如何用SPSS进行Fisher精确检验？详细操作步骤及结果解读

Fisher精确检验（Fisher's Exact Test）是医学、生物学、公共卫生、护理学以及社会科学研究中最常用的小样本分类变量统计方法之一。当样本量较小、列联表中部分理论频数过低时，传统的Pearson卡方检验（Pearson Chi-square Test）可能无法得到可靠结果，此时应采用Fisher精确检验。

虽然SPSS提供了Fisher精确检验功能，但许多初学者在实际操作时仍会遇到不少问题，例如不知道在哪里开启Fisher检验、是否需要勾选卡方检验、输出结果应该看哪一个P值，以及如何将结果写入SCI论文。

本文将以IBM SPSS Statistics为例，详细介绍Fisher精确检验的适用条件、SPSS操作步骤、结果解读以及论文写作方法，帮助科研人员快速掌握这一统计分析方法。

什么情况下需要使用Fisher精确检验？

Fisher精确检验主要用于分析两个分类变量之间是否存在统计学关联。

在样本量较大的情况下，通常使用Pearson卡方检验即可完成分析。但卡方检验建立在近似理论基础上，当样本量过小或理论频数不足时，其计算结果可能出现偏差。为了避免这种情况，就需要采用基于精确概率计算的Fisher精确检验。

一般认为，出现以下情况时，应优先选择Fisher精确检验：

• 数据为2×2列联表（Fourfold Table）
• 至少20%的单元格理论频数（Expected Count）小于5
• 任意一个单元格理论频数小于1
• 总样本量较小（通常小于40）

需要说明的是，SPSS在进行交叉表分析时，可以同时计算Pearson卡方检验和Fisher精确检验。因此，即使已经选择了卡方分析，也无需担心，两种结果通常都会一起输出，研究者只需根据数据特点选择合适的统计结果进行报告即可。

下面简单比较两种检验方法。

SPSS进行Fisher精确检验前的数据准备

在开始分析之前，需要先整理数据。

假设研究吸烟与疾病发生是否存在关联，可以建立如下数据：

在SPSS变量视图中建立两个变量：

然后在数据视图（Data View）中逐行录入每位受试者的数据即可。

需要注意的是，Fisher精确检验只能用于分类变量，因此变量测量水平（Measure）应设置为Nominal（名义变量）。

如何用SPSS进行Fisher精确检验？

下面以IBM SPSS Statistics 29为例介绍具体操作步骤，不同版本界面略有差异，但整体流程基本一致。

第一步：打开交叉表分析

点击菜单：

Analyze → Descriptive Statistics → Crosstabs

此时会弹出"Crosstabs"设置窗口。

第二步：设置行变量和列变量

将研究结局变量放入Rows。

例如：

Disease

将影响因素放入Columns。

例如：

Smoking

实际上，两者互换并不会影响P值，仅影响交叉表显示方式，因此按照个人阅读习惯即可。

第三步：勾选Chi-square统计方法

点击右侧Statistics按钮。

勾选：Chi-square

很多初学者误以为这里已经完成了Fisher检验，其实并不是。

Chi-square只是告诉SPSS需要进行列联表统计分析，而真正开启Fisher精确检验，还需要下一步设置。

第四步：开启Fisher精确检验

返回主窗口。

点击右侧：

Exact...

随后会出现Exact Tests窗口。

选择：

Exact

不要选择：

Monte Carlo

然后点击Continue。

这是整个操作过程中最重要的一步。

其中：

• Exact表示采用Fisher精确检验计算精确P值；
• Monte Carlo表示利用随机模拟方法估计P值，通常用于计算量较大的复杂列联表。

对于常见的2×2列联表分析，建议直接选择Exact。

第五步：设置输出内容

点击：

Cells...

