中间交叉明显滞后结论步骤是简单的方法完成任务与此同时时间变化的若干相关系数，然后依据是什么这些相关系数的大小和方向，判断是什么因素造成了什么结果。
只不过，交叉的十字滞后技术也有明显的缺点，在用它更加需要时间时间。
不过即便如此，这种在可以确定许多领域的因果关系问题上肯定得到了某些进展。
它本身也可以为了检验多种关系，而绝对不仅局限于于单个体的查找分析。
中间交叉反应滞后查找设计那就是要获得变量自身和变量间随时间变化的相关系数，然后把依据是什么这些相关系数确认哪一个是原因变量，哪一个是结果变量。
在都很相关系数时，有一个基本都假设，要是是一个变量a影起了另一个变量b的变化，即a是原因变量，b是结果变量，那就第二次测量时的a与俩次准确测量的b的相关程度，肯定远为0两次测量时的b与第二次准确测量的a之间的具体。
同样的，毕竟原因变量的相对稳定，a的两次测量间的去相关也会小于b的两次测量间的查找。
交叉明显滞后组具体设计没有要求在时间1对两个变量（a、b）的关系不予行政处罚决定法测定和具体分析，再在时间2作相象快速测定和分析，当交叉相对滞后咨询之间有不显著差异时，就是可以猜想变量a和b之间具备因果关系。
卡方检验是以卡方分布特点为基础的一种常用的假设检验方法，原打比方为h0：仔细频数与期望频数没有差别。如果没有分析结果p值（统计量取极端情况的概率值）很小，只能说明观察值与期望值差别减小，应当由拒绝原假设。
卡方检验最常主要用于多方面了解
分类变量在两组或多组间的分布如何确定应具备显著性差异。
也可作用于检验分析两种方法的结果如何确定不对，诸如使用两种方法检查诊断同一批人，最后如何确定不对。
spss的操作为：
准备：将样本数据录入spss，在变量视图中设置中好变量的类型；
第二步：分析什么——详细解释统计——中间交叉表，分别把要去考察的分类变量和分组的变量放入后行和列中。分类变量比如说对某种检查诊断的反映结果（本例中为对问题1的选择结果，1或0）；分组情况变量比如1、0两个组，本例是去考察这两个组在问题1的结果上是否需要拥有特别显著差异性。
第七步：设置里讲条件，点开”精确“按钮，可以设置不可置信水平为95%（或则更严不的99%），直接点击继续；点开”统计量“，全选#34卡方#34、“相关性”。其他选项设置或者按需你选即可。
第四步：可是深度解读。以上输出的结果万分感谢，这里说看看卡方检验结果表。
表中能提供了多种检验结果，其中pearson卡方是最标准都是最常用的卡方检验结果，适用于样本量补充好的情况（脚注中那说明了0单元格的期望计数寄存器少于5，最大值期望数器为6.3，只能证明该样本量已满足的条件pearson卡方的要求），只不需要看pearson的结果去掉。
这里pearson卡方检验结果siglt0.05，那就证明这两个组在问题1上具高显著性差异，该差异满足95%的显著性水平。
.jpg)
.jpg)
.jpg)
.jpg)
