卡方检验—SPSS统计检验功能

上期更新了卡方检验基本知识，今天主要学习IBM SPSS Statistics(以下简称SPSS，IBM公司还有一款数据挖掘软件SPSS Modeler，收购Clementine后结合SPSS改造而成)的卡方检验功能，昨天安装了25.0汉化版，顺便介绍下新版本的变化。

从本科开始接触SPSS，从16.0到24.0，SPSS版本不断更新，在界面上逐渐美化，也在不断拓展统计模块，比如倾向性得分匹配、时空建模等，照顾用户体验度。新版本主要增加或强化了以下功能，具体情况可以移步到IBM Knowledge Center。

SPSS卡方检验初步介绍

SPSS中有两个地方可以看到卡方检验的统计分析，分别是描述性统计分析中的交叉表和非参数检验旧对话框中的卡方：

1. 分析➡描述统计➡交叉表（这里主要做交叉表的卡方统计检验）

精确检验计算方法，如果数据集充分，格子填充、分布和均衡性比较好，选择渐进性，否则采用蒙特卡洛或者精确

统计量：包括卡方、相关性、风险估计等

单元格：数据理论频数、百分比、残差等

2. 分析➡非参数检验➡旧对话框➡卡方（单样本非参数卡方检验，即拟合优度检验）

精确性检验计算方法，同交叉表

描述统计及缺失值

交叉表分析生成的统计量

卡方检验

Pearson卡方（ Pearson chi square）

似然比卡方（ likelihood ratio chi square）

线性相联检验（liinear linear association test）

Fisher精确检验(Fisher`s exact test）

Yates校正卡方(Yates` corrected chi-square)

Mcnemar检验（ Mcnemar test）

分层卡方(Cochran` s and Mantel-Haenszel statistic）

对称测量

列联系数

φ系数

CramerV系数

Kendall的tau-b

Kendall的tau-c

Pearson乘积矩相关系数(Pearson`sr）

Spearman等级相关（Spearman`s rho）

γ系数（ Gamma）

Cohen κ系数（ Cohen`s kappa）

定向测量

Lambda(λ统计量）

Goodman与 Kruskal T统记计量

不确定系数

Somers d统记计量量

η系数（Eta coefficient）

相对风险估计值（ Relative risk estimate）

优势比(OR)

单样本卡方检验统计量

均值、标准差、最大值、最小值、四分位数，观测数、期望数、残差和卡方值

数据加权处理

在进行统计分析之前需要对个案进行加权处理，加权个案（Weight Cases）就是在统计分析中对个案赋予不同权重，加权后的变量表示数据文件中单个个案的观测值，加权变量值为 0、负值或缺失值的个案排除在分析之外，加权变量为小数值时也是有效的

为什么要加权？

因为SPSS默认原始测量数据，而一般卡方检验的数据是我们经过了汇总处理后的数据。

数据➡个案加权➡将需要加权处理的变量添加至右侧➡确定