请教：SPSS卡方检验的结果分析！！ 【重要】

Posted 2023-04-02

X2、P值怎么取 ？有何条件约束？（比如说什么情况下取哪项）。希望解释得详细点，
谢谢~~~

理论度小于5(表为0)的单元格不超过20%，并且没有小于1的单元格。使用第一行Pearson, p>0.05在表中，所以差异不显著。否则，采用似然比卡方检验。

也有线性和线性组合：只有行变量和列变量都是秩（有序）数据。

连续校正，在2＊2四象限表的情况下使用，如果在四象限表中，一个单元格的理论度数小于5，则使用此校正。

Fisher是精确概率检验，只在四格表中使用。

扩展资料：

注意事项：

（1）对于理论度小于5的细胞，不超过20％，对于理论度小于1的细胞，使用Pearson，n大于等于40更好；

（2）如果理论度小于5的细胞数大于20％，且没有理论度小于1的情况，n大于等于40更好，通过连续性校正；

（3）当理论个数小于1或n<40时，采用精确概率或似然比卡方检验。

参考技术A

理论度小于5(表为0)的单元格不超过20%，并且没有小于1的单元格。使用第一行Pearson, p>0.05在表中，所以差异不显著。否则，采用似然比卡方检验。

两个独立样本比较可以分以下3种情况：

1、所有的理论数T≥5并且总样本量n≥40，用Pearson卡方进行检验。

2、如果理论数T＜5但T≥1，并且n≥40，用连续性校正的卡方进行检验。

3、如果有理论数T＜1或n＜40，则用Fisher’s检验。

2*2列联表的卡方检验：

2*2列联表的卡方检验又称配对记数资料或配对四格表资料的卡方检验，根据卡方值计算公式的不同，可以达到不同的目的。

当用一般四格表的卡方检验计算时，卡方值=n（ad-bc)^2/[(a+b)(c+d)(a+c)(b+d)]，此时用于进行配对四格表的相关分析，如考察两种检验方法的结果有无关系；当卡方值=（|b-c|-1）2/(b+c)时，此时卡方检验用来进行四格表的差异检验，如考察两种检验方法的检出率有无差别。

以上内容参考：百度百科-卡方检验

参考技术B 我想问下，如果我的情况是（3）有理论次数小于1的情况（有两个）或n<40（且n=39），用精确概率或似然比卡方检验。然后得出精确概率P=0.105，似然比P=0.032，我该采用哪个结果，是差异有统计学意义，还是没意义，求赐教，谢谢！ 参考技术C 这里面有好多种情况：
如果理论次数小于5的格子不超过20%（你的表里是0），而且没有理论次数小于1的情况，使用第一行Pearson，表格里p>0.05，所以差异不显著。否则就用似然比卡方检验。
还有一个线性和线性组合：仅用于行变量、列变量都是等级（序次）数据的时候。
第二行：连续校正，是用于2*2四格表的情况，如果四格表中，某格的理论次数小于5，就要用这个校正。
第四行：Fisher是精确概率检验，仅用于四格表。
小结四格表：
（1）理论次数小于5的格子不超过20%，而且没有理论次数小于1的情况，最好n大于等于40，用Pearson；
（2）理论次数小于5的格子超过20%，而且没有理论次数小于1的情况，最好n大于等于40，用连续性修正；
（3）有理论次数小于1的情况或n<40，用精确概率或似然比卡方检验。追问

请问，理论次数指的是哪个值呢 ？ 是期望值T吗？
（其他很多次统计出来的期望值T大部分都小于5，是不是都不能用Pearson，而要用似然比？）

我用的是交叉表，如下
1 1 30
1 2 20
2 1 10
2 2 50

追答

理论次数应该就是数学期望T吧。统计结果表最下面一行会告诉你有多少个小于5，最小是多少。
如果有20%个格子以上小于5，或者最小的为1，那你就不能用Pearson哦，如果是2*2四格表，精确概率或似然比卡方检验都可以。

