卡方检验 本讲涉及的卡方检验（同上一讲的拟合优度检验有所不同）要用于推断两个或多个总体率、构成比是否有差别；两个分类变量间是否存在关联等；两个等级变量间是否存在线性趋势。通常我们作卡方检验只用到了 Crosstabs 命令中极少部分的功能。 Crosstabs： 例如某医生用两种药物治疗十二指肠溃疡，问两种药物疗效是否不同，数据间胃溃疡.sav： Rows 框用于选择行变量；Columns 框用于选择列变量；Layer 指的是分层分析，将分层变量选入 Layer 框中，在同一层中的变量使用相同的设置，而不同层中的变量分别使用各自层的设置。如果要让不同的变量做不同的分析，则将其选入 Layer 框，并用 Previous 和 Next 设为不同层。 Display clustered bar charts 复选框显示复式条图。 Suppress table 复选框禁止在结果中输出行×列表（主要用于表格过于巨大时为了节省空间）。 Exact 选项含义同前Statistics 对话框，用于定义所需计算的统计量。 接着要在statistics 中定义如何分析，以及如果相了解两变量间关联应该如何选关联指标： Chi-square 复选框：计算Pearson 2 值。请注意作卡方检验时一定要满足总例数与理论数足够大的要求 ，系统会在卡方检验表格下提示有多少格子的理论数小于5 Correlations 复选框：计算行、列两变量的Pearson 相关系数（主要用于行、列变量都是计量资料的两变量相关分析，并计算Pearson 关联系数r 又称为）和 Spearman 等级相关系数（主要用于分析行、列变量均为等级变量，计算Spearman 等级相关系数又称为秩相关系数rs 或又称为s）。 *比如两正态变量间的Pearson 相关系数可以用crosstab 过程计算，只要将 correlations 勾上即可 在列联表的分析中，除了计算卡方值外，有时还要了解行列变量间的关联密切程度；SPSS 为我们提供了针对行列变量均为无序分类（Nominal）、等级变量（Ordinal）的列联表关联程度的衡量指标： Nominal 表示是否分析两个分类（通常指无序分类）变量间关联性，其下可计算4 个指标： 1）Contingency coefficient 复选框：即列联系数，在分析行列变量间关联性时使用；其值为nC22界于0～1 之间（但是如果行列数较少比如仅有2 行2 列，该系数最大只能到 0.707；而四行四列则可以达到 0.87，所以它的大小除了放映两个变量间的关联性还和表格的维度有关，因此该指标较少用于不同维度列联表间关联性比较）；该系数越大表示两变...
