1 功能描述
列联表可以用于判断两个分类型变量之间的关系（是否独立，相关强度）。
2 性别和用药种类的关系
我们以DRUG.sav的数据为例进行演示，首先判断Sex和Drug变量之间的关系。
双击打开DRUG.sav数据文件；然后依次点击“分析/描述统计/交叉表格”。
在弹出的“交叉表格”窗口中，将Sex变量移到“行”框中，将Drug变量移到“列”框中；然后点击Statistics。
在弹出的“交叉表格：统计”窗口中，勾选卡方（主要用于独立性检验）；
名义和有序区块中的方法主要用于统计变量之间的关系强度，其中如果两个变量均为有序变量，则可以选择有序区块中的方法，而如果两个变量中有一个不是有序变量，那么就需要选择名义区块下的方法。本例中，性别和用药种类均不是有序变量，所以这里勾选了名义区块下的“相依系数、Phi和Cramer V、Lambda”。
点击继续，返回“交叉表格”窗口。
设置好参数后，点击“交叉表格”窗口中的确定按钮，开始进行运算。
运算结束后，SPSS输出窗口将给出三部分信息。
（1）交叉表，如下图所示。其中显示了Sex变量和Drug变量的频数分布。
（2）独立性检验，如下图所示。主要是卡方检验的结果，我们主要看渐进显著性，其中皮尔逊卡方和似然比对应的渐进显著性分别为0.714和0.711，均大于0.05，所以接受原假设，认为Sex变量和Drug变量独立。即男性和女性用药的种类不存在差别。
（3）关系强调检验，如下图所示。关系强渡检验可以分为两种情况，“对称度量值”是假定Sex和Drug变量仅存在相关性，不存在因果性，其中Phi、Cramer V、列联系数三个方法对应的显著性均为0.714，大于0.05，所以认为不存在相关性。“方向度量”是假定Sex和Drug中存在因果性，例如Goodman和Kruskal tau方法中，“性别 因变量”行对应的值为0.011，显著性为0.716，表示当性别作为因变量时，性别和用药种类两个变量之间的相关系数为0.011，且不显著。“用药种类 因变量”行中，当用药种类作为因变量时，性别和用药种类两个变量之间的相关系数为0.003，且不显著。对于Lambda方法，其即可以给出对称度量下两个变量的关系强度，也可以给出方向度量下两个变量的关系强调。
3 血压与用药种类的关系
在上述研究中，基本可以认为性别和用药种类之间不存在相关性，我们继续研究血压与用药种类的关系。
返回DRUG.sav的数据视图页面；然后依次点击“分析/描述统计/交叉表格”；
将Sex变量移出右侧的“行”，将BP变量移到右侧的“行”；其他保持不变（Statistics中已经设置过，不用再次设置）；
点击确定按钮，开始进行运算。
运算结束后，SPSS输出窗口将给出三部分信息。
（1）交叉表，如下图所示。其中显示了BP变量和Drug变量的频数分布。其中明显可以看出，血药高中低对应的用药种类存在差异。
（2）独立性检验，如下图所示。主要是卡方检验的结果，我们主要看渐进显著性，其中皮尔逊卡方和似然比对应的渐进显著性分别为0.000和0.000，均小于0.05，所以拒绝原假设，认为BP变量和Drug变量不独立。即不同血压人群用药的种类存在差别。
（3）关系强调检验，如下图所示。无论是“方向度量”还是“对称度量值”表中，所有方法的显著性均显著，因而BP变量与Drug变量之间存在相关性。具体强度为两个表中“值”列对应的数值。