第7章 SPSS卡方检验与顾客忠诚度分析
统计分析与SPSS课后习题课后习题答案汇总（第五版）
统计分析与SPSS课后习题课后习题答案汇总（第五版）第⼀章练习题答案1、SPSS的中⽂全名是：社会科学统计软件包（后改名为：统计产品与服务解决⽅案）英⽂全名是：Statistical Package for the Social Science.(Statistical Product and Service Solutions)2、SPSS的两个主要窗⼝是数据编辑器窗⼝和结果查看器窗⼝。
数据编辑器窗⼝的主要功能是定义SPSS数据的结构、录⼊编辑和管理待分析的数据；结果查看器窗⼝的主要功能是现实管理SPSS统计分析结果、报表及图形。
3、SPSS的数据集：SPSS运⾏时可同时打开多个数据编辑器窗⼝。
每个数据编辑器窗⼝分别显⽰不同的数据集合（简称数据集）。
活动数据集：其中只有⼀个数据集为当前数据集。
SPSS只对某时刻的当前数据集中的数据进⾏分析。
4、SPSS的三种基本运⾏⽅式：完全窗⼝菜单⽅式、程序运⾏⽅式、混合运⾏⽅式。
完全窗⼝菜单⽅式：是指在使⽤SPSS的过程中，所有的分析操作都通过菜单、按钮、输⼊对话框等⽅式来完成，是⼀种最常见和最普遍的使⽤⽅式，最⼤优点是简洁和直观。
程序运⾏⽅式：是指在使⽤SPSS的过程中，统计分析⼈员根据⾃⼰的需要，⼿⼯编写SPSS命令程序，然后将编写好的程序⼀次性提交给计算机执⾏。
该⽅式适⽤于⼤规模的统计分析⼯作。
混合运⾏⽅式：是前两者的综合。
5、.sav是数据编辑器窗⼝中的SPSS数据⽂件的扩展名.spv是结果查看器窗⼝中的SPSS分析结果⽂件的扩展名.sps是语法窗⼝中的SPSS程序6、SPSS的数据加⼯和管理功能主要集中在编辑、数据等菜单中；统计分析和绘图功能主要集中在分析、图形等菜单中。
7、概率抽样(probability sampling)：也称随机抽样，是指按⼀定的概率以随机原则抽取样本，抽取样本时每个单位都有⼀定的机会被抽中，每个单位被抽中的概率是已知的，或是可以计算出来的。
SPSS-顾客满意度调查指标设计和分析应用
SPSS-顾客满意度调查指标设计和分析应用篇一：SPSS-顾客满意度调查指标设计和分析应用顾客满意度调查的指标设计与分析应用提要：本文针对当前顾客满意度调查中存在的两个难点：指标设计和分析应用提出解决的方法和措施。
在明确调查的目标和内容的前提下，论述了指标设计的步骤和环节，说明了相关分析、因子分析等统计分析方法的在满意度分析中的具体应用模型，提出忠诚度分析与满意度分析相结合的一些分析方法，提高了满意度分析的科学性和实用性。
一、顾客满意度调查近几年来，顾客满意度成为许多公司和机构进行市场调查的一个重要方面。
随着消费者对产品满足自身期望的需求日益强烈，在面临的市场竞争压力日益增大的情况下，公司和机构必须能够站在顾客的角度考虑产品和服务的各项问题。
从成本利润上来计算，顾客满意度、顾客保留率和利润率之间有着密切的联系。
有关部门调查结果显示：获得一个新顾客的成本是保持一个满意顾客的成本的5倍。
而对于公共服务部门的组织来说，顾客满意度本身就是成功的尺度。
虽然达到顾客满意度已成为许多公司和组织的主要营运目标，他们投入大量人力物力进行满意度方面的调查，然而由于对于满意度指标把握的不准确和分析方法的贫乏，结果却难以得到关于改进产品和服务，提高顾客满意度的有价值的结论。
满意度指标确定和分析应用已成为进行顾客满意度调查的关键和难点。
二、满意度调查的目标和内容为便于我们理清和把握满意度调查的这两个方面，我们有必要先明确顾客满意度调研的目标和分类。
