行×列表资料的卡方检验用于多个率或多个构成比的比较。
1、专用公式：
r行c列表资料卡方检验的卡方值=n[(A11/n1n1+A12/n1n2+...+Arc/nrnc)-1]
2、应用条件：
要求每个格子中的理论频数T均大于5或1<T<5的格子数不超过总格子数的1/5。当有T<1或1<T<5的格子较多时，可采用并行并列、删行删列、增大样本含量的办法使其符合行×列表资料卡方检验的应用条件。而多个率的两两比较可采用行X列表分割的办法。
卡方检验是卡方分布为基础的一种检验方法，主要用于分类变量，根据样本数据推断总体的分布与期望分布是否有显著差异，或推断两个分类变量是否相关或相互独立。
其原假设为：观察频数与期望频数没有差别。凡是可以应用比率进行检验的资料，都可以用卡方检验。
扩展资料：
基本原理
卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
注意：卡方检验针对分类变量。
参考资料：百度百科-卡方检验
温馨提示：答案为网友推荐，仅供参考
第1个回答 推荐于2017-09-20
第一个表显示：分类过多，小于5的理论频数(即期望计数)不应超过20%，而你给出的数据达到了38.9%，不满足行X列表卡方检验的条件，建议合并分类后再进行卡方检验，如果不想合并分类可以增加样本含量，或使用确切概率法。
第二个表显示：
Pearson相关系数，其值为r=0.017，t=0.282，P=0.778，显示两变量间可能存在极弱相关或不相关。
Spearman相关系数，其值为rs=0.151，t=2.494，P=0.013，显示两变量间可能存在极弱相关或不相关。本回答被提问者采纳
第二个表显示：
Pearson相关系数，其值为r=0.017，t=0.282，P=0.778，显示两变量间可能存在极弱相关或不相关。
Spearman相关系数，其值为rs=0.151，t=2.494，P=0.013，显示两变量间可能存在极弱相关或不相关。本回答被提问者采纳
相似回答