spss中数据独立性检验怎么检验
科研思维的三个层次？
科研思维的三个层次？
一、初级层次-工具掌握
这主要是一种学习阶段的层次，也是“工欲善其事，必先利其器”的阶段。这个层次的研究者应该是以研究生为主，当然是以硕士为主。
1、数据分析能力是基本技能，因此必须掌握相应的统计原理、应用以及相关软件（SPSS等）；
2、科研中无论文献查阅还是文章撰写，都需要扎实的英语功底，不要总盯着中文文献，也不要总想着把自己的辛勤成果体现为中文，要有更高的目标，这些都离不开英语，尽管不想承认；
3、就是相关的专业软件，比如GIS地理信息系统软件，ENVI，ERDAS等遥感软件等等，这些软件你可以不学，可以请教别人，但是这些工具的掌握无疑会增加你的底蕴，提高你的厚度。一般来说作为研究生，第一条是必须的，只要有合适的数据，达到国内硕士的要求是不成问题。而该三条都较好的具备，成为一个优秀的博士也未尝不可。
二、中级层次－试验设计
这是一个提高阶段，也是想要从事科研的工作者必须掌握的一个重要层次。如果说初级层次是为了打好基础，有数据的基础上可以分析、转换为成果，那么中级层次目标则是为了揭示一个问题而去获取数据。
获取数据有很多方法，可以从文献中二次获取，可以调查索取，可以花钱购买，这都不妨碍研究的进行与深入，然而若想可持续的深入研究一个方向或一个领域，则必须具有自己设计试验的能力。试验设计可以说简单，比如买上仪器观测后也可以获取数据；但又可以说不简单，因为你试验设计下得到的数据可能说明不了问题。
这实际上就是反映你知识的厚度，需要严谨科学的思路，需要创新。合理的试验设计产生出的数据必定会有好的研究成果，或者能阐明一种现象，更好的会揭示一种规律，而这都是我们研究者所期待的。当然好的试验设计需要不断完善，也需要耐心，需要花费大量时间成本，因此就更需要严谨的态度，和不断知识量的积累。
现在的科研工作者应该多数具有设计试验的能力，但不见得就能揭示出相关的问题，究其根源还是人云亦云，思想独立性或者创新性严重缺失，而知识构成又严重不足而导致。而具有良好试验设计的科研人员，相信不仅在国内，而在国际上也会具有很好的成果产出，成为一个优秀的科学家。
三、高级层次－发现问题
这应该是一个终极阶段，我想也是大科学家掌握的能力。科研的本质是发现问题解决问题，揭示未知领域。谁都可以去发现问题，但这个问题是否是科学问题，是否值得去研究，是否能研究出来，如何具体研究等等这些则不是谁都能回答的。中级层次中试验设计也体现了发现问题的思想，但我认为高级层次则包含的更多，更深刻。
1、需要合格的中级层次科研工作者经年累月的辛勤工作；
2、还要有高瞻远瞩的视角或者说天分。一个大科学家提出的问题，可能会成为后10年、20年甚至几十上百年的研究产生影响。但不是每个科研工作者都能成为大科学家，可是只要不断努力，尤其是不断放飞思想，不断学习充实，相信会发现越来越多的科研问题，如此则已应成为著名科学家。
SPSS里crosstabs的卡方检验(chi-square)和非参数检验中的卡方检验有什么不同？
SPSS里crosstabs的卡方检验用于列联表行变量与列变量的独立性检验，而非参数检验中的卡方检验属于卡方拟合优度检验，用于考察多分类变量数据的拟合情况（例如星期一至星期五这五个工作日的销售量是否一致？），这两种用法是有区别的。其实，卡方检验就分为两种类型，一种为独立性检验（用于列联表），另一种就是拟合优度检验（用于考察统计模型拟合样本数据的情况）。