应用命令、工作表标识符和示例数据值保留原文。截图、图表和下载文件均为英文。
示例： 运输服务与到货状况
一个 3 x 3 观测计数表，代表 600 票不同货物。
下载示例数据（CSV，英文列名）此示例与 Help 中使用的示例相同。导入 CSV 文件以按照步骤操作，或在 Help 中使用 Open example in a practice copy 预填输入。
1. 创建工作区
在侧边栏中打开 Basic Statistics，选择 Categorical: Independence (χ²)。创建并命名分析，选择 New blank worksheet，然后选择 Create analysis。
2. 导入示例数据
下载上方的 CSV 文件并将其导入工作表。分隔符选择 Comma，小数分隔符选择 Dot，并选中 First row contains column names。
3. 指定计数列
在 Inputs 中选择 Contingency table 作为 Input format。打开 Frequency columns，依次选择 intact、cosmetic_damage_only 和 functional_damage。将 shipping_service 指定为 Row category labels (optional)。CSV 已是计数表，不要将表中的每一行当作一票货物。
4. 设置检验和类别标签
输入 0.05 至 Significance level (α)，并选中 Apply Yates’ continuity correction。打开 Column category labels。输入 Intact 至 Column 1 label，输入 Cosmetic damage only 至 Column 2 label，输入 Functional damage 至 Column 3 label。保持已保存的复选框设置，以复现示例。它对本 3×3 表不起作用：Yates 校正仅适用于 2×2 表。
5. 运行分析
选择 Run analysis，然后打开 Results。
6. 解读结果
阅读观测计数
三种服务行和三种状况列代表 600 票不同货物。每票货物只对应一种服务和一种互斥的到货状况。例如，Consolidated 有 160 票完好货物、38 票仅外观损伤货物和 22 票功能性损伤货物。
阅读关联检验
χ² 为 11.2614，自由度为 4；p = 0.02378。在 5% 显著性水平上，有证据表明存在关联。最小期望计数为 14.7，无期望计数低于 5。本 3×3 表未使用 Yates 校正。
比较观测计数与期望计数
期望计数在独立性假设下，使用观测到的服务和状况总数计算。Consolidated 仅外观损伤的观测计数为 38，期望计数为 27.867。这些期望计数是比较模型，并非客户绩效目标。
定位主要差异
Consolidated 仅外观损伤的残差约为 +1.92；Express 仅外观损伤的残差约为 −1.84。正值表示高于期望，负值表示低于期望。Consolidated 仅外观损伤货物为 38/220（17.3%），Express 为 14/180（7.8%）。这些单元并非分别经过校正的检验。
改变策略前先调查
检查各服务的产品组合、包装及运输条件。这种观测到的关联并不能证明选择某种服务会导致损伤。
更多详情：阅读各结果部分
完整结果表采用六位有效数字，与 Help 中一致。
卡方独立性检验
χ² 汇总观测计数与期望计数之间的差异。自由度为 4；p 值检验独立性。显著性水平 α 为 0.05。请求 Yates 校正和实际使用 Yates 校正两行，区分了设置与实际采用的校正。期望计数检查说明近似方法是否适用；此处所有期望计数至少为 14.7。
| 统计量 | 数值 |
|---|---|
| χ² 统计量 | 11.2614 |
| 自由度 | 4 |
| p 值 | 0.0237781 |
| α | 0.05 |
| 请求使用 Yates 校正 | true |
| 实际使用 Yates 校正 | false |
| 是否存在期望频数小于 5 的单元格 | false |
| 期望频数小于 5 的单元格数 | 0 |
| 最小期望频数 | 14.7 |
- 有证据表明存在关联（p=0.0238）。
观测计数
每个服务行列出三种互斥到货类别的观测计数。全部九个单元均已纳入，总计 600 票货物。比较比率时，应使用各服务自身的总数，不能仅比较原始损伤计数。
| 行类别 | 完好 | 仅外观损伤 | 功能性损伤 |
|---|---|---|---|
| Standard | 160 | 24 | 16 |
| Express | 155 | 14 | 11 |
| Consolidated | 160 | 38 | 22 |
期望计数
在独立性假设下，期望计数 = 服务总数 × 状况总数 / 600。这些小数值是模型计数，并非额外的货物或验收阈值。请将每个单元与对应的观测计数单元比较。
| 行类别 | 完好 | 仅外观损伤 | 功能性损伤 |
|---|---|---|---|
| Standard | 158.333 | 25.3333 | 16.3333 |
| Express | 142.5 | 22.8 | 14.7 |
| Consolidated | 174.167 | 27.8667 | 17.9667 |
标准化残差
每个残差为（观测值 − 期望值）/ 期望值的平方根。其符号用于定位超出和不足，其大小有助于定位总体关联的贡献来源。它们并非分别经过多重性校正的单元检验。
| 行类别 | 完好 | 仅外观损伤 | 功能性损伤 |
|---|---|---|---|
| Standard | 0.132453 | -0.264906 | -0.0824786 |
| Express | 1.04713 | -1.84296 | -0.965035 |
| Consolidated | -1.07346 | 1.9196 | 0.951547 |
7. 创建报告
保留 Chi-square independence test、全部 Observed counts、Expected counts 和 Standardized residuals、类别定义及期望计数检查。说明已请求 Yates 校正但未实际使用，且关联并不能证明因果关系。
在已完成的运行中选择 Add to report 。打开 Choose individual items and advanced options 以选择表格和图表，然后选择 Add to draft。隐藏的项目仍会保留在已保存的分析中。
为报告命名，并添加研究目的和您的解读。选择 Save，查看 Preview，然后使用 Export → Download HTML。以下示例包含全部已选内容，包括超出单屏显示范围的结果。