调查的核心是确定产品和服务在多大程度上满足了顾客的欲望和需求。
就其调研目标来说，应该达到以下四个目标：1、确定导致顾客满意的关键绩效因素；2、评估公司的满意度指标及主要竞争者的满意度指标；3、判断轻重缓急，采取正确行动；4、控制全过程。
就调查的内容来说，又可分为顾客感受调查和市场地位调查两部分。
顾客感受调查只针对公司自己的顾客，操作简便。
主要测量顾客对产品或服务的满意程度，比较公司表现与顾客预期之间的差距，为基本措施的改善提供依据。
SPSS卡方检验具体操作
2021/10/10
15
二、确切概率法：指定频数计算
2021/10/10
17
二、确切概率法：概率计算方法选择
2021/10/10
18
二、确切概率法：统计方法选择
2021/10/10
19
二、确切概率法：结果解读
2021/10/10
20
二、确切概率法：这么计算对吗？
SPSS进行卡方检验具体操作 ——SPSS在医学统计中的应用
2021/10/10
定性资料的统计分析 行×列表分析
1
2021/10/10
定性资料的统计分析
主要内容
一、四格表卡方检验 二、确切概率的计算 三、配对卡方检验 四、分层卡方检验
2
定性资料的统计分析
统计推断：用样本信息推论总体特征的过程。
包括： 参数估计: 运用统计学原理，用从样本计算出来的统计指
2021/10/10
28
三、配对卡方检验：统计结果2
2021/10/10
29
四、分层卡方检验：实例
实例：国外某病例对照研究调查口服避孕 药与心肌梗死的情况，考虑到年龄是一个 可能混杂的因素，故也将其纳入调查，结 果如下：
2021/10/10
病例 对照 合计
年龄<40
服用OC
未服OC
21
26
17
2021/10/10
35
四、分层卡方检验：结果解读（二）
2021/10/10
36
四、分层卡方检验：结果解读（三）
2021/10/10
37
结束语
行列表卡方检验要求理论频数不宜太小， 否则就会导致分析的偏倚。
一般认为行列表中不宜有1/5以上的理论频 数小于5或有一个理念频数小于1。
《统计分析和SPSS的应用(第五版)》课后练习答案解析(第7章)
《统计分析与SPSS的应用（第五版）》（薛薇）课后练习答案第7章SPSS的非参数检验1、为分析不同年龄段人群对某商品满意程度的异同，进行随机调查收集到以下数据：满意程度年龄段青年中年老年很不满意126 297 156不满意306 498 349满意88 61 75很满意27 17 44请选择恰当的非参数检验方法，以恰当形式组织上述数据，分析不同年龄段人群对该商品满意程度的分布状况是否一致。
卡方检验步骤：（1）数据→加权个案→对“人数”加权→确定（2）分析→描述统计→交叉表格→行：满意度;列：年龄→Statistics→如图选择→确定满意程度 * 年龄交叉表计数年龄总计青年中年老年满意程度很不满意126 297 156 579 不满意306 498 349 1153满意88 61 75 224很满意27 17 44 88 总计547 873 624 2044卡方检验值自由度渐近显著性（双向）皮尔逊卡方66.990a 6 .000似然比(L) 68.150 6 .000线性关联.008 1 .930McNemar-Bowker 检验. . .b有效个案数2044a. 0 个单元格 (0.0%) 具有的预期计数少于 5。
最小预期计数为 23.55。
b. 仅为 PxP 表格计算（其中 P 必须大于 1）。
因概率P值小于显著性水平（0.05），拒绝原假设，不同年龄度对该商品满意程度不一致。
