ASYMP.sig就是我们常说的P值，一般来说，只要P值小于0.05就认为结果有显著性差异，P值大于0.05就没有显著差异。
分析结果：
χ2值与P值，依次看“Chi-Square Tests”表的第1行，第1列和第3列。补充：第2行是校正的卡方值与P值，第4行是Fisher确切概率法计算的P值。通常规定：
1、当总样本量n≥40且所有的单元格的理论频数（期望频数）T≥5时，采用Pearsonχ2检验，看第1行的结果；
2、当总样本量n≥40但有1≤T＜5时，采用连续性校正χ2检验，看第2行的结果；
3、当总样本量n＜40，或最小理论频数T＜1，或检验所得P值接近于检验水准α，采用Fisher确切概率法检验，看第4行的结果。
扩展资料
卡方检验最常见的用途就是考察某无序分类变量各水平在两组或多组间的分布是否一致实际上，除了这个用途之外，卡方检验还有更广泛的应用。具体而言，其用途主要包括以下几个方面：
1、检验某个连续变量的分布是否与某种理论分布相一致。如是否符合正态分布、是否服从均匀分布、是否服从Poisson分布等。
2、检验某个分类变量各类的出现概率是否等于指定概率。如在36选7的彩票抽奖中，每个数字出现的概率是否各为1／36；掷硬币时，正反两面出现的概率是否均为0．5。
3、检验某两个分类变量是否相互独立。如吸烟(二分类变量：是、否)是否与呼吸道疾病(二分类变量：是、否)有关；产品原料种类(多分类变量)是否与产品合格(二分类变量)有关。
4、检验控制某种或某几种分类因素的作用以后，另两个分类变量是否相互独立。如在上例中，控制性别、年龄因素影响以后，吸烟是否和呼吸道疾病有关；控制产品加工工艺的影响后，产品原料类别是否与产品合格有关。
5、检验某两种方法的结果是否一致。如采用两种诊断方法对同一批人进行诊断，其诊断结果是否一致；采用两种方法对客户进行价值类别预测，预测结果是否一致。
参考资料：百度百科-卡方检验
1、结果解释：
（1）在报告比值比前，研究者应该先查看基本的一些统计量，了解数据特征。本例查看gender*comp Crosstabulation表，如下图：
（2）表中可看到50名研究对象中男性和女性各25人。首先，查看男性喜欢竞技类运动的比值，如下图高亮显示：
25名男性中，18名男性喜欢竞技类运动，7名不喜欢。因此，男性喜欢竞技类运动的比值为喜欢与不喜欢的概率之比，即为喜欢竞技类运动的男性数量除以不喜欢的男性数量，得到比值为2.57（18÷7=2.57）。因此对男性来讲，喜欢竞技类运动的概率是喜欢娱乐性运动概率的两倍多。
同理，也可以得到女性的比值。下表中为25名女性喜欢竞技类运动的情况：
25名女性中10名喜欢竞技类运动，15名不喜欢。因此女性喜欢竞技类运动的比值为为喜欢竞技类运动的女性数量除以不喜欢的女性数量，得到比值为0.67（10÷15=0.67）。因此对女性来讲，喜欢竞技类运动的概率是喜欢娱乐性运动概率的0.67倍。
因此，研究者可以汇报：“本研究招募了50名研究对象，男女性各25人。与娱乐性运动（n=7）相比，男性更喜欢竞技类运动（n=18）；在女性中则相反，10名女性喜欢竞技类运动、15名女性喜欢娱乐性运动”。
（3） 比值比，观察Risk Estimate表可以得到比值比，如下图：
性别与喜欢竞技类运动与否的比值比为3.857，95%置信区间为1.180到12.606。95%置信区间代表研究者有95%的把握确定人群中这一关联的真实比值比在1.180到12.606之间。此外，比值比还可以通过gender*comp Cross tabulation表的两个比值手动算出。
计算性别与喜欢竞技类运动与否的比值比，仅需要用男性的比值除以女性的比值，如下面算式。因此，男性喜欢竞技类运动的可能性是女性3.857倍。
如果比值比大于1且95%置信区间不包括1，代表男性喜欢竞技类运动的可能性大于女性；反之，比值比小于1且95%置信区间不包括1，则代表男性喜欢竞技类运动的可能性小于女性；若比值比的95%置信区间包括1，则说明男女性喜欢竞技类运动的可能性无统计学差异。
2、撰写结果：
本研究招募了50名研究对象，男女性各25人。与娱乐性运动（n=7）相比，男性更喜欢竞技类运动（n=18）；在女性中则相反，10名女性喜欢竞技类运动、15名女性喜欢娱乐性运动。与女性相比，男性喜欢竞技类运动的比值比是3.857（95%置信区间：1.180-12.606），且有统计学意义。
扩展资料：
显著性(Significance)首次由Fisher在假设检验中提出.假设检验中有两种错误： 拒真和纳伪.显著性检验仅考虑发生拒真错误的概率，也就是考虑原假设的Significance的程度，把拒真的概率控制在提前所给定的阈值alpha之下，来考虑检验原假设是否正确。
简单的说就是判断要检验的统计量是否与假设差异明显。差异是否明显的分界概率就是显著性概率。
参考资料：显著性-百度百科
Chi-Square就是卡方的意思，因此你的结果的卡方值等于9.910；df指的是自由度；ASYMP.sig就是我们常说的P值，因此P=0.007；一般来说，只要P值小于0.05就认为结果有显著性差异；此外，你还应该注意表格下面的注解：
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 66.7.
