1.单选题卡方分析

卡方分析是研究两个定类变量的差异对比，是在交叉的基础上加上统计检验（卡方值和p值），对于分析结果进行p值判断，然后说明两个定类变量是否有联系，比如性别和月收入是否有联系等等。在分析中首先对p值进行判断，如果p值小于显著水平，则说明在显著水平下呈现出显著性，比如想要研究“性别和职业是否有差异关系”。

结果如下：

从结果可以看出被调查者中女性比男性多，不论男性还是女性学生占比多占总数的46.82％，企业家均占比最少，模型的卡方值为10.827，p值约为0.029小于0.05，所以说明不同性别的被调查者的职业有差别。

2.多选题卡方分析

多选题的卡方分析理论上也是研究两个定类数据之间的关系，区别在于这里的自变量为单选题数据，因变量为多选题数据。可以使用SPSSAU【单选-多选】进行分析。比如想研究“不同收入和更关注网络课程的方面进行交叉分析”操作如下：

结果如下：

从结果来看不管是什么收入水平多数人更在乎网络课程的教学质量，共有213个人选择此项，所以想要更好经营网络课程这一项，需要提升教学质量可能效果更好，最后发现卡方检验的卡方值为12.265，p值为0.726大于0.05，所以不同的收入水平对关注网络课程的点没有差异。接下来研究影响关系。

Logit回归分析也是研究自变量对因变量影响的分析，但是logit回归的因变量需要为定类变量，一般logit回归分析包括二元logit回归分析，多分类logit回归分析，有序logit回归分析，三者区别如下：

1.二元logit回归分析

这类问题的特点是因变量（Y）是定类数据，并且只使用两个数字去表示，规定为 1和0，并且 只能是1或0，比如1代表愿意0代表不愿意；1代表会0代表不会；1代表可以0代表不可以；1代表喜欢0代表不喜欢。如果想研究某些因素（X）对于因变量（Y）的影响关系，并且因变量（Y）只有两个取值时（并且 只能是0和1），此时则应该使用二元Logistic回归分析。

2.多分类logit回归

多分类logit回归分析用于研究X对于Y的影响关系，其中X，也可以是定类数据（如果X为定类数据，需要做虚拟(哑)变量设置），Y为多分类定类数据。针对多分类logit回归分析时，可分为三个步骤。第一：模型的基本背景情况说明；比如模型研究X对于Y的影响，X分别是那些，Y具体情况如何等。第二：针对模型的构建和比较过程进行描述，包括分析p 值来检测模型构建是否有意义，以及模型构建时的重复选择过程，使用AIC和BIC准则对比，选出最优模型等；第三：针对模型的具体情况进行分析，首先分析p 值，如果此值小于0.05，说明X对于Y有影响关系，接着再具体研究影响关系情况即可，比如是正向影响还是负向影响关系等；除此之外，还可以写出回归模型构建公式，以及模型的预测准确率情况等。

3.有序logit回归

有序Logit回归分析用于研究X对于Y的影响关系，如果X为定类数据，一般需要做虚拟(哑)变量设置，Y为有序定类数据。有序Logit回归分析时，首先进行模型平行性检验，如果p值大于0.05，说明满足平行性检验，如果p值小于0.05，说明不满足平行性检验，此时SPSSAU建议使用多分类Logit回归分析；满足平行性检验后，接着再具体研究影响关系情况即可，比如是正向影响还是负向影响关系等；除此之外，还可以写出有序Logit回归分析的模型构建公式，以及模型的预测准确率情况等。返回搜狐，查看更多