卡方檢驗是數(shù)據(jù)分析的重要手段之一，它可以用來檢驗數(shù)據(jù)的適合度和相關性，IBM SPSS Statistics中也為用戶提供了各類卡方檢驗的項目。

接下來將為大家介紹的就是使用IBM SPSS Statistics對數(shù)據(jù)樣本進行適合度檢驗時產生的結果的分析方法。

一、概述

1.卡方檢驗

圖1：卡方檢驗功能位置

當需要研究某一類別變量的實際觀察次數(shù)和理論次數(shù)是否一致時，就可以利用卡方檢驗來實現(xiàn)，這是一種單因子檢驗。

2.數(shù)據(jù)樣本

圖2：數(shù)據(jù)樣本

比如我們這里用到的數(shù)據(jù)樣本是：一個事件存在三種發(fā)展方向，三個方向發(fā)生的機會均等且概率和為1，那么它們的理論發(fā)生次數(shù)就是相等的，概率各為三分之一，上圖是實際觀測到的次數(shù)。

如果要檢驗實際觀測次數(shù)和理論次數(shù)的適合度如何，就可以使用SPSS的卡方檢驗來實現(xiàn)。

二、結果分析

1.檢驗

圖3：設計卡方檢驗

按上圖所示方法設計卡方檢驗的項目，這樣的設計方法是針對我們這里使用的各水平機會均等的數(shù)據(jù)樣本的，如果是其他類型的樣本，項目設計會有所不同。

2.結果分析

圖4：頻率結果

在輸出日志窗口，我們可以看到有兩個結果表格。第一個表格是頻率統(tǒng)計，第一列是實際觀測到的數(shù)據(jù)，第二列是計算出的期望數(shù)值（機會均等，所以就是總個數(shù)的平均值），第三列是實測數(shù)據(jù)和期望數(shù)值的差值，也就是殘差，殘差的絕對值越大，前兩列的數(shù)據(jù)偏離度越大。

表中數(shù)據(jù)顯示，方向2的殘差較小，數(shù)據(jù)的偏離度較小，關聯(lián)度較大；方向1和3則偏離度較大，存在顯著差異。

圖5：檢驗統(tǒng)計

第二個表格是系統(tǒng)計算出的卡方、自由度和顯著性，這里顯示卡方值為10.417，自由度為2，顯著性系數(shù)，也就是我們常說的p值是0.005，下面標注了期望小于5的單元格為0，最小期望是46.7，對于本樣本來說，這里的p值意義更大一點。

p值大于0.05時，則表示數(shù)據(jù)之間沒有顯著差異，由于本例中p值（0.005）遠小于0.05，所以卡方檢驗的結果就是觀測值與理論值之間存在顯著差異，主要表現(xiàn)在方向1和方向3的數(shù)據(jù)上。

三、小結

這篇文章中我們主要介紹了SPSS卡方檢驗用來檢驗適合度時，對各水平機會均等的數(shù)據(jù)樣本該如何設計并進行結果分析，這是卡方檢驗中較為基礎的一種，充分了解可以為更深入的卡方檢驗打下基礎，希望可以對大家有所幫助！