卡方检验结果怎么看？一文看懂SPSS输出结果及SCI论文解读

对于很多科研人员来说，完成卡方检验（Chi-square Test）并不困难，真正困难的是如何正确解读结果。

例如，在SPSS输出中，经常会看到下面这样的结果：

很多初学者都会产生疑问：

• Value（卡方值）是什么意思？
• df（自由度）怎么看？
• P值到底看哪一列？
• P<0.05是不是就说明差异很大？
• 为什么SPSS还给出了Likelihood Ratio和Fisher Exact Test？
• SCI论文到底应该报告哪些指标？

事实上，大多数科研论文真正关注的只有几个关键指标，只要理解SPSS输出表的结构，就能够快速完成统计结果解读。

本文将详细介绍卡方检验结果怎么看、SPSS输出结果解读、SCI论文写法以及常见误区，帮助科研人员准确理解卡方检验结果。

卡方检验结果主要看什么？

很多人第一次打开SPSS输出时，会发现统计表中有很多数字。实际上，大多数情况下重点关注以下四项：

• Pearson Chi-Square（Pearson卡方统计量）
• df（自由度，Degrees of Freedom）
• P值（Asymptotic Sig.）
• Expected Count（期望频数）

这四项已经足够完成绝大多数SCI论文的统计分析。

第一步：先看P值

对于绝大多数科研人员来说，P值是最重要的结果。

SPSS中通常显示为：Asymptotic Significance (2-sided)

例如：

这里真正需要看的就是：P = 0.016

由于：P < 0.05

因此可以认为：两组之间存在统计学差异。

如果：P ≥ 0.05

则说明：没有发现统计学显著差异。

需要注意的是，P值表示的是观察到当前数据（或更极端数据）在原假设成立时出现的概率，并不表示差异大小，也不表示结果的重要性。

第二步：再看Pearson Chi-Square（卡方值）

SPSS输出中的：Pearson Chi-Square

就是大家常说的：χ²值（Chi-square Statistic）

例如：

这里：χ² = 8.542

表示观察值与理论期望值之间的偏离程度。

一般来说：

• χ²越大，说明观察数据与原假设的偏离越明显；
• χ²越小，说明观察数据更接近原假设。

不过，χ²值本身不能单独解释结果。它必须结合自由度（df）共同决定P值。因此，在实际科研中，不建议只根据χ²大小判断差异是否显著。

第三步：理解自由度（df）

SPSS输出中的：df（Degrees of Freedom）

表示自由度。

对于最常见的列联表，自由度计算公式为：df = （行数−1）×（列数−1）

例如：

因此，大多数医学论文中的2×2列联表，自由度几乎都是1。

自由度不会直接决定是否具有统计学意义，但它是计算P值的重要参数，也是SCI论文报告卡方检验结果时必须提供的信息。

第四步：检查期望频数（Expected Count）

很多科研人员只关注P值，却忽略了SPSS输出中的另一项重要内容：Expected Count（期望频数）

例如SPSS可能提示：0 cells (0.0%) have expected count less than 5.

这说明：所有单元格都满足卡方检验的假设条件，结果可靠。

如果提示：2 cells (50.0%) have expected count less than 5.

则说明：卡方检验的适用条件可能不满足，应考虑采用Fisher精确检验（Fisher's Exact Test）。

一般建议遵循以下经验标准：

• 至少80%的单元格期望频数≥5；
• 所有单元格期望频数≥1。

如果违反这些条件，普通卡方检验的P值可能不够准确。

为什么SPSS还有Likelihood Ratio和Fisher Exact Test？

很多人第一次看到SPSS输出都会疑惑：为什么除了Pearson Chi-Square，还有：

• Continuity Correction（连续性校正）
• Likelihood Ratio（似然比检验）
• Fisher's Exact Test（Fisher精确检验）

实际上，对于大多数科研论文而言：

Pearson Chi-Square 是默认报告的主要结果。

如果样本量较小、期望频数不足，则应优先报告：

Fisher's Exact Test。

Likelihood Ratio也是一种分类变量检验方法，但在常规2×2列联表分析中，很少作为主要结果进行报告。

因此，不要因为SPSS输出了很多统计量就全部写进论文，而应根据数据特点选择最合适的结果。

如何判断两组到底是谁更高？

很多科研新手存在一个误区：P<0.05是不是就知道哪组更高？

答案是否定的。

卡方检验只能告诉我们：

两组比例存在统计学差异。

至于是哪一组更高，需要回到原始列联表查看具体数据。

例如：

如果：P=0.008

那么只能说明：两组阳性率存在统计学差异。进一步查看原始数据可以发现：实验组阳性率为90%，高于对照组的75%。因此，科研论文应同时报告具体比例，而不仅仅报告P值。

常见错误

科研论文中关于卡方检验结果解读，最容易出现以下错误。

第一，只报告"P<0.05"，却没有提供χ²值和自由度。大多数SCI期刊要求完整报告统计量、自由度和P值。

第二，把P值理解为差异大小。事实上，P值只能反映统计学证据强弱，并不能说明效应大小。建议在条件允许时进一步报告比值比（Odds Ratio，OR）、相对危险度（Relative Risk，RR）或其他效应量指标。

第三，只看统计结果，不查看原始列联表。卡方检验只能说明存在差异，真正的方向和大小仍需结合各组比例进行解释。

第四，没有检查期望频数。当SPSS提示部分单元格期望频数过低时，应考虑采用Fisher精确检验，而不是直接引用Pearson卡方检验结果。