Web 數據分析進階：用 PHP 實現推論統計與卡方檢定

Web 開發者每天面對海量日誌、投票、調查數據，卻往往停留在「計數與百分比」的描述性統計層面。本文介紹如何將推論統計引入 Web 數據分析，以 PHP 實現卡方檢定，從樣本數據推斷總體分佈差異是否顯著，助力數據驅動決策。

為什麼需要推論統計？

描述性統計只告訴你「發生了什麼」，推論統計能回答「這是否具有統計學意義」。例如：

• 啤酒品牌投票：Keiths 28.5%、Olands 25%、Schooner 21.5%、其他 25%
• 問題：Keiths 真的是最受歡迎，還是只是抽樣波動？

實驗設計要素

1. 測量尺度：名義尺度（品牌分類）→ 適用非參數檢定
2. 樣本代表性：隨機抽樣、防刷票、用戶分層
3. 假設檢定：
   • 虛無假設 H₀：各品牌支持度相等（均為 25%）
   • 備選假設 H₁：至少一個品牌支持度不同

卡方檢定原理與 PHP 實現

統計量計算

$$ \chi^2 = \sum \frac{(O_i - E_i)^2}{E_i} $$

• $O_i$：觀察頻次
• $E_i$：期望頻次 = 總樣本數 / 類別數

完整 PHP 實現

<?php
class ChiSquareTest {
    /**
     * 卡方獨立性/適合度檢定
     * @param array $observed 觀察頻次陣列 [285, 250, 215, 250]
     * @param array|null $expected 期望頻次陣列，null 表示均勻分佈
     * @return array ['chi2' => 值, 'df' => 自由度, 'p_value' => P值, 'significant' => 是否顯著]
     */
    public static function goodnessOfFit(array $observed, array $expected = null) {
        $n = array_sum($observed);
        $k = count($observed);
        
        if ($expected === null) {
            $expected = array_fill(0, $k, $n / $k);
        }
        
        $chi2 = 0;
        for ($i = 0; $i < $k; $i++) {
            $diff = $observed[$i] - $expected[$i];
            $chi2 += ($diff * $diff) / $expected[$i];
        }
        
        $df = $k - 1;
        $p_value = 1 - self::chiSquareCDF($chi2, $df);
        
        return [
            'chi2' => $chi2,
            'df' => $df,
            'p_value' => $p_value,
            'significant' => $p_value < 0.05,
            'critical_05' => self::chiSquareCritical(0.05, $df),
            'critical_01' => self::chiSquareCritical(0.01, $df),
        ];
    }
    
    // 卡方分佈累積分佈函數 (近似計算)
    private static function chiSquareCDF($x, $df) {
        // 使用不完全伽馬函數近似：P = γ(df/2, x/2) / Γ(df/2)
        // 這裡用簡單的系列展開近似，生產環境建議用 stats_cdf_chisquare (PECL stats)
        if (!function_exists('stats_cdf_chisquare')) {
            return self::incompleteGamma($df / 2, $x / 2) / self::gamma($df / 2);
        }
        return stats_cdf_chisquare($x, $df);
    }
    
    // 簡易伽馬函數實現（Lanczos 近似）
    private static function gamma($z) {
        $coeff = [1.000000000190015, 76.18009172947146, -86.50532032941677,
                  24.01409824083091, -1.231739572450155, 0.1208650973866179e-2,
                  -0.5395239384953e-5];
        $z -= 1;
        $x = $coeff[0];
        for ($i = 1; $i < count($coeff); $i++) {
            $x += $coeff[$i] / ($z + $i);
        }
        $t = $z + count($coeff) - 1.5;
        return sqrt(2 * M_PI) * pow($t, $z + 0.5) * exp(-$t) * $x;
    }
    
    private static function incompleteGamma($a, $x) {
        // 簡易級數展開，僅供演示
        if ($x < 0 || $a <= 0) return 0;
        $sum = $term = 1 / $a;
        for ($n = 1; $n < 100; $n++) {
            $term *= $x / ($a + $n);
            $sum += $term;
            if (abs($term) < 1e-10) break;
        }
        return $sum * pow($x, $a) * exp(-$x);
    }
    
    // 臨界值查表（常用值）
    private static function chiSquareCritical($alpha, $df) {
        $table = [
            1 => [0.05 => 3.841, 0.01 => 6.635],
            2 => [0.05 => 5.991, 0.01 => 9.210],
            3 => [0.05 => 7.815, 0.01 => 11.345],
            4 => [0.05 => 9.488, 0.01 => 13.277],
            5 => [0.05 => 11.070, 0.01 => 15.086],
        ];
        return $table[$df][$alpha] ?? null;
    }
}

// 使用示例：啤酒投票
$observed = [285, 250, 215, 250]; // Keiths, Olands, Schooner, Other
$result = ChiSquareTest::goodnessOfFit($observed);

echo "χ² = {$result['chi2']:.4f}\n";
echo "自由度 = {$result['df']}\n";
echo "P值 = {$result['p_value']:.6f}\n";
echo "顯著性 (α=0.05) : " . ($result['significant'] ? '顯著差異' : '無顯著差異') . "\n";
echo "臨界值 χ²₀.₀₅ = {$result['critical_05']}\n";

輸出解讀

χ² = 9.8000
自由度 = 3
P值 = 0.0203
顯著性 (α=0.05) : 顯著差異
臨界值 χ²₀.₀₅ = 7.815

結論：拒絕虛無假設，各品牌支持度存在統計學顯著差異，Keiths 確實領先。

蒙特卡洛模擬驗證分佈

為理解卡方分佈形狀，可模擬多次隨機實驗：

function simulateChiSquare($trials = 300, $categories = 4, $experiments = 10000) {
    $results = [];
    for ($e = 0; $e < $experiments; $e++) {
        $counts = array_fill(0, $categories, 0);
        for ($t = 0; $t < $trials; $t++) {
            $counts[random_int(0, $categories - 1)]++;
        }
        $chi2 = 0;
        $expected = $trials / $categories;
        foreach ($counts as $obs) {
            $diff = $obs - $expected;
            $chi2 += ($diff * $diff) / $expected;
        }
        $results[] = $chi2;
    }
    return $results;
}

// 繪製直方圖可視化分佈形狀

Web 開發者的統計工具箱建議

最佳實踐提醒

1. 樣本量檢查：期望頻次每格 ≥5，否則合併類別或用 Fisher 精確檢定
2. 多重比較修正：多次檢定需 Bonferroni/Holm 校正
3. 效應量報告：除 P 值外，報告 Cramér's V 等效應量指標
4. 工具選擇：複雜分析建議 PHP 呼叫 R/Python 腳本，或使用專門的統計平台

總結

掌握基本推論統計，能讓 Web 開發者從「報表製造者」進化為「數據分析師」。PHP 雖非統計分析首選語言，但足以實現常見檢定邏輯。關鍵在於：正確定義假設、選擇合適檢定、解讀統計意義而非機械套用公式。