交叉表分析
交叉分析法怎么分析
交叉分析法怎么分析交叉分析法是一种常用的数据分析方法，主要用于对多个变量之间的关系进行分析。
采用交叉分析法可以发现不同变量之间的相互影响和作用方式，从而更好地理解数据背后的规律和特征。
在下面的文章中，我们将介绍交叉分析法的具体分析流程和注意事项，帮助读者更好地了解和应用这种方法。
一、交叉分析法的定义交叉分析法，也称为交叉表法或列联表法，是一种通过将不同变量交叉排列建立交叉表的方法来研究变量之间相关性的一种统计方法。
交叉分析法根据样本数据构造一个列联表，以便比较各个不同维度之间的差异，从而进一步发现其内在联系和潜在规律。
二、交叉分析法的分析流程1. 选取研究对象和指标首先需要确定研究对象和研究指标。
在选择研究对象时，要确保大样本数量和充分代表性，以免数据偏误。
在选择指标时，应该着重考虑研究目的，避免指标内部关联性太强而导致冗余信息。
2. 建立交叉表将所选变量进行顺序或随机排列，形成一个行×列的交叉表。
在表格中，每一行代表一种分类变量的不同组别，每一列代表另一种分类变量的不同组别。
然后根据实际情况，填入相应的数据或统计概率。
3. 描述表格特征通过观察交叉表格中的特征，了解各个指标之间的关系和变化趋势。
这可以从几个方面来分析，例如行、列、总体、对角线等方面考虑。
归纳总结这些特征，可以为后续分析提供有力支撑。
4. 进行自由度统计自由度（df）指代两种分类变量所构成的列联表中具有独立划分的单元格个数。
在使用交叉分析法时，通常需要根据列联表的大小和分类变量的个数计算可用的自由度。
一般来说，自由度等于“列数-1×行数-1”。
5. 计算卡方值和P值卡方值是用来衡量观察值与理论值之间差异的一个指标。
在进行交叉分析时，一般会使用χ^2检验计算卡方值。
当卡方值越大时，表明所观察到的差异也越大。
在计算卡方值之后，还需要计算对应的P值。
P值是一个统计学上的重要指标，用于表示样本与总体误差概率大小。
如果P 值小于等于0.05，可以认为差异显著，反之则不显著。
第十四章 交叉表分析法(课件)
多变量描述统计分析交叉表分析法一、交叉表分析法的概念交叉表(交叉列联表) 分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法，此表格反映了这些只有有限分类或取值的离散变量的联合分布。
当交叉表只涉及两个定类变量时，交叉表又叫做相依表。
交叉列联表分析易于理解，便于解释，操作简单却可以解释比较复杂的现象，因而在市场调查中应用非常广泛。
频数分布一次描述一个变量，交叉表可同时描述两个或更多变量。
交叉表法的起点是单变量数据，然后依研究目的将这些数据分成两个或多个细目。
下面是一个描述交叉表法应用的例子。
某保险公司对影响保户开车事故率的因素进行调研，并对各种因素进行了交叉表分析。
表1 驾驶员的事故率类别比率，%无事故61至少有一次事故39样本总数，人17800从初始表1中可以看出，有61%的保险户在开车过程中从未出现过事故。
然后，在性别基础上分解这个信息，判断是否在男女驾车者之间有差别。
这样就出现了二维交叉表2。
表2 男女驾驶员的事故率类别男，%女，%无事故5666至少有一次事故4434样本总数，人93208480这个表的结果令男士懊恼，因为他们的事故率较女士驾车时涉及的事故率要高。
但人们会提出这样的疑问而否定上述判断的正确性，即男士的事故多，是因为他们驾驶的路程较长。
这样就引出第三个因素"驾驶距离"，于是出现了三维交叉表3。
表3 不同驾驶距离下的事故率类别男，%女，%驾驶距离>1万公里<1万公里>1万公里<1万公里无事故51735073至少有一次事49275027故样本总数，人7170215024306050结果表明，男士驾驶者的高事故率是由于他们的驾驶距离较女士长，但并没有证明男士和女士哪个驾驶得更好或更谨慎，仅证明了驾车事故率只与驾驶距离成正比，而与驾驶者的性别无关。
二、两变量交叉列联表分析例如，研究城镇居民在某地的居住时间与其对当地百货商场的熟悉程度之间的关系，对“居住时间”和“熟悉程度”这两个变量进行交叉列联分析。
交叉分析法怎么分析
