2×2列联表中的两个变量记作A和B，是若总体中的个体可按两种属性A和B分类，这两种属性各只有两种等级A₁,A2和B₁，B₂。将同时符合(A₁,B₁),(A₂,B₁),(A₁,B₂),(A₂,B₂)的个体数量排列成一个2×2表格。是为了解决独立性检验的问题，就是判断两个变量之间是否独立存在，互不影响。
列联表又称交互分类表，所谓交互分类，是指同时依据两个变量的值，将所研究的个案分类。交互分类的目的是将两变量分组，然后比较各组的分布状况，以寻找变量间的关系。列联表分析主要包括两个基本任务：一是根据收集的样本数据，产生二维或多维交叉列联表；二是在交叉列联表的基础上，对两个变量间是否存在相关性进行检验。
方法如下
设置三个变量：性别（男 女）、视觉（正常 色盲）、人数，输入完数据之后，需要对人数变量进行加权。才可以做列联分析
分类资料在医学统计中很常见，比如（有效、无效），（发病、不发病），（男、女）等等。分类资料一般根据频数整理成列联表的形式，一般的列联表多是二维的（也称行列表，或RC列联表，高维列联表下次讨论），列联表根据变量是否有序可以分为双向无序、单项有序、双向有序列联表，统计方法是不同的，分析如下：
一、双向无序列联表
是指行、列变量均为无序的列联表，例如要研究吸烟和肺癌之间的关系，行变量为是否吸烟：吸烟、不吸烟，列变量为肺癌发病：发病，不发病，如下表：
发生肺癌 未发生肺癌
吸烟 a b
不吸烟 c d
对于这种数据，我们的统计目的是分析行列变量的独立性，即：肺癌发病是否与吸烟有关，可选用的方法有以下两种：
1、Pearson卡方检验：
基于卡方分布，H0为行、列变量相互独立，SPSS中“分析->描述性统计->交叉表”可实现。 使用条件：①样本总数大于40；②各个单元格理论值均大于5。
2、Fisher精确概率：
基于超几何分布，当数据不满足Pearson卡方检验时使用。SPSS中“分析->描述性统计->交叉表”可实现。注意SPSS仅提供了2×2表的精确概率，需要计算R×C列联表的精确概率需要自己编程实现，参见：>
∵两个分类变量A和B没有任何关系，
∴K2=
(1180+a)(200a−800•180)2
380•(800+a)•1000•(180+a)
＜2702，
代入验证可知a=720满足，
故选：B．
四格表资料的卡方检验
四格表资料的卡方检验用于进行两个率或两个构成比的比较。
1 专用公式：
若四格表资料四个格子的频数分别为a，b，c，d，则四格表资料卡方检验的卡方值=（ad-bc）2n/(a+b)(c+d)(a+c)(b+d)，
自由度v=（行数-1）（列数-1）
2 应用条件：
要求样本含量应大于40且每个格子中的理论频数不应小于5。当样本含量大于40但理论频数有小于5的情况时卡方值需要校正，当样本含量小于40时只能用确切概率法计算概率。
行X列表资料的卡方检验
行X列表资料的卡方检验用于多个率或多个构成比的比较。
1 专用公式：
r行c列表资料卡方检验的卡方值=n[(A11/n1n1+A12/n1n2++Arc/nrnc)-1]
2 应用条件：
要求每个格子中的理论频数T均大于5或1<T<5的格子数不超过总格子数的1/5。当有T<1或1<T<5的格子较多时，可采用并行并列、删行删列、增大样本含量的办法使其符合行X列表资料卡方检验的应用条件。而多个率的两两比较可采用行X列表分割的办法。
列联表资料的卡方检验：
同一组对象，观察每一个个体对两种分类方法的表现，结果构成双向交叉排列的统计表就是列联表。
1 RC 列联表的卡方检验：
RC 列联表的卡方检验用于RC列联表的相关分析，卡方值的计算和检验过程与行X列表资料的卡方检验相同。
2 22列联表的卡方检验：
22列联表的卡方检验又称配对记数资料或配对四格表资料的卡方检验，根据卡方值计算公式的不同，可以达到不同的目的。当用一般四格表的卡方检验计算时，卡方值=（ad-bc）2n/(a+b)(c+d)(a+c)(b+d)，此时用于进行配对四格表的相关分析，如考察两种检验方法的结果有无关系；当卡方值=（|b-c|-1）2/(b+c)时，此时卡方检验用来进行四格表的差异检验，如考察两种检验方法的检出率有无差别。
列联表卡方检验应用中的注意事项同RC表的卡方检验相同。
以上就是关于2×2列联表中的两个变量全部的内容，包括:2×2列联表中的两个变量、spss怎么 输入列联表例子、2×2列联表n05检验中,自由度等于等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
