应用SPSS软件进行列联表分析资料.docx

应用SPSS软件进行列联表分析资料.docx

《应用SPSS软件进行列联表分析资料.docx》由会员分享，可在线阅读，更多相关《应用SPSS软件进行列联表分析资料.docx（16页珍藏版）》请在冰豆网上搜索。

应用SPSS软件进行列联表分析资料

应用SPSS软件进行

列联表分析

应用SPSS软件进行列联表分析

在许多调查研究中，所得到的数据大多为定性数据，即名义或定序尺度测

量的数据。

例如在一项全球教育水平的研究中，调查了400余人的个人信息，

包括性别、学历、种族等，对原始资料进行整理就可以得到频数分布表。

定义四个变量：

gender（性别）、educat（学历）、minority（种族）、

count（人数），其中前三个为分类变量，并且gender变量取值为0、1,标签值

定义为：

0表示female，1表示male;educat变量取值为1、2、3，标签值定义

为：

1表示学历低，2表示学历中等，3表示学历高；minority变量值为0、1，标签值定义为：

0表示非少数种族，1表示为少数种族。

下面做gender.

educatminority的三维列联表分析及其独立性检验。

数据文件如图1所示。

yeEdit辿ewDertaTransforftiAnalyseGraphsUtlltie^Add-cnsWindowHelp

®■昌国穷》8h再鄭H<5曲圜flj靄

20：

gener

educa

minority

rs

var

-1

11

0

50

2

12

0

100

3

1

3

0

4』

4

0

1

0

128

5

02

0

47

6

03

0

1

7

11

1

35

3

1

2

1

24

9

13

1

5

1（]

01

1

30

11

02

1

10

12

03

1

0

.口

I5

B—:

17

澜

DattaViewVariableView

图1

第一步：

用’Count”变量作为权重进行加权分析处理。

从菜单上依次选Data--

weightCases命令，打开对话框，如图2所示。

点选WeightCasesby项，并将变量“count”移入FrequencyVariable栏下，之后单

击OK按钮。

第二步：

从菜单上依次点选Analyze--DeseriptiveStatistics-Crosstabs命令，打开列联分析对话框（Crosstabs）如图3所示

虫們时卄辽1■附*UitrsAR主ijnrii

QujiryCortid

rnf?

dcm卓

*l耳

<7Pirf：

arcklBan^

WncreUjncxirf旳幻

GonnoizEciLroamkoo

F4iOd附闻I：

0rr世：

|r|Hii^卜hi庄*j『kt

CfeSTify

&tlr^fcrJULtwn

riznparaTetiiizrestz

Tfrne旳储

Mut^le■:

&jp：

n5e

Ciw1p>'SimpIc-s

SLtMh'Q：

£3M*o：

i-dVeto^nal^ao.

