該用 Pearson 卡方還是 Fisher 精確檢定？

期望次數大多在 5 以上時用 Pearson。2×2 表一定會同時輸出 Fisher；較大的表只要有期望次數低於 5，Crosstabs 就會計算 Fisher–Freeman–Halton 檢定。

該用 Cramér's V 還是 Gamma？

Cramér's V 在任何表格中衡量強度，不考慮順序。Gamma、tau-b 與 Somers' d 利用類別的順序並指出方向；兩個變數都是次序時，它們是較好的選擇。

兩個變數都需要明確的順序：遞增的數值代碼，或宣告為次序或尺度的測量層級。沒有測量層級的文字類別，或表中含有遺漏值類別時，量數會被保留並說明原因。

在獨立的假設下，每個調整後殘差近似標準常態分布。超過約 ±1.96 的值，標示出造成卡方檢定顯著的儲存格。

會。宣告的次數權重視為個案數，只要加權次數是整數，精確檢定照常計算。其他加權次數只保留漸近統計量，精確檢定不提供，畫面會說明原因。

CROSSTABS 的統計量可依問題分成五組。哪個量數合適，取決於變數的測量層級與表格形狀。

獨立性：Pearson 卡方、連續性校正（2×2）、概似比，以及 Fisher 精確檢定。
名目變數的關聯強度：Phi、Cramér's V、列聯係數、Lambda、Goodman–Kruskal tau 與不確定性係數。
次序變數的方向與強度：Gamma、Kendall's tau-b 與 tau-c、Somers' d、Spearman 與 Pearson 相關，以及線性對線性關聯。
成對判斷的一致性：Cohen's kappa、McNemar 或 McNemar–Bowker；2×2 表另有勝算比與相對風險及信賴區間。
分層的 2×2 表：Cochran 與 Mantel–Haenszel 檢定、Breslow–Day 與 Tarone 檢定，以及共同勝算比。

在 SPSS 中以 /STATISTICS 子命令要求統計量，並以 /CELLS 控制儲存格內容。ASRESID 是調整後標準化殘差，EXPECTED 是期望次數。CMH(1) 需要在 TABLES 子命令中指定分層變數。

CROSSTABS
  /TABLES=plan BY satisfaction
  /STATISTICS=CHISQ PHI CC LAMBDA UC GAMMA D BTAU CTAU CORR
  /CELLS=COUNT ROW COLUMN EXPECTED ASRESID.

Crosstabs 不需語法就能重現 CROSSTABS；檔案（包括 SPSS .sav）只在瀏覽器中讀取。

1.開啟交叉表模式。把檔案載入工作區，切換到「交叉表」模式。
2.選擇列與欄。在變數清單中，對一個變數按「列」，對另一個按「欄」。表格與卡方摘要會顯示在下方。
3.設定測量層級。次序量數與相關需要有順序的變數：數值代碼視為有序，文字類別請在資料字典中宣告為次序。Kappa 與 McNemar 在類別相同的方形表中顯示。
4.開啟「所有統計量」。表格下方會列出卡方檢定、名目與次序量數、相關、一致性與風險估計。
5.加入分層與殘差。選擇「分層（控制）變數」以進行 CMH 檢定，並在儲存格中顯示原始、標準化或調整後殘差。

每個個案只屬於一個儲存格。卡方近似需要大多數期望次數至少為 5，否則請看精確檢定。較大的表在期望次數偏小時，Crosstabs 會計算 Fisher–Freeman–Halton 檢定，若完整列舉太耗時則改用 Monte Carlo 估計。

次序量數依照顯示的類別順序計算，請確認是由低到高排列。精確檢定需要未加權或整數的次數權重。有分層與集群的樣本請用複雜抽樣交叉表；複選題不適用整張表的關聯量數。

計算範例

160 位合成資料的顧客，依方案（Basic < Plus < Pro）與滿意度（低 < 中 < 高）交叉；兩個變數都宣告為次序。最小期望次數為 12.65，因此卡方近似沒有問題。

獨立性：Pearson χ²(4) = 19.58，p < 0.001；概似比 G² = 19.51，p < 0.001。不考慮順序的強度：Cramér's V = 0.247。

因為兩個變數都有順序，次序量數能說明更多：Gamma = 0.446，Kendall's tau-b = 0.303，以滿意度為依變數的 Somers' d = 0.303。方案等級越高，滿意度越高。調整後殘差最大的儲存格是「Pro × 高」，為 3.63。

合成資料，與英文版 CROSSTABS /STATISTICS 頁面的範例相同。所有數值皆以 Crosstabs 的計算引擎算出。