卡方檢驗是數據分析的重要手段之一，它可以用來檢驗數據的適合度和相關性，IBM SPSS Statistics中也為用戶提供了各類卡方檢驗的項目。

接下來將為大家介紹的就是使用IBM SPSS Statistics對數據樣本進行適合度檢驗時產生的結果的分析方法。

一、概述

1.卡方檢驗

圖1：卡方檢驗功能位置

當需要研究某一類別變量的實際觀察次數和理論次數是否一致時，就可以利用卡方檢驗來實現，這是一種單因子檢驗。

2.數據樣本

圖2：數據樣本

比如我們這里用到的數據樣本是：一個事件存在三種發展方向，三個方向發生的機會均等且概率和為1，那么它們的理論發生次數就是相等的，概率各為三分之一，上圖是實際觀測到的次數。

如果要檢驗實際觀測次數和理論次數的適合度如何，就可以使用SPSS的卡方檢驗來實現。

二、結果分析

1.檢驗

圖3：設計卡方檢驗

按上圖所示方法設計卡方檢驗的項目，這樣的設計方法是針對我們這里使用的各水平機會均等的數據樣本的，如果是其他類型的樣本，項目設計會有所不同。

2.結果分析

圖4：頻率結果

在輸出日志窗口，我們可以看到有兩個結果表格。第一個表格是頻率統計，第一列是實際觀測到的數據，第二列是計算出的期望數值（機會均等，所以就是總個數的平均值），第三列是實測數據和期望數值的差值，也就是殘差，殘差的絕對值越大，前兩列的數據偏離度越大。

表中數據顯示，方向2的殘差較小，數據的偏離度較小，關聯度較大；方向1和3則偏離度較大，存在顯著差異。

圖5：檢驗統計

第二個表格是系統計算出的卡方、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，也就是我們常說的p值是0.005，下面標注了期望小于5的單元格為0，最小期望是46.7，對于本樣本來說，這里的p值意義更大一點。

p值大于0.05時，則表示數據之間沒有顯著差異，由于本例中p值（0.005）遠小于0.05，所以卡方檢驗的結果就是觀測值與理論值之間存在顯著差異，主要表現在方向1和方向3的數據上。

三、小結

這篇文章中我們主要介紹了SPSS卡方檢驗用來檢驗適合度時，對各水平機會均等的數據樣本該如何設計并進行結果分析，這是卡方檢驗中較為基礎的一種，充分了解可以為更深入的卡方檢驗打下基礎，希望可以對大家有所幫助！