使用 SPSS 和 PASW/卡方检验
当尝试在两个名义变量或序数变量之间找到关系时，使用卡方检验。重申一下，名义变量是仅通过命名类别（例如类别、质量或种类）来测量的变量。序数变量类似于名义变量，但类别可以按顺序排列（例如，从最高到最低排名）。
为了计算卡方，我们使用交叉表（简称交叉表），它显示两个变量之间联合出现的频率。
我们将在本章中检验的假设是宗教信仰与来世信仰之间是否存在关系。我们将使用 0.05 的 alpha 值来检验这一点。要在 SPSS 中进行卡方检验，请完成以下步骤
您必须从单个样本中获得两个名义变量，您可以使用它们来查看它们之间是否存在关系。在本例中，我们将使用宗教（relig）和来世信仰（postlife）。在本例中，宗教是自变量，来世信仰是因变量。这在后面很重要。
要运行测试，请选择：分析 → 描述性统计 → 交叉表。
单击交叉表后，将弹出一个窗口，您将在其中输入要测试的选定变量。选择要放入列中的自变量（relig）和要放入行中的因变量（postlife）。
接下来，单击统计按钮并选中卡方框。
点击继续，然后点击单元格按钮，选中观察值、期望值和列百分比。
然后点击确定，一个包含结果交叉表的输出窗口将弹出。
接下来，您必须解释数据。在每列底部和每行末尾，都会显示该特定组的总计。右下角的单元格是样本中总案例数。每个单元格都显示了两个变量之间的观察到的联合出现情况以及根据观察到的总计计算出的预期出现情况。如果变量之间没有关系，则观察到的频率和期望频率将相同。在我们的例子中，显然情况并非如此。它们是不同的，但我们必须查看输出窗口中的最后一个框，以查看我们的关系是合法的还是由于抽样误差造成的。
正如我们在开头提到的，我们的 alpha 值为 0.05。如果 Pearson 卡方统计量的“Asymp. Sig. (2-sided)”小于 0.05，则根据我们在开头说明的置信度水平，变量之间存在关系。如以下表格所示，卡方显著性值为 0.000，小于我们的 0.05 值，这表明一个人所信奉的宗教与其来世信仰之间存在关系。
最后，我们将用日常语言解释测试，这也意味着我们也更仔细地查看交叉表。在交叉表中，很明显，新教徒和天主教徒比犹太人或无宗教信仰者更有可能报告他们相信来世。因此，我们可以说，“犹太人和无宗教信仰者不太可能相信来世，而新教徒和天主教徒更有可能相信来世。” 请注意，在解释卡方交叉表时必须小心，因为它并不总是完全清楚分数之间的显著差异在哪里。
本章由莎拉·弗里斯威尔撰写。