卡方檢驗是以卡方分布為基礎的一種常用的假設檢驗方法，原假設為 H0：觀察頻數與期望頻數沒有差別 。如果分析結果P值（統計量取極端情況的概率值）很小 ， 說明觀察值與期望值差別較大，應當拒絕原假設 。
卡方檢驗最常用于考察
分類變量在兩組或多組間的分布是否具備顯著性差異 。
也可用于檢驗兩種方法的結果是否一致，比如使用兩種方法診斷同一批人，結果是否一致 。
SPSS的操作為：
第一步：將樣本數據錄入SPSS，在變量視圖中設置好變量的類型；
第二步：分析——描述統計——交叉表，分別把要考察的分類變量和分組的變量放入行和列中 。分類變量比如對某種診斷的反映結果（本例中為對問題1的選擇結果，1或0）；分組變量比如1、0兩個組，本例是考察這兩個組在問題1的結果上是否具備顯著差異性 。
第三步：設置分析條件，點開”精確“按鈕，設置置信水平為95%（或者更嚴格的99%），點擊繼續；點開”統計量“，選中"卡方"、“相關性” 。其他選項默認或者按需選擇即可 。
第四步：結果解讀 。以上輸出的結果如下，這里說一下卡方檢驗結果表 。
表中給出了多種檢驗結果，其中Pearson卡方是最標準也是最常用的卡方檢驗結果，適用于樣本量充足的情況（腳注中說明了0單元格的期望計數少于5，最小期望計數為6.3，說明該樣本量已滿足Pearson卡方的要求），只需要看Pearson的結果即可 。
【交叉分析表怎么進行描述的 - 經驗總結 www.deltahenze.cn】
這里Pearson卡方檢驗結果sig<0.05，說明這兩個組在問題1上具有顯著性差異，該差異滿足95%的顯著性水平 。
