SPSS之列联表分析

在考虑变量之间的关系时，我们通常摘要变量之间的相关程度。对于数值型变量，通常计算相关系数和进行回归分析，而对于定类型变量则通常采用列联表过程进行分析。列联表给出了多个变量在不同取值下的数据分布，从而可摘要变量之间的相互关系。

主要功能

1.常用于研究离散变量的名义变量和有序变量有无相关。

2.调用列联表分析过程可进行计数资料和某些等级资料的列联表分析。

3.在分析中，可以对二维和多维列联表（RC表）资料进行统计描述和x检验，并计算相应的百分数指标。

4.可以计算四格表的确切概率（Fisher’s 精确 Test）且有单双侧（One-Tail 和 Two-Tail）、对数似然比检验（Likelihood Ratio）以及线性关系的Mantel-Haenszel x检验。

参数设置

1.打开数据文件

选择“分析”—“统计描述”—“交叉表格”，弹出交叉表格对话框。部分项的含义如下：

行列表：从左侧的变量列表中选择一个或多个变量进入其中作为行变量。 列列表：从左侧的变量列表中选择一个或多个变量进入其中作为列变量。 层：分层变量，决定频数分布表的层，如果要增加一个分层变量，就单击【下一页】按钮，再选择一个分层。如果选择一个或多个层变量，那么将对每个层变量的每个类别产生单独的交叉制表。

2.单击【精确】按钮

弹出“精确检验”对话框。部分项的含义如下：

仅渐进法：基于渐进分布计算的概率值，一般情况下值小于0.05，则认为显著。 Monte Carlo：统计量是精确显著水平的无偏估计。置信度框中可输入0.01-99.9的置信水平。样本数框中可输入1-1000000000之间的样本数。 精确：精确计算概率，当值小于0.05，则认为是显著，行、列变量之间相互独立，适合在期望数有小于5的情况下使用。

3.单击【Statistics】按钮

弹出“交叉表格：统计”对话框，该对话框是用来选择统计分析量。部分项的含义如下:

卡方：卡方检验包括皮尔逊卡方检验、似然比卡方检验等，当两个表变量都是定

量变量时，用来检验行变量和列变量之间是否相关。 相关性：选择此项，将生成Spearman相关系数Rho, 用来测量等级顺序之间的相关性。当两个表变量都是定量变量时，相关产生Pearson 相关性系数R,这是变量之间的线性相关性测量。

4.单击【单元格】按钮

弹出“交叉表格：单元格显示”对话框，设置单元格显示内容。部分项含义如下：

（一）计数复选框

观察值：显示实际频数，系统默认。 期望值：显示期望频数。 隐藏较小计数：选择此项，在输入框中输入一个数值n的整数，则可以隐藏频数小于指定整数n的计数。n必须大于或等于2。

（二）百分比复选框误

行：显示行百分比，单元格频数占所在行观测量的百分比。 列： 显示列百分比，单元格频数占所在列观测量的百分比。 总计：单元格频数占全部观测量的百分比。

（三）z-检验

比较列的比例：勾选此项，将计算列属性的成对比较，并指出给定行中的哪对列明显不同。使用下标字母以APA样式格式在交叉表中标识显著性差异，并以0.05显著性水平对其进行计算。 调整ρ值(Bonfcroni 方法)：列比例的成对比较使用了Bonferroni 修正，可在进行了多个比较后调整观察到的显著性水平。

5.单击【格式】按钮

弹出“交叉表：表格格式”对话框，可以选择按行变量值的升序或降序来排列行。

案例

01.操作步骤

（1）打开“data3.sav”数据文件，选择“分析”—“描述统计”—“交叉表格”，弹出“交叉表格”对话框。

（2）在左侧的变量列表中选中“性别”变量，单击【选入】按钮，将其选入“行变量列表”；选中“工作满意度”变量，单击【选入】按钮，将其选入“列变量列表”，并勾选“显示集群条形图”。

（3）单击【精确】按钮，弹出“精确检验”对话框，勾选“仅渐进法”选项。单击【继续】按钮返回主对话框。

（4）单击【Statistics】按钮。弹出“交叉表格：统计”对话框，勾选“卡方”复选框，单击【继续】返回主对话框。

（5）单击【单元格】按钮，弹出“交叉表格：单元格显示”对话框，勾选“观察值”复选框、“期望值”复选框、“行”复选框、“列”复选框和“四舍五入单元格计数”选项，单击【继续】按钮返回主对话框。

（6）单击【格式】按钮，弹出“交叉表：表格格式”对话框。勾选“升序”选项。单击【继续】按钮返回主对话框。

（7）完成所有设置后，单击【确定】按钮执行命令。

02.输出结果

（1）个案处理值摘要

（2）性别*工作满意度交叉列表

（3）卡方测试

（4）工作满意度条形图

1、首先我们打开之前导入的spps文件。

2、然后我们选择变量视图。

3、然后我们选择分析，定义多重变量。

4、然后我们从分析处，将单选与多选交叉分析。

5、然后我们定义交叉分析格式，点击选项。

6、然后我们定义范围，点击“确定”，输出结果即可。

列联分析通常用来分析两个分类变量之间或者一个分类变量与顺序变量之间是否存在关联，关联的紧密程度如何。

对关联性问题的处理称为独立性检验（Test of Independence），通过交叉列联表和 c2 检验进行列联分析。

交叉列联表分为二维表与三维表两种，二维表交叉表可进行卡方检验，三维交叉表，可作Mentel-Hanszel分层分析。

列联表结构

2*2 列联表

r *c 列联表

案例

公司在4个不同的地区设有分公司，公司准备进行工资级别调整。采用抽样调查方式，从4个分公司共抽取420个样本 (人)，了解职工对此调整的看法，交叉统计结果如下：

观察频数分布表&百分比分布表的分布

列联交叉表中的统计值有两种类型：频数与百分比，对于两种类型的分布表，观察其分布时，要注意：

一、频数分布表

  1、观察边缘分布

行边缘分布：行观察值的合计数的分布

列边缘分布：列观察值的合计数的分布

2、观察条件分布与条件频数

变量  X  条件下变量  Y 的分布，或在变量  Y 条件下变量  X 的分布

每个具体的观察值称为条件频数

二、百分比分布

为在相同的基数上进行比较，可以计算相应的百分比，称为 百分比分布

1、观察行百分比：行的每一个观察频数除以相应的行合计数( fij /  ri )

2、观察列百分比：列的每一个观察频数除以相应的列合计数(  fij /  cj  )

3、观察总百分比：每一个观察值除以观察值的总个数(  fij /  n  )

交叉列联表分析步骤

1.【分析】—【描述统计】—【交叉表】

【精确】

一般情况下，"精确检验"（Exact Tests）对话框的选项都默认为系统默认值，不作调整。

【统计量】

【单元格】

【格式】

2.结果分析：

卡方检验

a. 16 单元格(100.0%) 的期望计数少于 5。最小期望计数为 .56。

原假设：H0：职称、学历两者相互独立。

皮尔逊（Pearson）的Chi-Square 值为18.553，自由度为9，

p=.029<0.05，拒绝原假设，即在5%的显著性水平下不同文化程度对职称的影响存在着显著差异。

结论：文化程度越高，职称越高。

---