主要用途：主要用于分析分类变量的相关关系，如果是连续变量的相关性，主要使用相关分析

分析——描述统计——交叉表

将对应的分类型变量分别放在行和列，选择Statistics中的卡方，通过假设检验判断量分类变量之间的关系

①：卡方：选择卡方会计算Pearson 卡方、似然比卡方、Fisher 的精确检验和Yates 修正卡方（连续性修正）

②：对于行和列都包含排序值的表（比如客户的满意度），相关将生成Spearman 相关系数rho（仅数值数据）。Spearman 的rho 是秩次之间的关联的测量。

【注意：当两个表变量都是定量变量时，卡方将产生线性关联检验。相关产生Pearson 相关系数r，这是变量之间的线性关联的定量。】

③：对于名义变量（即数据大小没有实际意义且没有大小区分，如男1，女2）可以选择列联系数、Phi（系数）和Cramér 的V、Lambda（对称和非对称lambda 以及Goodman 和Kruskal的tau）和不确定性系数。

1）相依系数：基于卡方的关联性测量，范围在[0,1）， 0表示变量之间毫不相关，接近1表示相关性较大。 （具体的数值大小与变量的个数相关）

2）Phi and Cramer’s V. Phi ：Phi=平方根（卡方检验统计量/样本大小），Cramer 的V 也是基于卡方统计量的关联性测量。

3）Lambda： 相关性测量，它反映使用自变量的值来预测因变量的值时，误差成比例缩小。值为1 表示自变量能完全预测因变量；值为0 表示自变量对于预测因变量没有帮助。

4）不确定系数：表示当一个变量的值用来预测其他变量的值时，误差成比例下降的程度。例如，值0.83 指示如果知道一个变量的值，则在预测其他变量的值时会将误差减少83%。程序同时计算不定性系数的对称版本和不对称版本。

④：对于有序变量（比如客户满意度，1代表非常不满意，5代表非常满意） 1）Gamma：两个有序变量之间的相关性的对称度量，它的范围是从-1 到1。绝对值接近1 的值表示两个变量之间存在紧密的关系。接近0 的值表示关系较弱或者没有关系。对于二阶表，显示零阶gamma。对于三阶表到n 阶表，显示条件gamma。 2）Sommer’s d：与Gamma相似，也反映两个有序变量之间相关性的测量：绝对值接近1的值表示两个变量之间存在紧密的关系，值接近0 则表示两个变量之间关系很弱或没有关系。Somers 的d 是gamma 的不对称扩展，不同之处仅在于它包含了未约束到自变量上的成对的数目。还将计算此统计量的对称版本。 3）Kendall’s tau-b：将结考虑在内的有序变量或排序变量的非参数相关性测量。系数的符号指示关系的方向，绝对值指示强度，绝对值越大则表示关系强度越高。可能的取值范围是从-1 到1，但-1 或+1 值只能从正方表中取得。 4）Kendall’s tau-c忽略结的有序变量的非参数关联性测量

⑤按区间标定：Eta 注意：如果是定量变量与定型变量之间分析，一定要选择Eta

点击单元格——选择计数（观察值表示基本的个数）——百分比（按需求选择按行、列划分百分比）

如图，选择了按照行计算的百分比&总记得百分比： 比如，第一行第二列的数据为42.1%，代表男性中有42.1%的人认为日报周末版更适合在周末阅读

主要看Pearson卡方检验，计算出的统计量为7.251，对应p=0.027