通常情況下，卡方檢驗是研究分類數據與分類數據之間關係的分析方法，如性別和是否戴隱形眼鏡之間的關係。卡方檢驗通常會涉及卡方值和P值兩個名詞術語。卡方值與P值有對應關係，P值小於0.05則說明有差異存在，即性別與是否戴隱形眼鏡之間有聯繫。在具體差異分析的基礎上，進一步分析不同性別樣本戴隱形眼鏡的百分比，例如，男性戴隱形眼鏡的百分比為30%，而女性戴隱形眼鏡的百分比為50%，說明女性樣本戴隱形眼鏡的比例要明顯高於男性樣本。
除此之外，卡方檢驗（準確說是卡方擬合優度檢驗）還可以檢驗定類數據的分布特徵是否與預期保持一致。比如本來預計男性和女性的比例各佔一半（50%），但收集回來的數據卻是45%和55%，那麼收集回來的數據是否就明顯的偏差預期（50%）呢？此時也可以使用卡方檢驗。
卡方檢驗在實際使用過程中，還可用於問卷多選題的分析（也稱作多重響應分析），比如多選題的選擇比例是否均勻，也或者單選題和多選題之間的差異關係情況如何呢，均可使用卡方檢驗進行分析。下表格為卡方檢驗的實際使用類型說明：
卡方檢驗實際應用
1卡方檢驗理論說明
通常理解的卡方檢驗，其檢驗目的在於定類和定類數據的差異。比如性別和是否戴眼鏡的關係，性別和是否戴眼鏡都是定類數據，因此可以研究性別和是否戴眼鏡的比例是否有明顯的差異性。
除此之外，還有一種卡方檢驗（準確說是卡方擬合優度檢驗），其目的是研究定類數據各選項的分布比例上是否有著差異性，比如性別男和女預期是50%和50%，那事實上的樣本是否明顯的偏離這一比例呢，這種即卡方擬合優度檢驗。
在問卷研究裡面，有很多的多選題，多選題各項的比例是否均勻呢？那麼就可以利用卡方擬合優度檢驗進行分析（SPSSAU默認提供）；如果想研究單選題和多選題的選擇差異關係，那麼這種是研究定類數據和定類數據的差異性，SPSSAU默認也提供卡方檢驗結果。
2 如何使用SPSSAU進行卡方檢驗
卡方檢驗SPSSAU操作
1) 絕大多數情況下，均是直接研究定類和定類數據差異，SPSSAU共有兩個地方可實現，分別是通用方法裡面的「交叉（卡方）」和醫學研究裡面的卡方檢驗。如果是匯總數據，即加權數據，此時只能使用醫學研究裡面的卡方檢驗，同時，如果希望提供更多詳細的數據指標，比如自由度，列聯繫數，Cramer V等，均需要使用醫學研究裡面的卡方檢驗。
2) 如果是進行卡方擬合優度檢驗，即研究定類數據選項佔比差異，此時應該使用醫學研究裡面的卡方擬合優度檢驗。操作如下圖所示：
默認SPSSAU會假定選項的選擇比例完全一致，即男和女的比例是50%和50%。如果預期是40%和60%，那麼可對「期望值設置(默認相等)」這個按鈕進行設置，如下圖：
3) 如果是問卷研究裡面的多選題操作，直接使用SPSSAU問卷研究裡面對應多選題的按鈕即可，比如下圖：
如果是希望研究多選題的選擇比例和選擇差異情況，那麼直接使用『多選題』；
如果是研究單選題和多選題的差異情況，使用『單選-多選』；
如果是研究多選題和單選題的差異情況，使用『多選-單選』；
如果是研究多選題和多選題的差異情況，使用『多選-多選』；
特別說明一點：多選題的數據格式非常特殊，一個選項一個標題，比如5個選項就有5個標題，而且需要使用數字標識『選中』還是『沒有選中』，一般情況下數字1表示『選中』，數字0表示『沒有選中』。
如果原始數據使用數字表示選中，null值表示沒有選中，那麼需要把null值全部替換成數字0，可使用SPSSAU數據處理->異常值功能進行批量處理，把null值即缺失值填補成數字0即可。
3 卡方檢驗相關問題？
使用卡方檢驗時，數據格式非常重要，因為SPSSAU支付加權和非加權兩種格式，而且有時想利用卡方檢驗查看相關關係情況，此時還需要看一些新的指標，比如列聯繫數、Cramer V或Lambda指標等。當然還會有一些其它問題，匯總如下圖：
第1點：卡方檢驗數據格式問題？
SPSSAU共支持2種數據格式，分別是常規數據格式（非加權格式）和加權格式，如下說明：
上圖為常規格式（即非加權格式），一行代表一個樣本，一列代表一個屬性，將全部的原始數據信息列出即可，比如有100個樣本，那麼就有100行數據。
在醫學/實驗研究時，很多時候只有匯總數據，即帶加權項的數據，比如下圖中X有2種情況，Y有3個情況，一種有2*3=6種組合，數據信息只有6種組別的匯總項（即加權項），分別是40，10，20，30，20，50；相當於總共有170個樣本，如果是使用常規格式（即非加權格式），此時應該有170行；但加權格式則只需要6行即可表示，如下圖：
在使用SPSSAU醫學研究-》卡方檢驗，也或者醫學研究-》卡方擬合優度檢驗時，SPSSAU均支持加權數據格式。一旦數據是加權格式，那麼分析時需要把『加權項』放到對應的框中即可。
第2點：fisher卡方值問題？
在SPSSAU的醫學研究->卡方檢驗裡面，如果數據是2*2格式，比如性別為男和女2個選項，學歷分為本科以下和本科以上共2個選項。那麼此時為2*2的組合，此時spssau默認會提供fisher卡方檢驗值。
當然，SPSSAU還會提供一些其它的卡方指標值，包括pearson卡方，連續校正卡方，各選擇單元格的期望值和比例值等中間過程值等等（當然具體應該使用那一個，SPSSAU會自動進行判斷和選擇），下圖僅為中間過程值等。
第3點：相關關係問題？
如果希望看出差異的幅度，而不僅僅是看是否有差異。除了使用肉眼進行分析，即對比選擇百分比的具體值情況進行分析外。還可以使用效應量（effect size）,effect size值通常包括Phi、列聯繫數、校正列聯繫數、Cramer V和Lambda等。此五個係數的意義都是查看差異幅度，但使用的前提並不一樣，通常只需要使用其中一個即可，具體使用的標準和說明如下：
第4點：到底用卡方，還是方差，也或者非參數檢驗？
有時候會出現一種疑問，比如看下面的例子。
當前想研究性別和滿意度的差異關係，滿意度分為「非常不滿意、比較不滿意、一般、滿意和非常滿意」共五項。滿意度看上去更像是定量數據，而非定類數據，但看成是定類數據也可以。
那麼此時到底用卡方呢，還是使用方差（也或者非參數檢驗呢？）。其實這裡的滿意度是一種有序的定類數據，一般這種數據可能看成是定量更多，即使用方差分析更適合（當然也可使用卡方檢驗）。
但比如醫學裡面有這樣的數據「未見療效，好轉和治癒」，這個也是有序的定類數據，這個僅3項，看成是定類數據就更適合了，所以使用卡方檢驗較好。