前篇我們提過了卡方獨立性檢定的用法，接下來我們來說明卡方同質性檢定( Test of Homogeneity )，以下將說明其原理及SPSS操作。
一、使用狀況：
同質性檢定是二個樣本在同一個變項的分佈狀況的檢驗。舉例來說：在台北市與新北市剛出生的新生兒男性與女性的分布情形，兩個縣市是否有類似的分布模式或是具有相同的性別特質。
先前我們提過的獨立性檢定則是在同一樣本中，兩個變項的關聯性檢定。
前提假設：
1. 所有的變項為類別變項(categorical variable)
2.樣本須為獨立變項(Independent variable)→第一組的樣本不影響第二組的樣本；第二組的樣本也不影響第一組。
3.每一檢定細格(cell)內的數據應該設為頻率或計數數目，而不是百分比或是經過轉換之數據。
4.至少有80%以上的細格，其數據至少大於5。樣本數目至少要為細格數目的五倍。
二、假說檢定(Hypothesis Testing)：
卡方值之計算公式:
O為觀察次數，E為期望次數
χ2:每一細格之卡方數
每行與每列之總值為邊際值 (marginal)。
檢定值為所有細格卡方值之總值
自由度＝(r-1)* (C-1)
三、SPSS 操作Example：
1.在SPSS中輸入欲分析之資料。
本次分析想要來了解，不同性別(變數一)下上班族疲勞狀況(變數二)是否相同。
2.卡方獨立性檢定：分析→敘述計→交叉表
3.以自變項為列，依變項為欄（直行）→統計量選擇「卡方分配」
自變項：性別(Gender, 0男1女)
依變項：疲勞(fatigue, 是否感到疲勞，為類別變項，0代表沒有感到疲勞1代表感到疲勞)
統計量選項：卡方分配
四、檢定結果：
卡方檢定結果：Pearson卡方是否達到統計上顯著，本次結果小於0.05，達顯著差異。表示不同性別，上班族疲勞狀況不相同
在卡方檢定中，一般要求期望次數不得小於1， 並且不得有20%以上細格的的期望次數小於5→不然則建議合併相鄰的行或列，或採用Yate’s correct test，或採用Fisher’s Exact Test
以上教學分析檔可從下列網址下載，僅供同學練習使用。
