SPSS 交叉表统计量：卡方、Fisher、Kappa 与 McNemar

在 Crosstabs 中，于“交叉表”模式建好表格后展开“全部统计量”，即可得到完整结果：卡方检验、Fisher 精确检验、带渐近标准误的名义与有序关联度量、相关系数、kappa 与 McNemar 检验、风险估计、按层变量的 Cochran–Mantel–Haenszel 检验，以及单元格残差。

• 行变量与列变量是否独立：Pearson 卡方、连续性校正、似然比，以及适用于 2×2 及更大表格的 Fisher 精确检验。
• 名义变量之间的关联强度：φ 系数、Cramér V、列联系数、lambda、Goodman–Kruskal tau 和不确定性系数。
• 对于有序类别，趋势的方向和强度：gamma、Kendall's tau-b 和 tau-c、Somers' d、Spearman 与 Pearson 相关以及线性关联检验。
• 配对评分的一致性（Cohen κ、McNemar 或 McNemar–Bowker 检验），以及 2×2 表中的优势比和相对风险及其置信区间。
• 在第三个变量的各层中 2×2 关联是否成立：Cochran 与 Mantel–Haenszel 检验、Breslow–Day 与 Tarone 同质性检验以及共同优势比。

1. 01

   在“交叉表”模式中打开数据

   在工作区载入文件并进入“交叉表”模式，表格及其统计量都在此生成。

2. 02

   指定行变量和列变量

   在变量列表中，对一个变量点击“行”，对另一个变量点击“列”。表格及其卡方摘要随即显示在下方。

3. 03

   声明测量级别

   有序关联度量和相关系数要求两个变量都有序：数值代码视为有序，文本类别可在数据字典中声明为有序。行列类别相同的方表会显示 kappa 和 McNemar 检验。

4. 04

   展开“全部统计量”

   展开表格下方的“全部统计量（G 检验、Fisher 精确检验、λ、γ、τ、d、U…）”，查看卡方检验、名义与有序关联度量、相关、一致性和风险估计。

5. 05

   添加层变量和残差

   在“分层分析”部分选择“分层（控制）变量”以运行 Cochran–Mantel–Haenszel 检验。在“显示”中把单元格残差设为原始、标准化或调整残差，即可在表中显示。

卡方检验

Pearson 卡方、连续性校正（2×2）、似然比、Fisher 精确检验（2×2 表给出单侧与双侧）、期望计数较小的大表的 Fisher–Freeman–Halton 精确检验，以及有序变量的线性关联检验。

名义变量指标

φ 系数、Cramér V 和列联系数及其 p 值，随后是 lambda、Goodman–Kruskal tau 和不确定性系数（对称及各方向），附渐近标准误、近似 T 和 p 值。

有序变量指标

gamma、Kendall's tau-b 和 tau-c，以及 Somers' d（对称及各方向），附渐近标准误、近似 T 和 p 值；若某变量无序则不予报告并说明原因。

相关

基于类别评分的 Pearson R、基于中秩的 Spearman 相关；若有定距变量还给出 eta。

一致性

Cohen κ 及其标准误和 p 值，以及 McNemar 检验（2×2，精确二项）或 McNemar–Bowker 对称性检验。

风险估计

仅限 2×2 表：优势比以及各列类别的相对风险，附 95% 置信区间。

分层分析

设置层变量且每层均为 2×2 表时：Cochran 与 Mantel–Haenszel 检验、Breslow–Day 与 Tarone 检验，以及 Mantel–Haenszel 共同优势比和各层的优势比。