SPSS 27 卡方检验实战3步完成样本分布合理性分析附期望频数解读在社会科学和医学研究中我们经常需要验证收集的样本是否符合预设的分布比例。比如假设我们预期男女比例应该是1:1或者不同年龄段的受访者应该按照特定比例分布如何用数据验证这些假设是否成立这就是卡方检验的用武之地。1. 卡方检验基础与SPSS操作准备卡方检验Chi-Square Test是一种非参数检验方法主要用于分析分类变量之间的关联性或比较观察频数与期望频数之间的差异。在样本分布合理性分析中我们通常使用卡方拟合优度检验Goodness-of-Fit Test。1.1 卡方检验的核心概念观察频数Observed Frequency实际收集到的数据中各类别出现的次数期望频数Expected Frequency根据理论分布或预设比例计算出的各类别预期出现的次数卡方统计量χ²衡量观察频数与期望频数差异程度的指标卡方检验的基本公式为χ² Σ[(O - E)² / E]其中O代表观察频数E代表期望频数。1.2 SPSS中的卡方检验类型在SPSS 27中卡方检验主要通过以下路径实现分析 → 非参数检验 → 旧对话框 → 卡方或者通过交叉表分析分析 → 描述统计 → 交叉表 → 统计量 → 卡方1.3 数据准备示例假设我们收集了300份问卷想检验性别分布是否符合1:1的预期比例。数据格式如下个案编号性别1男2女......300女注意在进行卡方检验前确保已将分类变量设置为名义测量水平在变量视图中检查2. 三步完成卡方检验分析2.1 第一步描述性统计与频数分布在进行正式检验前先了解数据的基本分布情况点击分析 → 描述统计 → 频率将性别变量选入右侧变量框勾选显示频率表点击确定输出结果将显示各性别的实际频数和百分比。例如可能得到性别频数百分比男17056.7%女13043.3%总计300100%2.2 第二步执行卡方检验现在验证实际分布与1:1预期比例的差异点击分析 → 非参数检验 → 旧对话框 → 卡方将性别变量选入检验变量列表在期望值部分选择所有类别相等默认1:1比例或选择值手动输入预期比例如1:2比例则输入1和2点击确定2.3 第三步结果解读与三线表制作SPSS将输出两个主要表格1. 性别频数表性别观察数期望数残差男17015020女130150-20总计3003002. 检验统计表值自由度渐近显著性(双侧)皮尔逊卡方5.3331.021似然比5.3921.020线性关联5.3001.021关键解读点卡方值(χ²)5.333显著性水平(Sig.)0.021 0.05结论拒绝原假设性别分布不符合1:1的预期比例三线表制作技巧双击输出表格进入编辑模式右键选择表格外观选择或创建三线表样式调整字体和边框后复制到Word3. 进阶应用与常见问题解决3.1 多类别比例检验当检验超过两个类别的分布时如年龄段分为青年、中年、老年预期比例2:3:1在卡方检验对话框中选择值并依次输入2、3、1点击添加确认比例关系执行检验并解读结果示例输出假设检验三组比例年龄段观察数期望数残差青年100120-20中年1801800老年5060-10检验统计量χ²6.944, df2, p0.031 → 分布不符合2:3:1比例3.2 期望频数5的问题与解决方案卡方检验要求期望频数不应小于5否则可能影响检验效度。当遇到此问题时有三种解决方法方法1合并类别将频数过小的类别与相邻类别合并例如将老年合并到中年组方法2使用精确检验在交叉表分析中勾选精确选项选择蒙特卡洛或精确方法方法3采用Fisher精确检验适用于2×2列联表在交叉表的精确对话框中选择3.3 效应量测量除了显著性还应报告效应大小Phi系数2×2表φ √(χ²/N)本例φ√(5.333/300)0.133小效应Cramers VR×C表V √[χ²/(N×(k-1))]k为行数或列数中的较小值在SPSS中获取效应量在交叉表分析中勾选风险和Phi和Cramer V系数4. 实际研究案例解析4.1 医学研究案例血型分布检验假设某研究收集了400名患者的血型数据检验是否符合中国人群常见的血型分布比例A:28.7%, B:28.3%, AB:9.0%, O:34.0%SPSS操作步骤分析 → 非参数检验 → 旧对话框 → 卡方选入血型变量在期望值选择值依次输入28.7、28.3、9.0、34.0点击确定结果示例血型观察数期望数残差A110114.8-4.8B125113.211.8AB3036.0-6.0O135136.0-1.0检验统计量χ²3.824, df3, p0.281 0.05结论样本血型分布与预期无显著差异4.2 社会科学案例教育程度分布检验某调查样本的教育程度分布是否符合人口普查比例高中及以下30%大专25%本科35%研究生10%关键发现本科及以上学历者比例显著高于预期可能需要调整抽样策略或考虑自选择偏差报告格式建议卡方拟合优度检验结果显示样本的教育程度分布与预期比例存在显著差异χ²12.45df3p0.006Cramers V0.18。具体表现为本科观察值42% vs 预期35%和研究生学历观察值15% vs 预期10%的比例显著高于预期而高中及以下学历观察值25% vs 预期30%的比例低于预期。4.3 质量控制应用在生产质量检验中卡方检验可用于检验缺陷类型分布是否随机比较不同班次的产品合格率验证改进措施实施前后的缺陷分布变化示例表格缺陷类型改进前改进后χ²检验A类5020p0.01B类3025p0.35C类205p0.05总计10050提示在质量控制中除了显著性检验还应结合帕累托图分析主要缺陷类型