.
互不关联的。这在统计上称为原假设；对于调查中得到的两个变量的数据，用一个表格的形式来表示它们的分布（频数和百分数），这里的频数叫观测频数，这种表格叫列联表见（例3）；如果原假设成立，在这个前提下，可以计算出上面列联表中每个格子里的频数应该是多少，这叫期望频数；比较观测频数与期望频数的差，如果两者的差越大，表明实际情况与原假设相去甚远；差越小，表明实际情况与原假设越相近。这种差值用一个卡方
统计量来表示；对卡方值进行检
验，如果卡方检验的结果不显著，则不能拒绝原假设，即两变量是相互独立、互不关联的，如果卡方检验的结果显著，则拒绝原假设，即两变量间存在某种关联，至于是如何关联的，这要看列联表中数据的分布形态。
要注意的是，卡方检验受样本量的影响很大，同样两个变量，不同的样本量，可能得出不同的结论。解决这个问题的办法是对卡方值进行修正，最常用的是列联系数。对较大样本，当卡方检验的的结果显著，并且列联系数也显著时（列联系数至少超过0.16），才可拒绝原假设；当卡方检验的结果显著，列联系数不显著时，不能轻易下结论。
另外，对变量取值的不同分类会引起卡方值的改变，有可能得到不同的结论。所以在分类时不能随意，要有理论或统计上的依据。特别是对定距或定序变量，要先将变量的取值分组归类，才能使用卡方分析，而且由于分组的方法不同，也会得出不同的结论；同时，对于定距或定序变量用卡方分析，没有充分利用它们的数量信息。这都是
.
.
在使用卡方分析时要注意的问题。
例3：在《A品牌宣传认知情况调查》中有几个关于对广告的看法和态度的问题，其中一题是” “家电广告应当比较严谨，因为这样的方式更适合于表现家电的性能”，备选答案有“1-非常不同意”、“2-不同意”、“3-一般”、“4-同意”、“5-非常不同意”5种选择。要研究对这个问题的看法与年龄有没有关系，可以使用卡方分析的方法。
其中年龄的变量名是NND2，其取值1代表16～29岁，2代表30～39岁，3代表40～49岁，4代表50～60岁；前面所说题目的变量名是B106，为避免列联表中空格过多，在做卡方分析之前用SPSS中的Recode命令将B106的取值做变换，将“非常不同意”和“不同意”两个变量合并，用1代表，“一般”用2 代表，“同意”和“非常同意”用3代表。表16-3是用SPSS的Crosstables命令得出的两变量的卡方分析结果。
.
市场调查中常用的数据分析方法和手段
