育才学习网1.有关于卡方检验的结果
先进行单因素分析，可选用卡方检验，因为你所说的自变量均为分类资料，进而筛选对因变量有影响的自变量；然后将入选的自变量进行多因素分析，如Logistic回归分析，可选用逐步回归，进而判定自变量对因变量的影响大小。
（此处因变量应为观点的分布，卡方检验时将性别、年龄及工作同时调入列变量，SPSS会给出三个列联表，根据P值找出适宜的自变量；因为因变量为分类资料，故一般的线性回归是不可以的，而Logistic回归对这类资料就比较适用了，可以找出对因变量贡献最大的自变量）。
2.怎么阅读SPSS卡方检验的结果
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≤T3、当总样本量n
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
3.急
看显著性看P值，也就是sig.值 ，P<0.05就显著。
图上无论看哪个其实结果都是显著的。 具体看哪个，请参考以下，n对应样本量，T对应最小期望计数。
当n≥40且T≥5时直接用卡方检验公式， 当n≥40且1≤T<5时，用连续校正卡方值或者fisher的确切概率。 当n≤40或T<1时用fisher的确切概率 谈深一点来说，四格表理论上一般就应该直接进行校正，或者，直接进行 Fisher 确切概率计算比较好。
这一点，已经是国外的共识了。 （判断方法来源于网络）。
4.急
第一个表：n=66>40，最小期望频数=9.86>5，使用pearson卡方值，卡方值=3.771,P=0.052>0.05，按检验水准为0.05下，无统计学意义，即尚不能认为两组的缓解率有羞怯差异。
第二个表：n=66>40,1<；最小期望频数=1.88<5，使用校正pearson卡方值，卡方值=2.031,P=0.154>0.05，按检验水准为0.05下，无统计学意义，即尚不能认为两组的早期死亡率有差异。
交叉表中Fisher检验为确切概率法概率，无统计量（即无卡方值），通常看双侧概率。