员等级（5 类）× 支付方式（4 类）” 的 20 格列联表，多数格子期望频数 < 5，卡方检验结果不可靠；

规避策略：

• 合并小众类别（如 “青铜 + 白银会员” 合并为 “普通会员”，“银联 + 其他支付” 合并为 “其他”）；

• 若无法合并，改用 Fisher 精确检验（适用于小样本、期望频数 < 5 的 2×2 列联表）。

（二）误区 2：误读卡方检验的 “关联” 为 “因果”

表现：检验发现 “会员等级与复购意愿显著关联”，直接结论 “提升会员等级能导致复购率上升”；

规避策略：

• 卡方检验仅验证 “关联”，不证明 “因果”（复购率高可能是用户本身粘性强，才升级为高等级会员）；

• 需通过 A/B 测试（如随机提升部分用户等级，观察复购变化）验证因果关系。

（三）误区 3：忽视样本量对检验结果的影响

表现：样本量过小（如每组仅 20 人）→ 检验力不足，无法检测真实关联；样本量过大（如 10 万人）→ 微小关联也显著（如购买率差异 0.5% 也 p<0.05）；

规避策略：

• 样本量过小：扩大数据范围（如延长统计周期），或使用精确检验（Fisher 检验）；

• 样本量过大：结合 “效应量”（如 Cramer's V）判断业务意义，仅显著且效应量≥0.1 视为有价值。

（四）误区 4：列联表变量选择脱离业务目标

表现：业务需求 “分析促销效果”，却构建 “用户年龄（分类）× 星座” 的列联表，与业务无关；

规避策略：

• 列联表的行 / 列变量需紧扣业务问题，如 “促销效果”→ 变量应为 “促销方案 × 购买决策”“促销方案 × 客单价（分类）”；

• 变量定义需明确（如 “购买决策” 仅 “购买 / 不购买”，无 “犹豫” 等模糊类别）。

六、结语

对 CDA 数据分析师而言，“列联表分析 + 卡方检验” 是处理分类变量关联问题的 “黄金组合”—— 列联表将抽象的分类数据转化为直观的交叉结构，卡方检验则为 “关联是否显著” 提供科学依据。两者的结合，让分类数据的分析从 “主观判断” 升级为 “数据驱动的可靠结论”。

在业务决策中，CDA 分析师需始终牢记：列联表不是 “数据的简单堆砌”，卡方检验不是 “公式的机械套用”。真正的价值在于 “从业务问题出发，用列联表呈现趋势，用卡方检验验证显著性，最终落地为可执行的业务动作”—— 例如从 “性别与支付方式关联” 到 “分性别推送支付优惠”，从 “促销方案与购买决策关联” 到 “优先推广高转化方案”，这才是列联表与卡方检验的终极意义。

若你需要进一步应用，我可以帮你整理一份CDA 列联表 + 卡方检验实操模板，包含不同业务场景（电商、零售、金融）的变量选择、代码模板与结果解读框架，方便你直接复用。

推荐学习书籍 《CDA一级教材》适合CDA一级考生备考，也适合业务及数据分析岗位的从业者提升自我。完整电子版已上线CDA网校，累计已有10万+在读~ !

免费加入阅读：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0