2、利用第2章第7题数据，选择恰当的非参数检验方法，分析本次存款金额的总体分布与正态分布是否存在显著差异。
分析→非参数检验→旧对话框→1-样本-K—S…→选择相关项：本次存款金额[A5] →确定结果如下：单样本 Kolmogorov-Smirnov 检验本次存款金额数字282正态参数a,b平均值4738.09标准偏差10945.569最极端差分绝对.333正.292负-.333检验统计.333渐近显著性（双尾）.000ca. 检验分布是正态分布。
卡方检验及SPSS分析
❖ 枚举格式：
themegallery
交叉表（Crosstabs）过程
❖ Crosstabs过程用于对分类资料和有序分类资料进行 统计描述和统计推断。
❖该过程可以产生2维至n 维列联表，并计算相应的百 分数指标。
❖ 统计推断包括了常用的x2检验、Kappa值，分层X2 （X2M-H），以及四格表资料的确切概率（Fisher’s Exact Test）值。
阴性数(b)； ④乳胶凝集法为阳性，免疫荧光法为
阴性数(c)。
themegallery
其中，a, d 为两法观察结果一致的两种情况， b, c为两法观察结果不一致的两种情况。
检验统计量为
2 (b c)2 ,2 bc
,
=1
themegallery
算X2M-H统计量、X2CMH，可在下方输出H0假设的OR 值，默认为1。
themegallery
Crosstabs过程祥解
❖界面说明 ➢ 单元格（Cells）子对话框：用于定义列联表单元格
中需要计算的指标。 -Counts复选框：是否输出实际观察数（Observed）
和理论频数（Expected） -Percentages复选框：是否输出行百分数（Row）、
themegallery
表7-3 两种方法的检测结果
免 疫 荧 光 法
乳 胶 凝 集 法
＋
－
合 计
＋
11（ a）
12（ b） 23
－
2（ c）
33（ d） 35
合 计
13
45
58
themegallery
上述配对设计实验中，就每个对子而言， 两种处理的结果不外乎有四种可能:
07用SPSS进行卡方检验
③单击
，打开图6-5所示对话框，选中“卡方”，
单击
，返回图6-4所示对话框，再单击
，输出
表6-2和表6-3所示结果。
图6-4 行×列分析对话框
图6-5选择统计方法（卡方检验） 对话框
表6-2 灭螨剂A和灭螨剂B杀灭大蜂螨效果
表6-3 2 检验结果表
3.结果说明
表6-2 灭螨剂A和灭螨剂B杀灭大蜂螨效果
图6-2 例6.1数据输入格式
2. 统计分析 (1)简明分析步骤
数据 → 加权个案 加权个案 频率变量：计数 确定
分析→描述统计→交叉表 行：组别 列：效果 统计量： √ 卡方 继续 确定
频率变量为计数
行变量 列变量 要求进行卡方检验
（2）分析过程说明 ①单击“数据 → 加权个案 ”，打开图6-3对话框，选中
总和
34
46
80
◆ 具体步骤： 1.数据输入 (1)点击数据编辑窗口底部的“变量视图”标签，进入 “变量视图”窗口，分别命名3个变量：“组别”、“效果” 和“计数”。“组别”和“效果”两变量的类型选择为 “字符串”，变量“计数”小数位数定义为0，如图6-1。
图6-1 例6.1资料的变量命名
(2)点击数据编辑窗口底部的“数据视图”标签，进入“数据 视窗”界面，按图6-2格式输入数据资料。
五、用SPSS进行卡方检验
内容
一、2×2列联表的独立性检验 二、R×K列联表的独立性检验 三、适合性检验
一、教学目的、要求： 1. 掌握SPSS中进行X2检验分析的基本命令与操作； 2. 理解用SPSS进行X2检验分析所得结果的含义； 3. 了解X2检验的基本原理。
