卡方检验（Chi-square test）用于比较观察数与理论数的吻合程度，也称为拟合优度。实际应用中，比较几组频率或者构成是否相同，也用于分类变量的关联分析。利用SPSS的交叉表过程可以做卡方检验。
在卡方检验（一）中，我们比较了不同的商店中的购买率，结果显示差异没有统计学意义，现在我想看看商店中不同性别的消费者购买率是否一样。数据集还是satisf.sav。
1. 将Gender放在行，Made purchase放在列，Store放在层。这里我们把Store当做分层的控制因素，关注点是比较性别之间的购买率差别。
2. 统计量中勾选卡方和Cochran’s and Mantel-Haenszel统计量，计算综合的卡方检验值和OR值（关于OR值，可以自行搜索）。
3. 单元格勾选行百分比，展示购买率。
4. 结果解读：交叉表为按商店分层的男女之间的购买率情况，可见在不同的商店，样本的购买率不尽相同，有些男性高，有些女性高。
下表卡方检验的结果告诉我们，第四家商店男女的购买率差异有统计学意义，结合样本率可知，总体来看，在第四家商店消费的顾客中，男性购买率比女性高。而其余三家商店没发现有差别。如果要分析出现差异的原因，还需要进一步分析。
最后的三个表，展示的是四家商店的购买率OR值比较情况。
a.几率比的均一性检验，两个方法的P值均大于0.1，表示四组男女购买率OR值大体上是相同的。
b.条件的独立性检验，是性别与购买情况之间是否独立的综合卡方检验，两个方法P都大于0.05，表示不认为两者有联系，即，总的来看，男性与女性购买率很可能没有差别。
c.综合起来看，男女购买率的OR值为0.861，与1的差别没有统计学意义（P=0.429），这意味着，总的来看，还不认为不同性别的购买率不同。这与b是一致的。
5. 层内结果与综合结果不一致原因。有小伙伴可能注意到了，第四个商店比较的结果提示男性购买率更高，但是综合起来看，男女之间又没有差别，这如何解释？其实并不矛盾。分层分析时，是分别将每一家商店的所有男性及女性作为两个总体来比较，而综合分析时，是将四家商店对应的所有男女消费者作为两个总体来比较。总体范围不同，得到的结论不一致不足为奇。这也启示我们，综合所有数据分析不能发现的情况，有时候分层分析就能够发现。
欢迎大家点击下方公众号名片关注我们！
欢迎关注公众号：R语言与SPSS学习笔记 分享实用的SPSS及R处理数据、分析数据及做图的使用技巧
关于本例子所使用的satisf.sav数据集大家可以自行百度下载，或者后台回复“卡方检验”即可。
网友评论