东南亚华裔种族仇恨犯罪研究中卡方独立性检验适用问题咨询

你设想的“仅对期望频数<5的单元格单独启用Fisher精确检验”的联用方式完全不可行，没有任何统计理论层面的支撑，核心逻辑问题如下：

• 两种检验的计算框架、推断逻辑完全割裂：卡方独立性检验是基于大样本近似原理，对整张列联表的行列变量独立性做全局推断的方法，要求全表所有单元格的期望频数满足阈值要求，才能保证卡方分布的近似结果准确；Fisher精确检验是在固定列联表所有行和、列和的前提下，通过枚举所有可能的列联表组合计算当前观察结果的精确概率，本身就是针对整张表的全局推断方法，从设计上就不存在“针对单个单元格单独计算Fisher值”的操作逻辑。
• 拆分单元格拼接两种检验的操作，本质是把两套独立的统计推断规则硬揉在一起，既达不到卡方检验对全表样本条件的要求，也不符合Fisher精确检验的计算前提，最终得到的统计量、p值没有实际参考价值，还会大幅扭曲第一类错误概率，导致结果完全不可信。

常见误区澄清：Fisher精确检验从来不是给卡方检验做“局部补漏”的校正工具，不存在“哪个单元格期望频数不够就给哪个单元格补Fisher计算结果”的用法。

• 合理合并低样本族群类别，适配标准卡方检验要求
  你的研究核心是验证华裔相较同地区其他族群更易遭遇种族动机仇恨犯罪的假设，不需要强制保留全部8个细分族群的统计粒度。可以把应答量不足、期望频数低于阈值的小众族群，按照地域关联、文化属性等逻辑合并为“其他非华裔族群”大类，重新计算列联表所有单元格的期望频数，确保满足卡方检验的适用条件（所有单元格期望频数≥5，或1-5区间的单元格占比不超过总单元格数的20%），即可正常开展卡方独立性检验；如果全局卡方检验结果显著，还可以进一步针对华裔和合并后其他组的核心对比开展事后校验。
• 对整张列联表直接运行全表Fisher精确检验
  不用受“Fisher精确检验仅适用于2*2小样本列联表”的过时认知限制，你当前的列联表是8个族群类别、2个结果水平（是否遭遇过种族动机仇恨犯罪）的结构，总样本量300，完全在现代统计算法的计算能力范围内，直接对整张表开展Fisher精确检验，既可以完全规避小期望频数带来的卡方分布近似偏差，也完全符合统计方法的使用规范，不需要做任何单元格层面的拆分调整。
• 换用二元逻辑回归模型验证核心研究假设
  你的因变量是二元名义变量（是否遭遇过种族动机仇恨犯罪），完全可以将8个族群分类直接作为多分类协变量纳入模型（基准组设为华裔），通过最大似然估计得到华裔相较于其他族群的仇恨犯罪遭遇发生比差异。这种方法不需要对单元格的期望频数做任何调整，哪怕个别族群的应答样本量很少也能得到稳定的估计结果，还可以同时纳入年龄、居住年限、社会经济地位等混淆变量做控制，比单纯的列联表检验研究效力更强，结果解释也更贴合研究假设。

内容的提问来源于stack exchange，提问作者Amélie V