二、本节重点、难点: 1. SPSS中进行X2检验分析的基本命令与操作； 2. SPSS进行X2检验分析所得结果的含义。
SPSS卡方检验的详细解读
SPSS卡方检验的详细解读一、基本概念：卡方检验（一）定义卡方检验主要用于研究定类与定类数据之间的差异关系。
一般使用卡方检验进行分析的目的是比较差异性。
例如研究人员想知道两组学生对于手机品牌的偏好差异情况。
（二）卡方值卡方值表示观察值与理论值之间的偏离程度。
卡方值的大小与样本量（自由度）有关。
一般来说，卡方值越大越好，但并不准确。
比如5000和5010的差异为10；40和50的差异为10，明显后者差异更大。
最终查看卡方值对应的p 值更准确。
二、卡方检验分类（一）方法分类SPSSAU系统中，卡方检验分为【通用方法】中的交叉卡方，以及【医学/研究】模块中的卡方检验、配对卡方、卡方拟合优度、分层卡方五类。
（二）方法对比（1）交叉卡方适用于大部分场景之中，满足大部分用户需求，使用频率高，仅使用Pearson卡方，不支持加权数据。
交叉卡方仅输出一个交叉卡方分析结果如下图：可以看到卡方值为16.667，p =0.000<0.01，所以不同地区的饮食习惯情况呈现出显著性差异。
（2）卡方检验适用于实验医学研究方向，专业性更强，使用频率高。
从上表可知，利用卡方检验(交叉分析)去研究减肥方式对于胆固醇水平共1项的差异关系【独立性】，不同减肥方式样本对于胆固醇水平共1项呈现出显著性(p <0.05)。
总结可知：不同减肥方式样本对于胆固醇水平全部均呈现出显著性差异。
①Pearson卡方、yates校正卡方、Fisher卡方三类卡方，具体选择标准如下图上表格为卡方检验的中间过程值，由于本案例数据为3*2格式，且1 <=E<5 格子的比例大于20%（此处为33.33%），因而最终选择使用yates校正卡方值。
【特别备注： Pearson卡方和yates校正卡方完全相同是正常现象，多数情况下二者完全相等】②加权数据数据格式如下③效应量指标（研究差异幅度情况，效应量值越大说明差异幅度越大，通常情况下效应量小、中、大的区分临界点分别是 0.20，0.50 和 0.80）卡方检验时,通常有5个指标均可表示效应量大小，区别在于使用场合不一样，选择标准如下图：上表格为效应量指标，由于本案例数据为3*2格式，所以使用Cramer V 研究差异幅度情况。
SPSS卡方检验具体操作
18
88
7
95
25
183
四、分层卡方检验：数据输入
四、分层卡方检验：指定频数变量
四、分层卡方检验：按某一变量分层
四、分层卡方检验：统计方法选择
四、分层卡方检验：结果解读（一）
四、分层卡方检验：结果解读（二）
四、分层卡方检验：结果解读（三）
结束语
行列表卡方检验要求理论频数不宜太小， 否则就会导致分析的偏倚。
做出矽肺分级诊断，结果如下表，请问他
们的诊断结果是否基本一致，诊断水平有
无差别。
医生乙诊断结果
Ⅰ级 Ⅱ级 Ⅲ级 合计
医
Ⅰ级
生
甲
Ⅱ级
诊
断
Ⅲ级
结
果
合计
32
15
0
47
1
54
12
67
0
7
45
52
33
76
57
166
三、配对卡方检验：数据输入
三、配对卡方检验：指定频数
三、配对卡方检验：进行配对卡方检验
三、配对卡方检验：统计方法选择
标量，对总体统计指标量进行估计。
假设检验：又称显著性检验，是指由样本间存在的差别对
样本所代表的总体间是否存在着差别做出判断。
定性资料的假设检验：行×列表卡方检验
基本思想：检验实际频数和理论频数的差别是否由抽样误 差引起，也就是由样本率或样本构成比来推断总体率或总 体构成比。
