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.docx](https://file1.bdocx.com/fileroot1/2023-2/3/f5d71742-fc21-4081-a09f-cffd24275af6/f5d71742-fc21-4081-a09f-cffd24275af61.gif)
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-toyAssociation
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