这句话很重要，关系到你的结果是否可靠！ASYMP.sig的结果，理论频数小于5的cells（格子）比例不能超过20%，否则结果不可靠。按照这个标准，你的数据没有任何一个格子的理论频数小于5（最小值是66.7），因此你的结果是可靠的。
如果理论频数小于5的cells（格子）比例超过20%，你就不能使用ASYMP.sig的结果，此时应该在SPSS卡方检验中选择使用Exact Test（确切概率法），以Exact Test的结果为准（软件也同时显示ASYMP.sig的结果）。方卡检验：
依次点击“分析——描述统计——交叉表格”，在“交叉表格”窗口中，将“组别”属性选入行中，“有效性”属性选入列中，并点击“statistics（统计）”；在出现的“统计窗口”，勾选“卡方”；点击“继续”，然后“确定”，得到结果。
扩展资料：
spss数据管理：
在10版以后，SPSS的每个新增版本都会对数据管理功能作一些改进，以使用户的使用更为方便。13版中的改进可能主要有以下几个方面：
1、超长变量名：在12版中，变量名已经最多可以为64个字符长度，13版中可能还要大大放宽这一限制，以达到对当今各种复杂数据仓库更好的兼容性。
2、改进的Autorecode过程：该过程将可以使用自动编码模版，从而用户可以按自定义的顺序，而不是默认的ASCII码顺序进行变量值的重编码。另外，Autorecode过程将可以同时对多个变量进行重编码，以提高分析效率。
3、改进的日期/时间函数：本次的改进将集中在使得两个日期/时间差值的计算，以及对日期变量值的增减更为容易上。
参考资料：
本回答被网友采纳通常规定：
（1）当两组总样本量n≥40且所有的单元格的理论频数T≥5时，看第1行的结果；当P≈检验水准时，看第4行的结果。
（2）当两组总样本量n≥40但有1≤理论频数T＜5时，看第2行的结果；或者看第4行的结果。
（3）当两组总样本量n＜40，或最小理论频数T＜1时，看第4行的结果。
扩展资料：
1. 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，卡方值越大，越不符合；卡方值越小，偏差越小，越趋于符合，若两个值完全相等时，卡方值就为0，表明理论值完全符合。
2. 卡方检验要求：最好是大样本数据，一般每个个案最好出现一次，四分之一的个案至少出现五次。如果数据不符合要求，就要应用校正卡方。
3. 基本步骤：
（1）提出原假设
（2）将总体X的取值范围分成k个互不相交的小区间A1，A2，A3，…，Ak
（3）把落入第i个小区间的Ai的样本值的个数记作fi，成为组频数（真实值），所有组频数之和f1+f2+...+fk等于样本容量n。
（4）当H0为真时，根据所假设的总体理论分布，可算出总体X的值落入第i 个小区间Ai的概率pi，于是，npi就是落入第i个小区间Ai的样本值的理论频数（理论值）。
（5）当H0为真时，n次试验中样本值落入第i个小区间Ai的频率fi/n与概率pi应很接近，当H0不真时，则fi/n与pi相差很大。基于这种思想，皮尔逊引进如下检验统计量
，在0假设成立的情况下服从自由度为k-1的卡方分布。
参考链接：百度百科-卡方检验
本回答被网友采纳如果理论频数小于5的cells（格子）比例超过20%，你就不能使用ASYMP.sig的结果，此时应该在SPSS卡方检验中选择使用Exact Test（确切概率法），以Exact Test的结果为准（软件也同时显示ASYMP.sig的结果）。
Chi-Square就是卡方的意思，因此你的结果的卡方值等于9.910；df指的是自由度；ASYMP.sig就是我们常说的P值，因此P=0.007；一般来说，只要P值小于0.05就认为结果有显著性差异；分析结果：χ2值与P值，依次看“Chi-Square Tests”表的第1行，第1列和第3列。
通常规定：
（1）当总样本量n≥40且所有的单元格的理论频数（期望频数）T≥5时，采用Pearsonχ2检验，看第1行的结果
（2）当总样本量n≥40但有1≤T＜5时，采用连续性校正χ2检验，看第2行的结果
（3）当总样本量n＜40，或最小理论频数T＜1，或检验所得P值接近于检验水准α，采用Fisher确切概率法检验。
扩展资料
用spss交叉表做卡方检验法：
1、录入数据：前两列代表数据所对应的行和列（R and C），第三列代表的是频数
2、加权：对频数进行加权，Data→Weight Cases
3、卡方检验：Analyze→Descriptive Statistics→Crosstabs，添加Row、Column，点击Statistics，选择Chi-square，点击Continue，点击OK
本回答被网友采纳