建议勾选以下内容：

在Counts中：

• Observed
• Expected

在Percentages中：

• Row
• Column

这样输出结果不仅包含观察频数，还包含理论频数以及百分比，便于后续判断是否满足卡方检验条件。

第六步：运行分析

完成以上设置后，点击OK。

SPSS即可自动输出分析结果。

如何查看SPSS中的Fisher精确检验结果？

SPSS通常会输出多个统计表，但真正需要关注的主要有以下三个。

1. Case Processing Summary

该表主要显示：

• 总样本数
• 有效样本数
• 缺失值数量

一般无需重点解释，仅用于确认数据是否完整。

2. Crosstabulation

交叉列联表展示了各组之间的实际观察频数（Observed Count）和理论频数（Expected Count）。

例如：

如果发现多个单元格的Expected Count小于5，就说明Pearson卡方检验可能不再适用，应重点参考Fisher精确检验结果。

因此，Expected Count也是科研人员最容易忽视、但非常重要的一项指标。

3. Chi-Square Tests

这是整个分析中最重要的一张表。

对于Fisher检验，应重点查看：

Exact Sig. (2-sided)

如果：

P＜0.05

说明：

两组分类变量之间存在统计学关联。

如果：

P≥0.05

则认为差异无统计学意义。

一般SCI论文默认报告双侧检验结果。

只有在研究开始之前已经明确提出单侧研究假设时，才考虑报告单侧P值。

Monte Carlo和Exact有什么区别？

不少读者会发现，在SPSS的Exact窗口中除了Exact之外，还有Monte Carlo选项。

两者最大的区别在于计算方式。

Exact采用枚举所有可能结果的方法计算精确概率，因此结果最准确，也是多数科研论文推荐的方法。

而Monte Carlo则利用随机模拟估计P值，当列联表较大、精确计算耗时过长时，可以显著提高计算速度。

对于绝大多数医学、生物学和公共卫生研究中的2×2列联表分析，建议直接选择Exact。

Fisher精确检验结果如何写入论文？

完成统计分析后，还需要将结果规范地写入论文。

下面给出SCI论文中常见的写法。

英文示例

Fisher's exact test demonstrated a statistically significant association between smoking status and disease occurrence (P = 0.031).

中文示例

采用Fisher精确检验分析两组分类变量之间的关系，结果显示吸烟与疾病发生之间存在统计学关联，差异具有统计学意义（P=0.031）。

需要注意的是，Fisher检验反映的是两个分类变量之间是否存在关联，而不能直接说明两者具有因果关系。因此，在论文中应使用“存在统计学关联”“差异具有统计学意义”等表述，而避免写成“吸烟导致疾病”等因果性结论。

常见问题

为什么SPSS中找不到Fisher精确检验？

多数情况下，是因为没有点击Exact...按钮。

还有一种可能是所使用的SPSS版本未包含 IBM SPSS Exact Tests 模块授权。在部分旧版本中，Fisher精确检验属于单独授权功能；而近年来的部分授权方案已将其整合，但具体仍取决于许可证配置。

Fisher精确检验一定比卡方检验好吗？

不是。两种方法各有适用场景。

对于样本量较大且理论频数满足要求的数据，Pearson卡方检验效率更高，也更常用于大样本分析；只有在样本量较小或理论频数不足时，Fisher精确检验才是更合适的选择。

Fisher精确检验只能分析2×2列联表吗？

经典Fisher精确检验主要针对2×2列联表设计，但统计学上也存在适用于更高维列联表（如3×3、4×2等）的扩展Fisher精确检验。不过随着列联表规模增大，计算复杂度会迅速增加，因此SPSS可能需要 IBM SPSS Exact Tests 模块，或采用Monte Carlo方法近似计算。

Fisher检验可以计算效应量吗？

不能。

Fisher精确检验仅用于检验变量之间是否存在统计学关联，并不提供效应量指标。如果需要进一步描述关联强度，可以结合**优势比（Odds Ratio，OR）**及其95%置信区间（95% Confidence Interval，95% CI）进行报告。

总结

Fisher精确检验是处理小样本分类数据的重要统计方法。当2×2列联表中理论频数不足或样本量较小时，应优先采用Fisher精确检验，而不是直接依赖Pearson卡方检验。利用SPSS进行分析并不复杂，只需通过 Analyze → Descriptive Statistics → Crosstabs 建立交叉表，在 Statistics 中勾选 Chi-square，并在 Exact 选项中选择 Exact，即可完成分析。

结果解读时，应重点关注 Exact Sig. (2-sided) 对应的P值，并结合交叉列联表中的理论频数综合判断统计结论。同时，在论文写作中，应规范使用“存在统计学关联”“差异具有统计学意义”等学术表述，避免将统计关联误写为因果关系。

对于科研人员而言，熟练掌握SPSS中的Fisher精确检验，不仅能够提高统计分析的准确性，也有助于提升论文统计方法部分的规范性和可信度。