第三步：

在Crosstabs对话框中，如图4将变量性别gender从左侧的列表框内移入行变量Row（s）框内，并将受教育年限编码后得到的学历变量educat移入列变

量Column（s）框内（若此时单击OK按钮，则会输出一个2*3的二维列联表）。

这里要输出一个三维列联表，将变量种族minority作为分层变量移入Layer框

中，并且可以勾选左下方的Displayclusteredbarcharts项，以输出聚集的条形图，如图8图9所示。

图4

第四步：

选择统计量，单击Cosstabs对话框下侧的Statistics按钮，打开其对话

框，如图5

所示。

图5

在Statistics对话框内，勾选Chi-square项，以输出表2进行独立性检验。

这里

由于不是定距及定比尺度测量的数据，因此可以不选择简单相关系数

Correlations项。

接下来根据数据的类型而选择相应的列联相关的测量值：

在定

类数据Nominal栏下，勾选列联系数Contingencycoefficient和PhiandCramers

V选项（这里Phi系数可以不选，因它只用于2*2的列联表，但SPSS把它与Cramer的V统计量放在一个选项上，也就只好一并选上了），以及Lamabda和

不确定系数Uncertaintycoefficient。

也可选择定序数据Ordinal栏下得Gamma

Somers的d、Kendall的b和c。

至于NominalbyInterval栏下的Eta选项就不

必选了，因为这里不是定距及定比尺度测量的数据。

单击Continue按钮回到

Crosstabs主对话框。

第五步：

单击Crosstabs对话框下侧的Cells按钮，打开其对话框，如图6所

示。

在CellDisplay对话框内，勾选Counts（计数）栏下的Observed观测频数）与

Expected（期望频数）两个选项；并勾选Percentage百分栏下得Row（行百分比）、

Column（列百分比）和Total（总百分比）三个选项。

由此，可以输出列联表（如表

1）。

单击Continue按钮回到Crosstabs主对话框。

图6

第六步：

单击Crosstabs对话框下侧的Format按钮，打开TableFormat对话框，

如图7所示。

它只是一个输出格式的定义，行序（RowOrder）按照

Ascending（升序）还是Descending降序）排列，系统隐含设置是按照Ascending（升

序）排列（事实上，一般不必打开此对话框，只用系统隐含设置即可）。

单击

Continue按钮回到Crosstabs主对话框。

图7

第七步：

在Crosstabs对话框中，单击0K按钮执行

输出结果如表1~4所示。

表1性别、学历、种族交叉表

性别*学历'种Crosstabulation

字历一

Total

学厉低

学庁中

学历高

菲少数种按

tiSU

female

Count

128

47

1

176

ExpectedCount

84.7

&99

21.4

1760

%within性別

72.7%

267%

.6%

100.0%

%wittiin学历

713%

32.0%

2.2%

47.6%

%ofTotal

34.C9b

127%

.3%

476%

male

Count

50

100

轲

仙

ExpectedCount

93.3

771

23.6

194.0

%within性剧

25.E%

51.5%

227%

100.0%

%within学历

29.1%

se.o%

97.8%

52.4%

%ofTotal

13.5^

27.0%

110%

52.4%

Total

Count

176

147

45

370

ExpectedCount

176.0

1470

45.0

370.0

%wrthtn

48.1

397%

12.2%

WO.O^

%wittiin学历

100.0%

100.0%

1000%

100.0%

%ofTotal

43.1%

397%

12.2%

100.0%

少数种龊

關

ftnnale

Count

30

10

a

40

ExpectedCount

25.G

131

1.9

40.0

%Wfttlin性别

750%

25.0%

.0%

100.0^

%within学历

29.4%

.0%

3S.5%

ofTotal

2S.S^

96%

.0%

36J5^

male

Count

35

囚

5

64

ExpectedCount

40.0

209

3,1

&4.0

%wtthin性别

54.7%

375%

7.B%

100.0^

%withir学历

ss.e^b

70.C%

100.0%

S1.6%

%ofTotal

33J%

2^.1%

4.6%

51.5^

Total

Count

bu

34

5

1C4

ExpectedCount

65.0

340

5.0

1U4.0

%within

62.5%

327%

4.8%

100.0%

%within学坯

IQO.C^fc

1000%

1000%

100.0%

%ofTotal

625%

327%

4.0%

100.0%

表2卡方检验表

Chi-SquaroTests

v^lue

dt

Asymp.Sig.（2-sided）

菲少薮种族PearsonChi-Square

92.724a

2

000

^keiihoodRatio

10B.G30

2

.000

Lin&ar-toy

Association

92.711

1

.000

NofValidCases

370

少数种族PearsonChrSquare

5.926h

2

.052

LikelihooclRatio

7.666

1

.022

Linear-by-Lrriear

Associatiort

5.6B8

1

.011

NofVa3idCases

104

a0callsCO9t）h刖eexpectedcountlesgthan5.Theminimumexposedcountis21.41.

b2cells（33.3^5haveexpectedcounHessthan5.Tlieniinimurriexpectedcountis1.92

表3方向性测度

DirectionalMeasures

Valje

Aa/FpCid.Ermi3

AoorcxP

A3D.T））..Sil.

非处I附

Nominalbyhoninal

Uhce帼nfrCoeWent

Symmetric

173

02?

