卡方检验是数据分析的重要手段之一，它可以用来检验数据的适合度和相关性，IBM SPSS Statistics中也为用户提供了各类卡方检验的项目。

接下来将为大家介绍的就是使用IBM SPSS Statistics对数据样本进行适合度检验时产生的结果的分析方法。

一、概述

1.卡方检验

图1：卡方检验功能位置

当需要研究某一类别变量的实际观察次数和理论次数是否一致时，就可以利用卡方检验来实现，这是一种单因子检验。

2.数据样本

图2：数据样本

比如我们这里用到的数据样本是：一个事件存在三种发展方向，三个方向发生的机会均等且概率和为1，那么它们的理论发生次数就是相等的，概率各为三分之一，上图是实际观测到的次数。

如果要检验实际观测次数和理论次数的适合度如何，就可以使用SPSS的卡方检验来实现。

二、结果分析

1.检验

图3：设计卡方检验

按上图所示方法设计卡方检验的项目，这样的设计方法是针对我们这里使用的各水平机会均等的数据样本的，如果是其他类型的样本，项目设计会有所不同。

2.结果分析

图4：频率结果

在输出日志窗口，我们可以看到有两个结果表格。第一个表格是频率统计，第一列是实际观测到的数据，第二列是计算出的期望数值（机会均等，所以就是总个数的平均值），第三列是实测数据和期望数值的差值，也就是残差，残差的绝对值越大，前两列的数据偏离度越大。

表中数据显示，方向2的残差较小，数据的偏离度较小，关联度较大；方向1和3则偏离度较大，存在显著差异。

图5：检验统计

第二个表格是系统计算出的卡方、自由度和显著性，这里显示卡方值为10.417，自由度为2，显著性系数，也就是我们常说的p值是0.005，下面标注了期望小于5的单元格为0，最小期望是46.7，对于本样本来说，这里的p值意义更大一点。

p值大于0.05时，则表示数据之间没有显著差异，由于本例中p值（0.005）远小于0.05，所以卡方检验的结果就是观测值与理论值之间存在显著差异，主要表现在方向1和方向3的数据上。

三、小结

这篇文章中我们主要介绍了SPSS卡方检验用来检验适合度时，对各水平机会均等的数据样本该如何设计并进行结果分析，这是卡方检验中较为基础的一种，充分了解可以为更深入的卡方检验打下基础，希望可以对大家有所帮助！