大家好，又见面了，我是你们的朋友全栈君。
卡方检验（Chi-Square Test）是由Pearson提出的一种统计方法，在一定的置信水平和自由度下，通过比较卡方统计量和卡方分布函数概率值，判断实际概率与期望概率是否吻合，通过比较理论概率和实际概率的吻合程度，可检验两个分类变量的相关性。用户可利用SPSS软件方便的完成卡方检验，在SPSS软件中，默认H0成立，即观察频数和实际频数无差别，即两组变量相互不产生影响，两组变量不相关，如果检验P值很高，则假设检验通过；如果检验P值很低，则检验不通过，观察频数和实际频数有差别，两组变量相关。SPSS数据检验具有很强的科学性和完备性，因此给出的报告也较复杂，下面就来进行SPSS卡方检验结果解读。
1.利用SPSS进行卡方检验
例如调查某地某种疾病发病率与性别是否相关，样本如下图所示：
图1 某地某种疾病发病人数统计
打开SPSS软件，按图2所示输入数据，其中第一列1代表男，2代表女，第二列1代表发病，2代表不发病，3列为各项的人数，由于人数为频次，因此需要对此列数据进行加权，操作方式见图3。
图2 输入数据
图3显示了加权的步骤，在数据中选择个案加权，然后在弹出的对话框中，选中VAR00003将其设置为频率变量。加权指定频率变量，是进行卡方检验的必要步骤。
图3 对频数进行加权
加权完毕后，就可以进行卡方检验了，操作步骤如图4所示，在分析中选择描述统计，交叉表，将第一列数据指定行，将第二列数据指定为列，然后在统计中选择卡方，最后点击确定，软件将进行卡方检验。
2.卡方检验结果解读
卡方检验结果如图5所示，个案处理摘要显示了有效数据和无效数据的数量。VAR00001*VAR00002交叉表显示各变量对应的频数，观察不难发现，这个交叉表与图1中结构完全相同，用户可通过这个表核对录入数据情况。
卡方检验结论是我们介绍的重点，首先在本例中，行列变量为各为二组，自由度为（2-1）×（2-1）=1，Pearson χ2值为22.475，显著性数值为0.000小于0.05，有显著性差异，不能接受无关假设，即疾病发病与性别明显相关。
细心的读者会发现，下面还有连续性修正，似然比，费希尔精确检验三个统计结果。
卡方检验在运算过程中使用了离散型统计量代替了连续性的统计量，所以在频数较低时会产生一定的偏斜，需要进行一定的修正，但是在数据量很大(>40)，频数均大于5时，没有必要进行修正，连续性修正结果仅仅适用于四格表，且频数均小于5时。本例中样本量大，因此连续性修正结果与Pearson值差别不大。
似然比结果与卡方检验差别不大。费舍尔精确检验适用于样本数量<40,且存在期望频数<1的情况，其原因是，费舍尔精确检验方法来源于超几何分布，这种计算方法在样本数量较低时对于期望的估计是优于Pearson卡方检验的，所以在样本数量较低时应参考此值。
图5 卡方检验结果
卡方检验可以有效的分析变量相关关系，但是也存在一定的限制条件，样本量足够大，并且期望频数也要足够大，在数据量较少，频数较低时要选择连续性修正和费舍尔精确检验结果，因此进行统计分析时一定要注意选择合适的统计方法，避免产生错误。
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/145378.html原文链接：https://javaforall.net
