SPSS 卡方检验结果解读：卡方值、自由度与 p 值逐项看

卡方检验结果解读先看两个分类变量是否存在关联：χ² 统计量加上自由度得到 p 值，p 值小于 0.05 时拒绝两变量独立的原假设。但它只回答有没有关系，关系强不强、差异出在哪一格，要靠关联强度与残差。本站上传数据、选定变量并开始分析后，报告会依次给出上述每一项。

数据要怎么排

以下结果来自本站演示数据（模拟生成，不代表真实研究结论）：300 名研究对象，两个分类变量：吸烟状况（吸烟、不吸烟）与疾病严重程度（轻度、中度、重度）。每行一位对象，两个变量各占一列，取值为类别即可。

变量	数据类型	放入区域
吸烟状况（变量 X）	定类，2 个水平	放入分组 [定类] 变量X
疾病严重程度（变量 Y）	定类，3 个水平	放入 [定类] 变量Y

两个变量组合成一张列联表，每一格是某种吸烟状况与某种严重程度同时出现的人数，例如「吸烟 × 重度」的格子就是吸烟且病情重度的人数。卡方检验比较的，正是每格的实际频数与「两变量互不相关」时的期望频数之间的差距。

X 是分组变量，报告里的列百分比以 X 的每个水平为基准，也就是「在吸烟者中各严重程度各占多少」。

卡方检验怎么做

1. 进入左侧方法列表，点开「卡方检验」。
2. 把吸烟状况拖入「放入分组变量X」，把疾病严重程度拖入「放入变量Y」。对调 X 与 Y 不改变卡方统计量，但列百分比的基准会变。
3. 开始分析后，报告按顺序给出列联表与期望频数检查、卡方统计量、图、关联强度与残差定位、结论句五张卡。

卡方检验结果解读：卡方值与 p 值怎么读

先看列联表本身，列百分比以吸烟状况为基准：不吸烟者中重度占 13.99%，吸烟者中重度占 25.48%，差别主要出在重度一行。

先看卡方近似条件。3×2 的列联表共 6 个格子，最小期望频数为 28.60，没有任何一格的期望频数小于 5，因此可以放心使用 Pearson 卡方检验。

结果如下：Pearson χ²(2) = 6.192，p = 0.045；似然比 G² = 6.307，p = 0.043。两个统计量的结论一致，都拒绝「两变量相互独立」的原假设。两者渐近等价，若结论不一致，通常提示样本量偏小。自由度为 2，等于（3 − 1）×（2 − 1）。

关联强度与残差：显著之后看什么

关联有多强要看效应量，p 值本身回答不了这一点。本例 Cramér's V = 0.144，95%CI [0.000, 0.248]，偏差校正后为 0.118，列联系数 C = 0.142，Cohen's w = 0.144，按小效应判读。V 的区间由非中心卡方反演得到，下限为 0.000 不等于没有关联，与 p=0.045 并不矛盾，只说明关联强度的估计还不够精确，写论文时应连同区间一起报告。吸烟状况与疾病严重程度有关联，但关联强度较弱。

要找出差异出在哪一格，看调整后标准化残差。读的时候先找残差数值最大的格子，再看它校正后的 p 值，并把结果写进论文的文字说明。本例轻度组的残差都在 ±0.6 以内；重度一行的残差：不吸烟×重度为 -2.49，吸烟×重度为 +2.49，未校正时超过 1.96，但做 Bonferroni 校正后 p = 0.078，因此没有格子显著偏离独立性假设。

论文里怎么写

论文中的卡方检验结果应报告列联表规模、样本量、χ²、自由度、p 值和效应量。可以照这个句式写：

以吸烟状况为分组变量，对疾病严重程度进行卡方独立性检验（3×2 列联表，N=300）。各格期望频数最小为 28.60，满足卡方近似条件。结果显示两变量存在关联，χ²(2)=6.192，p=0.045，Cramér's V=0.144，关联强度较弱。

卡方检验结果常见错误

• 只看 p 值下结论：p 值显著后要同时报告 Cramér's V，否则读者无法判断关联的实际大小。
• 忽略期望频数条件：有较多格子的期望频数小于 5 时，卡方近似会失准：2×2 表可改用 Fisher 精确检验，更大的表先归并类别。
• 把残差的大小当成显著性：残差超过 1.96 只是未校正的标准，多格比较应用校正后的 p 值判断。

把结果带进论文：导出与会员

列联表、卡方统计量和残差表都能带走，格式再微调即可。分析和查看结果不用登录；开通会员后可导出 Word / PDF 报告、使用 AI 解读。

延伸阅读

• 期望频数小于5怎么办
• 卡方检验帮助文章：五张卡与全部判定规则