卡方检验的计算

在本节中，我们将学习如何在 SPSS 中计算卡方检验。要计算卡方检验，我们将通过转到文件菜单，然后转到最近使用的数据来打开我们的数据集，如下所示

现在我们将点击上面的员工数据选项并查看我们的员工数据集，如下所示

查看此数据集。在此数据集中，我们有各种员工的重新编码及其员工 ID、性别、教育程度、工作类别、当前工资、起始工资、工作时长、先前经验和少数群体分类。在性别中，m 代表男性，f 代表女性。在少数群体分类中，0 表示否，这表明该人并非来自少数群体背景，1 表示是，这表明该人属于少数群体背景。9 代表缺失值。

使用此数据集，我们希望测试与来自少数群体的女性相比，男性人数是否显着更高。因此，研究人员目前对性别变量及其与少数群体分类的关系感兴趣。

问题可能是属于少数群体分类的男性和女性的数量之间是否存在显着差异。因此，在这种情况下，我们将使用卡方检验。我们将使用卡方检验，因为性别和少数群体分类这两个变量都是名义变量或频率变量。它们是频率变量，因此不能应用任何其他参数统计信息，例如t 检验。问题是，在计算卡方时，我们应该将一个变量视为自变量，将另一个变量视为因变量吗？答案是肯定的。是的，我们可以选择一个变量作为自变量。我们可以看到它是否使用交叉表选项显着影响因变量。

但总而言之，在计算卡方检验时，IBM SPSS 并没有区分自变量和因变量。它计算了我们选择的两个频率变量之间的交互，并根据我们的解释得出推论。因此，在深入研究之前，让我们看看如何计算卡方检验。因此，我们可以通过多种方式计算卡方检验。例如，我们可以使用描述性统计和我们将要使用的交叉表选项来计算卡方检验。

或者，因为我们知道，卡方是非参数检验。因此，我们也可以通过转到非参数检验，然后转到旧对话框，然后计算卡方检验来计算卡方检验。

因此，目前，我们将使用交叉表选项演示一个卡方检验。要使用交叉表选项计算卡方，我们将转到描述性统计，然后转到交叉表。单击交叉表选项后，我们可以看到所有变量都像这样填充

现在我们想看看男性和女性在他们的少数群体分类方面的人数是否显着不同。因此，出于所有实际目的，我们将性别作为本研究的自变量。因此，如果我们要将一个变量作为自变量，我们可以将其放在列对话框中。因此，我们将把性别放在我们的列对话框中。

我们的因变量是少数群体分类。因此，将少数群体分类放在我们的行对话框中。但实际上，无论我们在列对话框还是行对话框中选择性别，结果都不会有任何差异，反之亦然。它只会告诉我们频率之间的相互作用。

注意：卡方只是关联性检验，我们是将自变量放在行中还是列中无关紧要。但按照惯例，如果我们假设一个自变量，则将其放在列中。因变量将放在行中。