交叉分析法怎么分析交叉分析法是一种常用的数据分析方法，通过对不同因素之间的关系进行交叉比较和分析，帮助研究者发现变量之间的联系和差异。
本文将介绍交叉分析法的基本概念和步骤，并以具体案例进行说明。
一、交叉分析法概述交叉分析法（Cross-Tabulation Analysis）也被称为列联表分析（Contingency Table Analysis），是一种定量分析方法，用来研究两个或更多变量之间的关系。
通过构建列联表，对不同变量之间的交叉频数进行统计和比较，可以揭示变量之间的关联性和差异性。
二、交叉分析法步骤1. 确定研究问题：明确研究问题并选择需要分析的变量。
例如，假设我们想研究消费者对不同手机品牌的偏好与性别之间的关系。
2. 构建列联表：根据所研究的变量，构建列联表（也称为交叉表）。
横列为一个变量的不同水平（例如手机品牌），纵列为另一个变量的不同水平（例如性别）。
在交叉点上填写交叉频数。
3. 计算频数和比例：根据列联表，计算每个交叉点上的频数和比例。
频数表示各组别的数量，比例表示各组别所占比例。
4. 绘制图表：通过绘制图表，直观地展示不同变量之间的关系。
常用的图表包括堆叠柱状图、簇状柱状图、饼图等。
5. 进行统计检验：为了验证变量之间的关系是否显著，可以进行统计检验，如卡方检验。
卡方检验可以检验各组别之间的差异是否由随机因素引起。
6. 分析结果和讨论：根据交叉分析的结果，进行结果分析和讨论。
解释变量之间的关系和差异，并提出合理的解释和解决方案。
三、交叉分析方法案例以消费者对不同手机品牌的偏好与性别之间的关系为例，进行交叉分析。
我们调查了300名消费者，结果如下表所示：--------------------------------------------------| Apple | Samsung | Huawei | Others--------------------------------------------------男性 | 50 | 30 | 20 | 10--------------------------------------------------女性 | 20 | 40 | 50 | 20--------------------------------------------------根据上表，我们可以计算出各组别的频数和比例，如下所示：--------------------------------------------------| Apple | Samsung | Huawei | Others--------------------------------------------------男性 | 50 | 30 | 20 | 10--------------------------------------------------女性 | 20 | 40 | 50 | 20--------------------------------------------------| 70(23%) | 70(23%) | 70(23%) | 30(10%)--------------------------------------------------通过绘制堆叠柱状图，我们可以直观地看到不同手机品牌在不同性别中的偏好程度。
Excel中的数据表进行交叉分析和数据汇总
Excel中的数据表进行交叉分析和数据汇总Excel是一款功能强大的电子表格软件，广泛应用于数据管理和数据分析领域。
在Excel中，我们可以利用数据表进行交叉分析和数据汇总，以便更好地理解和解释数据。
本文将介绍如何在Excel中进行这些操作，并提供一些实用的技巧和注意事项。
一、交叉分析交叉分析是指通过对多个变量进行组合，对数据表中的数据进行交叉比较和统计分析，从而探索不同变量之间的关系和趋势。
在Excel中，我们可以利用数据透视表和数据透视图来进行交叉分析。
1. 数据透视表数据透视表是一种快速、灵活且易于使用的分析工具，可以帮助我们从大量的数据中提取有用的信息。
使用数据透视表，我们可以对数据进行透视、汇总、过滤和分析。
创建数据透视表的步骤如下：（1）选择数据表中的任意一个单元格，并点击Excel菜单栏中的“数据”选项卡。
