在使用IBM SPSS Statistics進(jìn)行數(shù)據(jù)分析時(shí)，我們需要根據(jù)數(shù)據(jù)類型選擇合適的檢驗(yàn)方法，卡方檢驗(yàn)就是一種較為常用的數(shù)據(jù)檢驗(yàn)手段。

為此小編整理了一份SPSS卡方檢驗(yàn)的基礎(chǔ)教程供大家參考。

一、概述

圖1：卡方檢驗(yàn)位置

卡方檢驗(yàn)是檢驗(yàn)統(tǒng)計(jì)樣本的實(shí)際觀測(cè)值與理論推斷值之間偏離程度的一種方法，偏離程度以檢驗(yàn)得出的卡方值相關(guān)，卡方值越大，二者偏差程度越大；反之則越�。豢ǚ街禐�0時(shí)，則表示理論值完全符合。

卡方檢驗(yàn)是一種非參數(shù)檢驗(yàn)，主要用于分類變量是二項(xiàng)或多項(xiàng)分布的總體分布的一致性檢驗(yàn)。

在“分析”——“非參數(shù)檢驗(yàn)”——“舊對(duì)話框”——“卡方檢驗(yàn)”，可打開卡方檢驗(yàn)窗口。

二、操作

卡方檢驗(yàn)可以用來檢驗(yàn)數(shù)據(jù)的適合度，即某一分類變量的實(shí)際觀測(cè)次數(shù)與其理論次數(shù)是否一致，包括各水平機(jī)會(huì)均等和機(jī)會(huì)不等的情況。

1.各水平機(jī)會(huì)均等

（1）數(shù)據(jù)樣本

圖2：數(shù)據(jù)頁(yè)

上圖是小編選擇的一份數(shù)據(jù)樣本，其中各機(jī)會(huì)出現(xiàn)的可能性是相等的，即三個(gè)機(jī)會(huì)出現(xiàn)的概率相等且概率和為1，都是三分之一，所以理論上這幾個(gè)元素在調(diào)查得到的樣本中出現(xiàn)的次數(shù)也應(yīng)當(dāng)是均等的。

（2）數(shù)據(jù)加權(quán)

圖3：個(gè)案加權(quán)

由于已有數(shù)據(jù)顯示的是個(gè)數(shù)，所以在開始檢驗(yàn)之前我們還需要對(duì)其進(jìn)行加權(quán)：點(diǎn)擊“數(shù)據(jù)”——“個(gè)案加權(quán)”，選擇“個(gè)案加權(quán)依據(jù)”，將“個(gè)數(shù)”變量添加到“頻率變量”中，點(diǎn)擊確定。

（3）卡方檢驗(yàn)

依照1所示方法打開卡方檢驗(yàn)窗口。

圖4：卡方檢驗(yàn)窗口

將“機(jī)會(huì)”變量添加到“檢驗(yàn)變量列表”中，選擇“所有類別相等”。

（4）精確檢驗(yàn)

圖5：精確檢驗(yàn)

點(diǎn)擊卡方檢驗(yàn)窗口右上角的“精確”，進(jìn)入精確檢驗(yàn)設(shè)置窗口。這里為用戶提供了三種方法，一般來說選擇默認(rèn)的“僅漸進(jìn)法”就可以滿足需求了，如果得出的顯著性水平大于0.05、或者頻數(shù)過低時(shí)，可以考慮使用后兩種方法進(jìn)行檢驗(yàn)。

（5）結(jié)果輸出

圖6：卡方檢驗(yàn)結(jié)果

從結(jié)果可以看出，結(jié)果和預(yù)期存在顯著性差異，在“可能”和“不可能”意向上更突出。

2.各水平機(jī)會(huì)不等

（1）數(shù)據(jù)

圖7：數(shù)據(jù)

這是某項(xiàng)調(diào)查中顯示的性別比例，男女比大概為1比4，我們可以通過卡方檢驗(yàn)來驗(yàn)證這個(gè)比例的適合度。

（2）檢驗(yàn)

檢驗(yàn)前也需要進(jìn)行個(gè)案加權(quán)操作（參考圖3）。

圖8：卡方檢驗(yàn)

打開卡方檢驗(yàn)窗口后，進(jìn)行如上圖所示的設(shè)置。

在“值”處按升序輸入變量中分類所占的比例，小編這里1表示男性，2表示女性，所以依次添加0.2和0.8兩個(gè)值。

精確檢驗(yàn)依舊選擇僅漸進(jìn)法。

（3）結(jié)果

圖9：檢驗(yàn)結(jié)果

從檢驗(yàn)結(jié)果來看，本次實(shí)際觀測(cè)數(shù)據(jù)和理論數(shù)據(jù)1:4是符合的。

三、小結(jié)

本文中小編為大家介紹了卡方檢驗(yàn)是什么以及如何使用IBM SPSS Statistics的卡方檢驗(yàn)來檢驗(yàn)實(shí)際數(shù)據(jù)和理論數(shù)據(jù)的適合度，適合度的檢驗(yàn)有機(jī)會(huì)均等和機(jī)會(huì)不等兩種情況，我們根據(jù)數(shù)據(jù)樣本的特征靈活選擇即可。