第1个回答 2022-11-29
卡方检验(Chi-Square Test )是Pearson提出的一种统计方法，通过比较一定可靠度和自由度下卡方统计量和卡方分布函数的概率值，判断实际概率是否与期望概率一致，进而判断理论概率与实际概率一致用户可以利用SPSS软件方便地完成卡方检验。 在SPSS软件中，默认的H0成立。 即，观察度数和实际度数没有差异。 即两组变量互不影响，两组变量不相关，检验p值较高时，假设检验合格； 检查p值低时，检查不合格，观察度数和实际度数有差异，两组变量相关。 由于SPSS数据检测具有较强的科学性和完整性，报道也很复杂。 这里进行SPSS卡检查结果的解读。
基于SPSS的卡片检测
例如，调查某一地点某一疾病发病率与性别是否相关，样品如下图所示
图1某地疾病发病人数统计
打开SPSS软件，输入数据，如图2所示。 其中，第一排为男性，第二排为女性，第二排为发病，第二排不发病，第三排为各项人数。 因为人数是频率，所以需要对这一列的数据进行加权。 操作方法请参照图3。
图2输入数据
图3显示了加权的步骤。 在数据中选择情况权重，然后在显示的对话框中选择VAR00003并将其设置为频率变量。 加权指定频率变量是进行卡方检验所需的步骤。
对图3度数进行加权
加权结束后，可以进行卡方检验。 操作步骤如图4所示，分析过程中选择描述统计、交叉表，将第一列数据指定为行，第二列数据指定为列，统计过程中选择卡方，最后点击确定，软件进行卡方检验。
2 .卡片检查结果解读
卡方检验的结果如图5所示，案例处理的摘要显示了有效数据和无效数据的数量。 VAR00001*VAR00002交叉表显示了与各变量对应的度数，该交叉表具有与图1完全相同的结构，用户可以在该明细表中确认数据输入状况。
卡方检验的结论是我们介绍的重点。 首先，在本例中，矩阵变量各为两组，自由度为(2-1) (2-1)=1，皮尔逊2值为22.475，显著性数值小于0.000且为0.05，存在显著性差异，不能接受无关假设。 即发病与性别明显相关。
细心的读者可以准确地验证以下三个统计结果：连续性修改、似然比、ggdhm。
卡方检验中，由于用离散型统计量代替连续性统计量，所以度数低时会产生一定的偏差，需要一定的校正，但数据量多(40 )、度数都大于5时不需要校正，连续性校正结果只适用于4格表。 在这个例子中，由于样本量很多，所以连续性校正结果和人员值没有很大的差异。
似然比的结果与卡方的检查没有很大差异。 费希尔精度检查适用于样本数40，可能为期待度数1。 之所以这么说，是因为费休精度检验方法来源于超几何分布，在样本数较少的情况下，期望的估计值比皮尔逊的卡方检验更好，因此在样本数较少的情况下，需要参考该值。