行×列表的简单形式是：四格表；当行和或列大于2时， 统称行×列表，或R×C表。
卡检验的基本公式： 2
=
AT
2
T
A：表示实际频数，即实际观察到的例数。T：理论频数，即如果假
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
第7章 SPSS卡方检验与顾客忠诚度分析什么是客户忠诚？从广义上讲，我们可以这样来理解客户的忠诚：客户长期锁定于你的公司，使用你的产品，并且在下一次购买类似产品时还会选择此公司。
客户忠诚只是一个定性的指标，一旦人们希望看到或要得到本公司的客户忠诚指标时候，就出现了客户忠诚度的概念，客户忠诚度就是用来衡量客户忠诚的一个数量指标。
客户忠诚度意味着客户不断地回来找你，来购买你的产品或服务，即便你没有最好的产品、最低的价格或最快的交付手段。
你如何来解释这种看上去不合情理的客户行为？很简单：良好的关系。
良好的关系建立在一段时间内的同客户发生的所有交互行为之上，它带来了价值和明显的企业收益。
客户获得的全部价值不仅包括了他们获得的产品或服务，也获得该产品或服务的方式。
那些能将两方面都做得很好的企业常常是其专业领域的佼佼者，他们获得更多的市场份额和利润。
7.1 卡方检验概述2检验是利用随机样本的分布与某种特定分布拟合程度的检验，也就是检验观察频数与理论频数之间的紧密程度，常用于离散变量的分布检验。
卡方检验最常间的用途就是考察无序分类变量各水平在两组或多组之间的分布是否一致。
实际上，除了这个用途之外，卡方检验还有更广泛的应用。
具体而言，其用途主要包括以下几个方面。
1）检验某个连续变量的分布是否与某种理论分布相一致。
如是否符合正态分布、是否服从均匀分布、是否服从Poisson分布等。
2）检验某个分类变量出现的概率是否等于指定概率。
如在36选7的彩票抽奖中，每个数字出现的概率是否各为1/36；掷硬币时，正反两面出现的概率是否均为0.5。
3）检验某两个分类变量是否相互独立。
如性别（二分类变量：男、女）是否有使用差异（二分类变量：是、否）有关；产品原料种类（多分类变量）是否与产品合格（二分类变量）有关。
4）检验控制某种或某几种分类因素的作用以后，另两个分类变量是否相互独立。
如在上例中，控制性别、年龄因素影响以后，吸烟是否和呼吸道疾病有关；控制产品加工工艺的影响后，产品原料类别是否与产品合格有关。
5）检验某两种方法的结果是否一致。
如采用两种诊断方法对同一批人进行诊断，其诊断结果是否一致；采用两种方法对客户进行价值类别预测，预测结果是否一致。
7.2 卡方检验（2χ检验）通过本次实验我们可以理解2χ检验并知道2χ检验在市场营销中的适用范围，了解顾客的忠诚度分析，掌握2χ检验的方法和步骤，并能够在SPSS中实现实验内容的数据分析，并给出较为合理的解释。
2χ检验是以2χ分布为基础的一种常用假设检验方法，主要用于分类变量，根据样本数据推断总体的分布与期望分布是否有显著差异，或推断两个分类变量是否相互关联或相互独立。
它的原假设是：H0：观察频数与期望频数没有差别2χ检验的基本思想是：首先假设H0成立，基于此前提计算中2χ值，它表示观察值与理论值之间的偏离程度。
根据2χ分布，2χ统计量，以及自由度可以确定H0假设成立的情况下获得当前统计量及更极端情况的概率P。
如果P值很小，说明观察值与理论值偏离程度太大，应当拒绝原假设，表示比较资料之间有显著差异；否则就不拒绝原假设，尚不能认为样本代表的实际情况和理论假设有差别。
7.2.1 案例一问题有些现象表明女性比男性更容易跟换用品品牌，即认为男性对品牌的忠诚度不同于女性。
但是也有些人认为男性与女性对品牌的忠诚度是一样的。
