品牌型号：Dell N5010

系统：Windows 10

软件版本：IBM SPSS Statistics

卡方检验为非参数检验，用以判断离散变量之间是否存在相关性。不同的数据结构，使用SPSS进行卡方检验时，输出的结果个数并不相同，如何根据数据类型对检验结果进行判定是非常关键的。本文将以实例向大家说明，SPSS卡方检验结果没有fisher检验结果，SPSS卡方检验结果怎么看P值。

一、spss卡方检验结果没有fisher

不同的数据结构，SPSS进行卡方检验后会输出不同的结果类型。对于大多数检验工作，用户仅需关注皮尔逊卡方检验结果即可，但是对于一些特殊的数据类型用户还应关注线性关联统计量，连续性修正统计量，费希尔（Fisheries）精确检验统计量等。

对于2*2表型数据，进行卡方检验时，SPSS会给出连续性修正统计量，费希尔精确检验统计量。在样本量较少，单元格期望较低时，进行卡方检验会造成偏斜，其原因在于进行卡方检验时，以离散型变量作为连续型变量进行计算。为减少偏斜，可以以连续性修正统计量代替皮尔逊卡方检验结果，以获得更为精确的检验结果，或采用更为精确的费希尔（Fisher）超几何分布代替卡方分布进行分析。

对于其它类型的数据，SPSS不会给出连续性修正统计量，费希尔精确检验统计量。如图1所示，为2001年至2006年是否通过某项考试的人数统计，卡方检验可以判断年份与通过率之间是否存在相关关系。

对上述数据进行卡方检验后，结果如图2所示，可见卡方检验结果并未输出连续性修正和费希尔精确检验结果。

在第一小节中，向大家解释了为什么有些卡方检验不会输出连续性修正和费希尔精确检验统计量，在第二小节中向大家介绍如何根据输出的结果判断变量间是否存在相关关系。

二、spss卡方检验结果怎么看P值

我将列举一个2*2表数据实例，便于大家进一步了解连续性修正和费希尔精确检验。图3是发病率与性别的关系统计数据，其中性别1代表男性，性别2代表女性，1代表发病，2代表未发病，人数为各组统计人数。数据结构为2*2型，对这组数据进行卡方分析，结果如图4所示。

首先应查看注释部分，a中提及没有单元格期望小于5；个案数1988，大于40个，因此只关注皮尔逊卡方统计量即可，不需关注连续性修正统计量和费希尔精确检验。同时注释b明确指出连续性修正统计量仅对2*2表进行计算。

在皮尔逊卡方统计量中，渐进显著性（P值）为0，小于0.05，此时认为变量间存在相关关系，即性别与发病率相关。如果P值大于0.05，此时认为变量间不存在相关关系，即性别与发病率无关。

SPSS卡方检验结果没有fisher的原因在于数据结构，SPSS会根据数据结构决定是否给出费希尔精确检验结果，用户也应根据数据结构决定采用何种统计量的结果。SPSS卡方检验结果怎么看P值，如果显著性或称P值小于0.05，认为检验的变量之间存在相关性，如果显著性或P值大于0.05，则认为检验的变量间不存在相关性。