1、基本原理：將分類變數（解釋變數）看做因素或解釋變數，將單元格的觀察頻數看做因變數（反應變數），在某種假設前提下，如服從poisson分佈或多項分佈，把期望頻數的自然對數表示為各分類變數的主效應及各階互動效應的線性函式。

2、該模型中包含全部主效應和互動效應，故稱為飽和模型，若缺少一項，則稱為不飽和模型。飽和模型估計的期望頻數必然與觀察頻數相等，因此飽和模型沒有實用意義，真正實用的是不飽和模型。

3、具體操作見圖片。

4、結果中顯示資料處理的基本資訊。

5、單元計數和殘差：給出觀察值，期望值，殘差等，因為選擇的是飽和模型，所以對於殘差都是0。其中的“擬合度檢驗”中的機率是省略的，就是1的意思，說明模型完全擬合樣本資料。K-Way和高階效果：k=1表示主效應，k=2表示一階互動效應，以此類推。計算機率知，三階互動的作用不明顯，所以模型要重新選擇，不應該選擇飽和模型。