【SPSS实用教程[5]四格表的卡方检验】在统计学中，卡方检验是一种常用的非参数检验方法，用于判断两个分类变量之间是否存在显著的关联性。其中，四格表的卡方检验（也称为2×2列联表卡方检验）是应用最为广泛的一种形式，常用于分析两组数据之间的独立性问题。
本教程将围绕“四格表的卡方检验”进行简要总结，并通过表格形式展示关键步骤和结果解读。
一、四格表卡方检验概述
| 项目 | 内容 |
| 适用场景 | 两个二分类变量之间的独立性检验 |
| 数据要求 | 数据为频数分布表（即四格表） |
| 假设设定 | H₀：两变量独立；H₁：两变量不独立 |
| 检验统计量 | 卡方值（χ²） |
| 判定标准 | 根据卡方分布表或p值判断是否拒绝原假设 |
二、SPSS操作步骤（以四格表为例）
1. 准备数据
在SPSS中，应将数据整理为三列：行变量、列变量、频数。例如：
2. 加权个案
- 点击菜单栏中的 数据（Data） → 加权个案（Weight Cases）
- 选择 加权个案，并将频数变量选入 频率变量（Frequency Variable） 中
3. 进行卡方检验
- 点击 分析（Analyze） → 描述统计（Descriptive Statistics） → 交叉表（Crosstabs）
- 将行变量和列变量分别拖入 行（Row） 和 列（Column） 框中
- 点击 统计（Statistics），勾选 卡方（Chi-square）
- 点击 单元格（Cells），可选择 观察值（Observed） 和 期望值（Expected） 以增强理解
- 点击 确定（OK） 运行分析
三、SPSS输出结果解读（示例）
以下为SPSS输出的部分关键表格：
1. 交叉表（Crosstabulation）
| 行变量 | 列变量 | 观察频数 | 期望频数 |
| A | X | 10 | 12.5 |
| A | Y | 20 | 17.5 |
| B | X | 15 | 12.5 |
| B | Y | 25 | 17.5 |
2. 卡方检验结果（Chi-Square Tests）
| 检验 | 值 | 自由度 | 渐进显著性（p值） |
| 卡方（χ²） | 2.857 | 1 | 0.091 |
| 似然比 | 2.922 | 1 | 0.087 |
| 皮尔逊卡方 | 2.857 | 1 | 0.091 |
四、结果判断与结论
- 若 p值 < 0.05，则拒绝原假设，认为两变量存在显著关联；
- 若 p值 ≥ 0.05，则无法拒绝原假设，认为两变量无显著关联。
在本例中，p值为0.091，大于0.05，因此不能拒绝原假设，说明行变量与列变量之间没有显著的关联性。
五、注意事项
- 当某些单元格的期望频数小于5时，卡方检验的结果可能不够准确，此时可考虑使用Fisher精确检验。
- SPSS中可通过 交叉表（Crosstabs） 的 统计（Statistics） 选项中选择 Fisher's Exact Test。
通过以上步骤和分析，可以较为全面地掌握如何在SPSS中进行四格表的卡方检验，并正确解读结果。实际应用中，还需结合具体研究背景灵活判断。