追问

那就是说，直接看卡方检验表下的标注a b就可以了吧
期望值不用另外统计 ？

追答

是的。

本回答被提问者采纳 参考技术D 建议直接使用spssau在线分析，里面会自动判断使用哪种卡方值

spss分析方法-卡方检验

参考技术A 参数检验的前提是 关于总体分布的假设成立 ，但很多情况下我们无法获得有关总体分布的相关信息。

非参数检验正是一类基于这种考虑，在总体方差未知或知道甚少的情况下，利用样本数据对总体分布形态等进行推断的方法。

卡方检验是一种用于 判断样本是否来自于特定分布的总体 的 非参数检验 方法，其根据样本的频数来推断总体分布与理论分布是否有显著差异。

下面我们主要从下面四个方面来解说：

实际应用

理论思想

操作过程

分析结果

一、实际应用

例如抽取某学校的学生的数据，推断性别比例是否4：6；医学家在研究心脏病人猝死人数与日期的关系时发现：一周之中，星期一心脏病人猝死者较多，其他日子则基本相当。当天的比例近似为2.8：1：1：1：1：1：1。现收集到心脏病人死亡日期的样本数据，推断其总体分布是否与上述理论分布相吻合。

二、理论思想

卡方检验方法可以根据样本数据，推断总体分布与期望分布或某一理论分布是否存在显著差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。H0原假设是： 样本来自的总体分布与期望分布或某一理论分布无差异 。

三、操作过程

卡方检验的数据条件：

条件宽松、对样本数据要求较低、计算相对简单

卡方检验案例：

题目：随机抽取的100名山东省某地区新出生婴儿的性别情况。试用卡方检验方法研究该地区新出生婴儿的男女比例是否存在明显的差别。

一、数据输入

二、操作步骤

1.进入SPSS，打开相关数据文件，选择“分析”“|非参数检验”“|旧对话框”|“卡方”命令

2.选择进行卡方检验的变量。在“卡方检验”对话框的左侧列表框中，选择“性别”进入“检验变量列表”列表框。

3.设置期望范围和期望值。在“卡方检验”对话框内的“期望范围”选项组中，选中“从数据中获取”单选按钮，也就是根据数据本身的最大值和最小值来确定检验值范围；在“期望值”选项组中，选中“所有类别相等”单选按钮，因为本例中各类别的构成比相同。

4.设定卡方检验的计算方法。单击“卡方检验”对话框中的“精确”按钮，选中“仅渐进法”单选按钮，单击“继续”按钮返回“卡方检验”对话框。

选择相关统计量的输出和缺失值的处理方法。

5.单击“卡方检验”对话框中的“选项”按钮，在“统计”选项组中选中“描述”复选框，也就是输出变量的描述性统计量，包括平均值、标准差、最大值、最小值等；在“缺失值”选项组中选中“按检验排除个案”单选按钮，即排除掉含有缺失值的记录后再进行卡方检验。设置完毕后，单击“继续”按钮返回“卡方检验”对话框。

6.其余设置采用系统默认值即可。

7.单击“确定”按钮，等待输出结果。

四、结果分析

1.   描述性统计量表接受检验的样本共100个，样本平均值是1.49，标准差是0.502，最小值是1，最大值是2。

2.  卡方检验频数表参与检验的男性婴儿共51个，女性婴儿共49个，期望数都是50.0，残差分别是1.0和-1.0。

3.   卡方检验统计量表卡方值是0.040，自由度是1，渐近显著性水平为0.841，远大于0.05，检验结果接受原假设。

分析结论：

综上所述，通过卡方检验，该地区新出生婴儿的男女比例没有明显的差别。

（获取更多知识，前往前往我的wx ————公z号 （程式解说）

原文来自https://mp.weixin.qq.com/s/4HW9cWF96yG7GKre5OFNHQ