在SPSS中進行卡方分析時，可以獲得以下關鍵統計量和結果：
卡方值(Chi-square value)：這是衡量實際頻數與期望頻數差異程度的統計量。卡方值越大，表明實際數據與期望數據之間的差異越明顯，可能意味著分類變數之間存在關聯。
自由度(Degrees of freedom)：自由度是卡方檢驗中的一個重要參數，與行數和列數有關，計算公式為：(行數-1) x (列數-1)。自由度影響卡方分布的形狀，進而影響卡方檢驗的臨界值。
P值(Sig. 或 Asymp. Sig.)：P值表示觀察到的卡方值（或更極端情況）在原假設為真的情況下出現的機率。P值越小，觀察到的差異越難以僅通過隨機因素解釋，我們越有理由拒絕原假設，認為兩個分類變數之間存在關聯。通常會將P值與預先設定的顯著性水平（如0.05）進行比較，以決定是否拒絕原假設。
期望頻數：在卡方分析中，可以查看交叉報表中的期望頻數信息，以了解分類變數之間的關聯程度和方向。
卡方檢驗的計算方法：SPSS提供不同的卡方檢驗計算方法，如Pearson卡方、似然比卡方和Fisher確切機率法。選擇哪種方法取決於樣本大小和理論頻數的條件。
樣本大小和理論頻數條件：當總例數n≥40且所有理論頻數T≥5時，可以直接使用卡方檢驗。如果n≥40但存在1≤T＜5的情況，應採用Yates連續性校正。當n＜40或有T＜1時，應採用Fisher確切機率法。
通過以上步驟和統計量的分析，可以在SPSS中進行有效的卡方分析，以探討分類變數之間的關聯性。