研究场景

卡方检验是一种假设检验的方法，它属于非参数检验的范畴，主要是用于分析定类数据与定类数据之间的关系情况。例如：分析性别与患病之间是否存在差异、性别与是吸烟之间是否存在差异性等。

SPSSAU操作

SPSSAU左侧仪表盘“实验/医学研究”→“卡方检验”；

卡方值的意义

卡方值表示观察值与理论值之间的偏离程度。计算这种偏离程度的基本思路如下。

1. 设A代表某个类别的观察频数，E代表基于H0计算出的期望频数，A与E之差称为残差。
2. 显然，残差可以表示某一个类别观察值和理论值的偏离程度，但如果将残差简单相加以表示各类别观察频数和期望频数的差别，则有一定的不足之处。因为残差有正有负，相加后会使彼此抵消，总和仍为0，为此可以将残差平方后求和
3. 另一方面，残差大小是一个相对的概念，相对于期望频数是10时，期望频数为20的残差非常大，但相对于期望频数为1000是20就很小，考虑到这一点，人们又将残差平方除以期望频数再求和，以估计观察颍数与期望烦数的差别。

（参考来源：张文影,邝春伟编著.SPSS统计分析基础教程（第2版））

SPSSAU结果与指标解读

1.卡方检验分析结果

其中A代表某个类别的观察频数，E代表基于H0计算出的期望频数，Ai为i水平的观察频数，Ei为i水平的期望频数，n为总频数，pi为i水平的期望频率。当n比较大时，χ2统计量近似服从k-1个自由度的卡方分布。

2.卡方检验统计量过程值

3. 深入分析-效应量指标

4.多重比较结果

（1）第1次多重比较

（2）第2次多重比较

（3）第3次多重比较

5. 趋势卡方检验

其他说明

1.卡方检验事后多重比较是什么意思？

医学研究模块里面的卡方检验方法时，SPSSAU默认提供多重比较功能，且SPSSAU仅针对第1个Y进行，可通过更换Y的位置实现其它分析项的多重比较，X或Y的选项个数大于10时不进行多重比较。

多重比较时，SPSSAU默认提供Pearson卡方检验值，多重比较时，检验次数增多会增加一类错误的概率，建议使用校正显著性水平(Bonferroni校正)，比如如果显著性水平为0.05，并且两两比较次数为3次，那么Bonferroni校正显著性水平为0.05/3次=0.0167，即p值需要与0.0167进行对比，而不是0.05。

总结

如果研究中卡方检验表格出现多个卡方值和 p值，建议先理解表格里面是进行了卡方检验，还是卡方拟合优度检验，然后按官方说明操作进行，最后在EXCEL表格中进行汇总整理表格即可。以上就是卡方分析的指标解读。卡方检验无论是在问卷调研或是医学实验中，都是非常实用高效的方法，没有展开说明的部分建议大家查阅SPSSAU帮助手册进行学习。