卡方檢驗是以卡方分佈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機率值）很小，說明觀察值與期望值差別較大，應當拒絕原假設。

卡方檢驗最常用於考察分類變數在兩組或多組間的分佈是否具備顯著性差異。也可用於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：將樣本資料錄入SPSS，在變數檢視中設定好變數的型別；

第二步：分析——描述統計——交叉表，分別把要考察的分類變數和分組的變數放入行和列中。分類變數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）；分組變數比如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。

第四步：結果解讀。以上輸出的結果如下，這裡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，適用於樣本量充足的情況（腳註中說明了0單元格的期望計數少於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。

這裡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。