E137

世SIDepoid^ni

209

03+

E.1S7

学易Dependent

14=

J23

EJ9Z

.OUQC

OrdinalbyOrdinal

Somers'c

^ymrnetric

4別

039

11.997

000

曹别De^encent

^41

035

11.997

000

叛Dep^dent

旳7

OU

11栩

000

fJonninalayNominial

LncerlsinVCoeTcient

Symmetric

050

425

1.959

Q2r

咗别Depencsnt

呵

023

1.B59

02r

学厉Dependai

L,

.022

1.959

C224

OfliinaJbfOrdinal

Somert'c：

Byrnmetric

217

oer

2.434

015

柱别Deptncent

211

3P4

n萨

Dependemt

223

09f

1.434

015

d.Ndmuniii*Telullh^fjcllieiis.

3Jshgth?

as\mp1cticsteidarderrerassumingth?

milhypothesis.^Uldlhoodratiochbsquareisrnbablb.

表4对称性测度

STmmetricMeasures

种埃

Value

A&vmo,st"

Eror1

APDfCK.P

/tiPTDtSiQ.

韭少對种濮

MnmiricltvNominal

Phi

60?

ooo

Cramer'sV

.503

.000

Ccritirioency3骑说时

.450

.0G0

OrdinalIbvOrdinal

Kendall'stau-t

.482

.033

11.997

.060

Kendall'stau-c

.£26

11.097

.000

OeiMliTld

783

.04J

11.99?

.000

MofVaiidCas&s

3?

0

少数种诫

MominaltyNominal

Phi

.239

.052

Cramer's7

.052

ContingencyCDsflfdBnt

.2J2

Ordinal^Ordinal

Kendall'stau-t

217

□87

J434

.0i15

Kendall'stau-t

.211

.037

2.434

.015

Gamrna

171

j434

.015

hlofValidCases

lU4

ahJotassumingtli^nullhf/rnftiR^i?

b.UsingmeasymptoicstandarderrorassumingMenullhypothesis.

在三维列联表中，结合图7图8,可以看出：

非少数种族的女性低学历的比例为72.9%,高于男性低学历的比例25.8%;而相反女性高学历的比例仅为0.6%,远远低于男性高学历的比例。

在少数种族中，从低学历至高学历，无论男女都是同样的递减趋势，即低学历的所占比百分比高，中等学历的所占百分比其次，

最少的就是高学历的所占百分比，只不过女性这种趋势更明显，分别为75%、

25%、0%。

¥00

种族=少数种族

4UF10U

■学历和

性别

在非少数种族类型中：

2=93.724,非常大，相应的p值小于0.001.因此在

0.001的显著水平下高度显著，即拒绝：

性别与学历相互独立的原假设，两者之间具有高度显著的相关关联。

由聚集的条形图可以直观的看到：

女性低学历比例比男性高，同时男性高学历比例又比女性高。

在少数种族类型内：

2=5.926，p=0.052>0.05因此在0.05的显著水平下，没

有理由拒绝两个变量独立的原假设，表示性别与学历这两个变量之间相互独立，没有显著的相关关联。

在表3的方向性测度（DirectionalMeasures中，有两类系数：

不确定系数

（UncertaintyCoefficient）和Somers'。

每种系数均有三种形式：

对称的

（Symmetric）、以性别为因变量的及以学历为因变量的。

事实上，我们关心的是两种形式一一对称的（Symmetric）和以学历为因变量的。

在这里非少数种族的对称不确定系数为0.173,而少数种族的对称不确定系数为0.050;并且以学历为因变量的非少数种族的对称不确定系数为0.148,而少数种族的列联相关程

度高于少数种族的。

在对称性测度（SymmetricMeasures中，Crammer的V值列联表系数、

Kendall的系数值以及值（Gamma）,非少数种族的上述各项值均高于少数种族的，显示出预测力以非少数种族更强。

事实上，在少数种族的Crammer的V

值列联表系数的近似的p值为0.052,在0.05的显著水平下不显著。

在列联表分析中，列联表的分布除了观察值的分布外，还要构造条件百分

比表。

这个百分比就是由于对比的基数不同，从而分为行百分比、列百分比和总百分比。

所以，列联表由于维数的增加而使得它所包含的信息要比“单个变

量”的频数（包括频率）分布表包含的信息多得多，由此我们可以分析出来的内

容也更加丰富有价值。

参考文献：

数据分析与SPSS应用高祥宝董寒青编著，清华大学出版社