哪种说法才是正确的呢？这一问题可以看成是比较两个性别组的忠诚度是否相同，也可以看成是两个分类变量的独立性检验，相应的检验假设为：H0：性别与忠诚度独立，或男性与女性的忠诚度没有差别H1：性别与忠诚度不独立，或男性与女性的忠诚度有差别7.2.2 案例一操作打开SPSS 20.0，在其窗口中选择菜单【文件】→【打开】→【数据】，打开（文件名称：Book\第七章\loyal.sav）数据表。
文件包括性别（定类尺度）及结果（定类尺度）。
选择【分析】→【描述统计】→【交叉表】弹出交叉表检验对话框，将变量“gender”选入行列表，将“result”选入列列表，如图7—1所示。
图7-1 “交叉表检验”对话框单击精确按钮，弹出精确检验子对话框，如图7-2所示。
精确检验对话框提供的是一些只有在非参数检验中才会用到的选项，用于选择计算非参数检验统计量对应的 值方法。
这里选择默认的仅渐进法。
图7-2 “交叉表：精确检验”子对话框仅渐进法：适用于较大样本或样本服从渐进分布；Monte Carlo（M）：适用于数据不满足渐进分布；精确计算法：计算量较大，适用于小样本；单击“继续”返回到主对话框，单击“统计量”按钮，弹出“统计量”子对话框，选择进行交叉表分析的方法，如图7-3所示。
图7-3 “交叉表：统计量”子对话框单击“继续”按钮返回到交叉表主对话框，单击“确定”按钮执行操作，得到输出结果。
7.2.3 案例一结果分析SPSS输出结果见表7-1至表7-2。
表7-1分别给出了变量男性、女性各取值的观察频数。
表7-2 卡方检验值df 渐进 Sig. (双侧) 精确 Sig.(双侧)精确 Sig.(单侧)Pearson 卡方 6.133a 1 .013连续校正b 5.118 1 .024似然比 6.304 1 .012Fisher 的精确检验.018 .011 线性和线性组合 6.084 1 .014有效案例中的 N 126a. 0 单元格(0.0%) 的期望计数少于 5。
最小期望计数为 13.78。
b. 仅对 2x2 表计算表7-2即为2χ检验结果表。
在第一行，它依次给出了Pearson 卡方统计量，自由度以及统计量相应的近似概率（即近似P值）。
本例中，2χ=6.133，精确双边检验的P值为0.018小于0.05的显著性水平，拒绝原假设，接受备择假设，即就此数据来说，可以非常大的把握说性别与忠诚度不独立，男性更容易更换品牌，对产品的忠诚度低于女性。
7.2.4 案例二问题本次实验采用的是男女消费者使用程度上的差异的数据，分析男女顾客对本产品的忠诚度分析。
所建立的原假设是：男性与女性消费者在使用程度上无显著差异。
其中，“性别”变量的1代表男性，2代表女性。
“使用类别”变量的1、2、3分别代表轻度使用、中度使用、重度使用。
7.2.5 案例二操作打开SPSS 20.0，在其窗口中选择菜单【文件】→【打开】→【数据】，打开（文件名称：Book\第七章\Chi Square.sav）数据表。
文件包括性别（定类尺度）及使用类别（定类尺度）。
选择【分析】→【描述统计】→【交叉表】弹出交叉表检验对话框，将变量“性别”选入行列表，将变量“使用类别”选入列列表，如图7—4所示。
图7-4 “交叉表”对话框其他选项同上例题操作，单击“继续”按钮返回到交叉表主对话框，单击“确定”按钮执行操作，得到输出结果。
7.2.6 案例二结果分析SPSS输出结果见表7-3至表7-4。
表7-3分别给出了变量男性、女性各取值的实际观察频数。
