卡方检验SPSS操作步骤详解，一共七步，完整教程

对于医学、生物学、护理学、公共卫生以及社会科学领域的科研人员来说，卡方检验（Chi-square Test）是最常用的统计分析方法之一。

然而，很多初学者虽然知道什么时候应该使用卡方检验，却不会在SPSS中完成分析。例如：

• SPSS里面卡方检验在哪里？
• 数据应该如何录入？
• 行变量和列变量怎么放？
• 为什么输出结果没有P值？
• 为什么SPSS自动给出了Fisher精确检验？
• 最终SCI论文应该报告哪一个结果？

事实上，SPSS进行卡方检验的操作并不复杂，只要数据格式正确，几分钟即可完成整个分析流程。本文将详细介绍SPSS卡方检验的完整操作步骤，包括数据准备、变量设置、交叉表分析、结果输出、结果解读以及SCI论文中的规范写法。

什么情况下需要使用卡方检验？

开始操作之前，首先要确认自己的数据是否适合进行卡方检验。卡方检验主要用于分析分类变量（Categorical Variables）之间是否存在统计学差异或关联。

例如：

• 男女性别比例是否不同
• 两组患者治愈率是否不同
• 是否吸烟与肺癌发生是否有关
• 不同地区疫苗接种率是否不同

这些数据通常以人数或百分比表示，而不是均值和标准差。如果研究对象是年龄、身高、血压、蛋白表达量等连续变量，则应考虑t检验或其他均值比较方法，而不是卡方检验。

第一步：准备SPSS数据

在SPSS中，每一行代表一个研究对象，每一列代表一个变量。

例如，比较两组患者的治疗效果，可以建立如下数据：

其中：

• Group：1=实验组，2=对照组
• Outcome：1=治愈，0=未治愈

建议在Variable View（变量视图）中为变量设置Value Labels（值标签），例如将Group中的1定义为"Treatment"，2定义为"Control"，这样输出结果更加直观，也更符合科研分析习惯。

第二步：打开交叉表分析

数据准备完成后，在SPSS顶部菜单栏依次选择：

Analyze（分析） → Descriptive Statistics（描述统计） → Crosstabs（交叉表）

这里的Crosstabs（交叉表）就是进行卡方检验的主要入口，也是医学论文中分析分类变量最常使用的功能。

打开交叉表窗口后，即可开始设置变量。

第三步：设置行变量和列变量

在交叉表窗口中，需要指定两个变量：

• Row(s)：行变量
• Column(s)：列变量

例如：

• Row：Treatment Group（治疗组）
• Column：Treatment Outcome（治疗结果）

需要说明的是，对于Pearson卡方检验而言，行列顺序不会影响P值，但会影响最终列联表的展示方式。因此，建议按照论文Table 1或研究设计的逻辑安排变量顺序，使输出结果更便于直接引用。

第四步：勾选卡方检验

完成变量设置后，点击右侧：

Statistics（统计）

在弹出的窗口中勾选：

Chi-square（卡方）

这是进行Pearson卡方检验的必要步骤。

如果预计样本量较小，也可以同时勾选：

• Phi and Cramer's V（关联强度）
• Risk（风险估计，适用于2×2列联表）

随后点击Continue返回主窗口。

第五步：设置输出格式

为了让SPSS输出完整结果，建议点击：

Cells（单元格）

勾选以下选项：

Counts

• Observed（观察频数）
• Expected（期望频数）

Percentages

• Row（行百分比）
• Column（列百分比）
• Total（总体百分比，根据需要选择）

其中，Expected（期望频数）非常重要，因为它能够帮助判断是否满足卡方检验的适用条件。

完成设置后点击Continue。

第六步：运行分析

点击：

OK

SPSS便会自动生成输出结果。

一般包括以下几张表：

• Case Processing Summary（案例处理汇总）
• Crosstabulation（列联表）
• Chi-Square Tests（卡方检验结果）

其中，真正需要重点关注的是：

Chi-Square Tests

这也是SCI论文引用最多的一张统计表。

第七步：解读SPSS输出结果

在Chi-Square Tests表中，通常会看到以下内容：

这里主要关注三个指标：

第一，Pearson Chi-Square。这是卡方统计量（χ²值），表示观察数据与理论期望之间的偏离程度。

第二，df（Degrees of Freedom）。对于最常见的2×2列联表，自由度通常为1。

第三，Asymp. Sig. (2-sided)。这一列就是P值，也是判断统计学显著性的主要依据。

如果：

P < 0.05

说明两组之间存在统计学显著差异。

如果：

P ≥ 0.05

则说明没有发现统计学显著差异。

为什么SPSS会自动给出Fisher精确检验？

很多用户会发现，在卡方检验结果下面还有一行：

Fisher's Exact Test

这并不是SPSS出错，而是软件自动提供了另一种统计分析方法。

当列联表中存在较低的期望频数时，普通Pearson卡方检验的近似结果可能不够准确，此时Fisher精确检验更可靠。

如果SPSS输出提示：20%以上单元格的期望频数小于5

或者存在极小样本研究，建议优先报告Fisher精确检验的P值，而不是Pearson卡方检验结果。

如何将SPSS结果写入SCI论文？

国际期刊通常采用如下写法：

Categorical variables were compared using the chi-square test. Fisher's exact test was applied when expected cell counts were less than 5.

结果部分可写为：

The treatment group showed a significantly higher response rate than the control group (88.0% vs. 72.0%, χ² = 5.42, df = 1, P = 0.020).

中文可写为：

实验组治疗有效率高于对照组（88.0% vs. 72.0%），差异具有统计学意义（χ²=5.42，df=1，P=0.020）。

这种写法符合大多数SCI医学期刊的统计学报告规范。

常见错误

科研人员在使用SPSS进行卡方检验时，最常见的问题主要有以下几类。

第一，将连续变量（如年龄、血压）直接放入交叉表进行卡方检验。卡方检验仅适用于分类变量，连续变量应采用t检验或非参数检验。

第二，没有设置值标签，导致SPSS输出只有数字编码，增加后续论文整理工作的难度。

第三，只关注P值，而忽略了SPSS关于期望频数的提示。如果期望频数不足，应考虑采用Fisher精确检验。

第四，在论文中直接复制SPSS输出，而没有按照SCI期刊规范整理统计结果。多数期刊更倾向于在正文或表格中报告比例、χ²值、自由度和P值，而不是完整粘贴SPSS原始输出。

最后

SPSS进行卡方检验的流程可以概括为：准备分类变量数据 → 打开交叉表（Crosstabs）→ 设置行列变量 → 勾选Chi-square → 设置Observed和Expected频数 → 运行分析 → 解读χ²值、自由度和P值。

虽然SPSS操作步骤较为简单，但科研人员更应关注统计方法是否符合适用条件，尤其是期望频数是否满足要求，以及是否需要改用Fisher精确检验。只有正确完成数据分析并规范报告统计结果，才能提高论文的科学性和同行评审通过率。