卡方檢驗(yàn)是數(shù)據(jù)分析的重要手段之一，它可以用來(lái)檢驗(yàn)數(shù)據(jù)的適合度和相關(guān)性，IBM SPSS Statistics中也為用戶提供了各類卡方檢驗(yàn)的項(xiàng)目。

接下來(lái)將為大家介紹的就是使用IBM SPSS Statistics對(duì)數(shù)據(jù)樣本進(jìn)行適合度檢驗(yàn)時(shí)產(chǎn)生的結(jié)果的分析方法。

一、概述

1.卡方檢驗(yàn)

圖1：卡方檢驗(yàn)功能位置

當(dāng)需要研究某一類別變量的實(shí)際觀察次數(shù)和理論次數(shù)是否一致時(shí)，就可以利用卡方檢驗(yàn)來(lái)實(shí)現(xiàn)，這是一種單因子檢驗(yàn)。

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(gè)事件存在三種發(fā)展方向，三個(gè)方向發(fā)生的機(jī)會(huì)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(shí)際觀測(cè)到的次數(shù)。

如果要檢驗(yàn)實(shí)際觀測(cè)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(yàn)來(lái)實(shí)現(xiàn)。

二、結(jié)果分析

1.檢驗(yàn)

圖3：設(shè)計(jì)卡方檢驗(yàn)

按上圖所示方法設(shè)計(jì)卡方檢驗(yàn)的項(xiàng)目，這樣的設(shè)計(jì)方法是針對(duì)我們這里使用的各水平機(jī)會(huì)均等的數(shù)據(jù)樣本的，如果是其他類型的樣本，項(xiàng)目設(shè)計(jì)會(huì)有所不同。

2.結(jié)果分析

圖4：頻率結(jié)果

在輸出日志窗口，我們可以看到有兩個(gè)結(jié)果表格。第一個(gè)表格是頻率統(tǒng)計(jì)，第一列是實(shí)際觀測(cè)到的數(shù)據(jù)，第二列是計(jì)算出的期望數(shù)值（機(jī)會(huì)均等，所以就是總個(gè)數(shù)的平均值），第三列是實(shí)測(cè)數(shù)據(jù)和期望數(shù)值的差值，也就是殘差，殘差的絕對(duì)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(guān)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(yàn)統(tǒng)計(jì)

第二個(gè)表格是系統(tǒng)計(jì)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(shuō)的p值是0.005，下面標(biāo)注了期望小于5的單元格為0，最小期望是46.7，對(duì)于本樣本來(lái)說(shuō)，這里的p值意義更大一點(diǎn)。

p值大于0.05時(shí)，則表示數(shù)據(jù)之間沒(méi)有顯著差異，由于本例中p值（0.005）遠(yuǎn)小于0.05，所以卡方檢驗(yàn)的結(jié)果就是觀測(cè)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(jié)

這篇文章中我們主要介紹了SPSS卡方檢驗(yàn)用來(lái)檢驗(yàn)適合度時(shí)，對(duì)各水平機(jī)會(huì)均等的數(shù)據(jù)樣本該如何設(shè)計(jì)并進(jìn)行結(jié)果分析，這是卡方檢驗(yàn)中較為基礎(chǔ)的一種，充分了解可以為更深入的卡方檢驗(yàn)打下基礎(chǔ)，希望可以對(duì)大家有所幫助！