表7-3 性别频数表使用类别合计轻度使用中度使用重度使用男性10 17 7 34性别女性10 12 9 31合计20 29 16 65表7-4 卡方检验值df 渐进 Sig. (双侧)Pearson 卡方.976a 2 .614似然比.979 2 .613线性和线性组合.091 1 .763有效案例中的 N 65a. 0 单元格(0.0%) 的期望计数少于 5。
最小期望计数为7.63。
表7-4即为2 检验结果表。
在第一行，它依次给出了Pearson 卡方统计量，自由度以及统计量相应的近似概率（即近似P值）。
本例中，渐进双边检验的P 值为0.614远大于0.05的显著性水平，接受原假设，即就此数据来说，可以非常大的把握说性别与忠诚度独立，男性与女性消费者在使用程度上无差异，即认为男性与女性消费者的忠诚度无显著差异。
7.2.7 求取卡方检验的另一例题客户忠诚度是企业品牌的重要反映，对企业意义重大。
通过SPSS软件对市场调查数据进行卡方检验可以帮助营销人员做出正确的营销决策，了解顾客的忠诚度，以满足客户的需求和期望为目标，有效地消除和预防客户的抱怨和投诉、不断提高客户满意度，促使客户的忠诚，在企业与客户之间建立起一种相互信任、相互依赖的“质量价值链”。
为了进一步说明SPSS中卡方检验在分析顾客忠诚度时的应用，我们再给出一例。
7.2.8 案例三问题本次实验采用的是男、女顾客消费额的数据，所建立的原假设是：男性与女性顾客在消费额上无显著差异。
其中，“性别”变量的0代表男性，1代表女性。
7.2.9 案例三操作打开SPSS 20.0，在其窗口中选择菜单【文件】→【打开】→【数据】，打开（文件名称：Book\第七章\顾客.sav）数据表。
文件包括编号（定序数据）、性别（定类尺度）及消费额（定距尺度）。
选择【分析】→【非参数检验】→【旧对话框】→【卡方】弹出卡方检验对话框，将变量“性别”和“消费额”选入检验变量列表（T），如图7—5所示。
图7-5 “卡方检验”对话框期望全距：选择参与检验的变量取值范围。
这里选中默认的从数据中获取按钮，即所有变量取值都参与检验。
期望值：设置变量各取值的理论概率。
其中，选项所有类别相等表示变量取各个取值的概率相等，即变量服从均匀分布；值选项允许用户自己设置变量取值的理论概率。
这里选择默认选项。
单击精确按钮，弹出精确检验子对话框，如图7-6所示。
精确检验对话框提供的是一些只有在非参数检验中才会用到的选项，用于选择计算非参数检验统计量对应的 值方法。
这里选择默认的仅渐进法。
图7-6 “精确检验”子对话框仅渐进法：适用于较大样本或样本服从渐进分布；Monte Carlo（M）：适用于数据不满足渐进分布；精确计算法：计算量较大，适用于小样本；单击“继续”返回到主对话框，单击“选项”按钮，弹出“选项”子对话框，如图7-7所示，用于设置输出的描述性统计量以及缺失值的处理方式。
图7-7 “卡方检验：选项”子对话框统计量选项栏：描述性选项表示输出变量的均值、标准差、最大值、最小值等统计量；四分位数则表示输出四分位数；缺失值选项栏：按检验排除个案选项表示仅将参与检验的变量中有缺失值的观测排除；按列表排除个案表示全部变量中只要有一个变量存在缺失值，则该观测变量将被排除。
这里选择描述性多选按钮，单击“继续”，“确定”执行操作，得到输出结果。
7.2.10 案例三结果分析SPSS输出结果见表7-5至表7-7。
表7-5、7-6分别给出了性别变量以及消费额变量的各取值的实际观察频数、理论频数以及两者之差。
表7-5 性别频数表观察数期望数残差男性68 45.0 23.0女性22 45.0 -23.0总数90表7-6 销费额统计表表7-7分别给出了2统计量、自由度以及统计量对应的P值。