Pearson用于护理研究或任何其他研究的卡方确定了相关变量的重要性。假设中有三种类型的变量：控制，被比较的实验部分，“规范”;依赖性，应该通过实验或测试改变的因素;独立，预计在实验中会发生变化的方面。护理研究的重点是提供优质的护理。卡方检验是确定零假设是真，假是否变量没有变化。
$config[code] not found皮尔逊的卡方
决定应该测试的假设。例如，护士想要发现发烧和暴露于寒冷的人之间是否存在相关性或关系。预期的结果是，100名患者中的90名将因暴露于寒冷而发烧。
收集资料。在100名患者中，75名患者在暴露于寒冷时会发烧，而25名患者在没有暴露于寒冷的情况下会发烧。这些是已经观察到的实验的方面。
计算：感冒发烧患者的数量，75。减去发热的预期患者数量，90。75-90 = 15，乘以2或平方，30，忽略阴性。
将30与预期的案例数除以90. 0.33。
确定自由度或df。自由度是通过将病例数除以比较的病例数来计算的。在这种情况下，等式将是100/100 = 1。这决定了概率是否显着。在这种情况下，p = 0.05，在卡方概率表上找到p。
在卡方分布表上找到p = 0.05下的.01。在这种情况下，卡方等于47.4。意味着零假设被证明是正确的或暴露于寒冷导致47％的时间发烧。
小费
必须仔细计算卡方。很容易错过一步并得到假阴性或假阳性。
