spss卡方检验结果线性关联是什么 spss卡方检验结果没有连续性校正

品牌型号：Dell N5010

系统：Windows 10

软件版本：IBM SPSS Statistics

对于两组连续性变量，一般通过回归分析判断两者是否存在相关关系。对于离散型变量，则需借助卡方检验判断两者之间是否存在相关关系。变量数据类型不同，SPSS卡方检验提供的结果形式也有所不同，因此很多用户会感到不解。本文结合实例向大家介绍SPSS卡方检验结果线性关联是什么，SPSS卡方检验结果没有连续性校正原因是什么。

一、spss卡方检验结果线性关联是什么

对于有序分布的离散型变量，进行卡方检验时，除了关注皮尔逊卡方检验结果之外，还须关注线性关联结果。有序分布的离散型变量如年代，时间等。例如有人统计了连续几年某项考试的考生数据，根据通过率，能否得出该项考试通过率随时间发生变化，即通过率与时间之间是否有线性关系。原始数据如图1所示。

卡方检验的方法大家可以登录SPSS中文网站学习，这里不再赘述，本文主要讨论卡方检验结果的解读与分析。按照卡方检验的方法，处理数据后，结果如图2所示。

卡方检验结果中，首先关注皮尔逊卡方，其渐进显著性为0.987，大于0.05，此时应接受卡方检验的原假设，即两组变量间不存在相关关系，认为年份和通过率之间没有相关性。如果渐进显著性小于0.05，则接受备选假设，认为两组变量间存在相关关系，认为年份和通过率之间存在相关性。由于年份为连续性离散变量，此时还应关注线性关联统计量，同样道理，线性关联渐进显著性为0.547，大于0.05，两组变量间不存在线性相关关系，即通过率不随着年份变化而呈线性变化。

对于存在顺序的离散型变量，我们除需要关注皮尔逊卡方检验结果之外，还应关注线性关联统计量，线性关联统计量渐进显著性大于0.05，认为两组变量之间不存在线性关系，小于0.05，则存在线性关系。由于数据结构不同，卡方检验还会产生不同的分析结果，例如连续性校正统计量。很多用户会疑惑为什么有时作卡方检验会出现连续性校正统计量，有时没有，本文第一小节中实例就不存在连续性校正统计量，原因在第二小节中向大家介绍。

二、spss卡方检验结果没有连续性校正

卡方检验过程中以离散型变量代替了连续性变量进行计算，因此在频数小于5或数据量低于40时，计算结果会出现偏斜，特别是对于2*2型数据。所谓2*2型数据，是指待分析数据有两个离散变量，每个离散变量又分别有两种情况。在频数小于5或数据量低于40时，基于超几何分布的费舍尔精确检验更为适合2*2型数据。

例如考察发病率与性别的关系，数据如图3所示，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。

与第一小节中卡方检验结果相比，卡方分析结果中多了连续性校正和费希尔精确检验两项，并且b处标记仅对2*2表进行计算。

因此对于非2*2表，卡方检验不会提供连续性修正结果。

本文介绍了SPSS卡方检验结果线性关联是什么，SPSS卡方检验为什么没有连续性校正的内容。对于有序的离散型变量，除了关注皮尔逊卡方检验结果之外，还应关注线性关联统计量，线性关联统计量反应了变量之间是否存在线性关系。对于非2*2结构数据，不符合超几何分布的应用条件，因此不会提供连续性修正结果。