（2）在“数据”选项卡中的“数据工具”分组中，点击“数据透视表”按钮。
（3）选择要分析的数据范围，然后选择创建数据透视表的位置。
（4）在数据透视表字段列表中，将需要进行交叉分析的字段拖放到“行”、“列”或“值”区域中。
（5）根据需要，对数据透视表进行格式化、排序、筛选等操作。
通过数据透视表，我们可以方便地对数据进行交叉分析和统计，比如计算总和、平均值、最大值、最小值等，同时可以根据不同字段的值进行分类汇总。
2. 数据透视图除了数据透视表，Excel还提供了数据透视图的功能，可以直观地展示数据的交叉分析结果。
数据透视图通常以交叉表的形式展示数据，并通过颜色、图表等方式对数据进行可视化呈现。
创建数据透视图的步骤如下：（1）在数据透视表的基础上，点击“数据透视表分析工具”选项卡。
（2）在“工具”选项卡中的“报表”分组中，点击“数据透视图”按钮。
（3）根据需要，选择交叉表的布局和样式。
（4）点击“确定”按钮，生成数据透视图并展示交叉分析的结果。
通过数据透视图，我们可以更直观地理解和解释数据，快速发现数据中的规律和趋势。
交叉分析法怎么分析
交叉分析法怎么分析交叉分析法是一种常用的数据分析方法，能够帮助研究者探索不同变量之间的关系。
本文将介绍交叉分析法的基本原理、步骤以及应用场景，并讨论如何使用该方法进行分析。
一、交叉分析法的基本原理交叉分析法是一种基于交叉表的统计分析方法。
它通过将两个或多个变量的数据汇总并交叉对比，从而发现它们之间的关联性和差异性。
通过交叉分析，我们可以发现变量之间的相互作用，了解不同群体或者不同条件下的差异。
二、交叉分析法的步骤1. 确定变量：首先，我们需要明确需要分析的变量。
这些变量可以是名义变量、顺序变量或连续变量。
选择合适的变量对于交叉分析的成功至关重要。
2. 创建交叉表：将所选的变量数据进行整理，并创建交叉表。
交叉表通常具有两个或多个维度，可使用行和列展示不同的变量。
在交叉表中，我们可以清晰地观察到各个变量之间的交叉情况。
3. 分析数据：通过对交叉表的分析，我们可以获得各个变量之间的比较结果。
可以使用不同的统计指标，如频数、百分比、平均值等，对交叉表中的数据进行计算和分析。
4. 解读结果：根据交叉分析的结果，我们需要解读所得到的数据。
通过对比不同的交叉表数据，我们可以得出结论，了解变量之间的相互关系。
三、交叉分析法的应用场景1. 市场调研：交叉分析法可以帮助我们了解不同人群在不同市场条件下的偏好和需求差异，从而为企业的市场决策提供依据。
2. 社会调查：通过对人口统计学特征与不同社会问题之间的交叉分析，可以揭示群体之间的差异性和相关性，为社会决策提供参考。
3. 资源配置：交叉分析法可以帮助我们了解资源分配对不同变量的影响，从而进行合理的资源优化和调整。
4. 绩效评估：交叉分析法可以对不同因素对绩效的影响进行比较和分析，从而找到绩效改进的关键因素。
四、交叉分析法的实践案例以一家餐厅为例，我们希望了解美食的种类与消费者的性别之间存在何种关系。
首先，我们收集了该餐厅的消费者信息和点菜情况，然后创建了交叉表进行分析。
第十四章交叉表分析法（课件）
多变量描述统计分析交叉表分析法一、交叉表分析法的概念交叉表(交叉列联表) 分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法，此表格反映了这些只有有限分类或取值的离散变量的联合分布。
当交叉表只涉及两个定类变量时，交叉表又叫做相依表。
交叉列联表分析易于理解，便于解释，操作简单却可以解释比较复杂的现象，因而在市场调查中应用非常广泛。
频数分布一次描述一个变量，交叉表可同时描述两个或更多变量。
交叉表法的起点是单变量数据，然后依研究目的将这些数据分成两个或多个细目。
下面是一个描述交叉表法应用的例子。
某保险公司对影响保户开车事故率的因素进行调研，并对各种因素进行了交叉表分析。
表1 驾驶员的事故率类别比率，%无事故61至少有一次事故39样本总数，人17800从初始表1中可以看出，有61%的保险户在开车过程中从未出现过事故。
然后，在性别基础上分解这个信息，判断是否在男女驾车者之间有差别。
这样就出现了二维交叉表2。
表2 男女驾驶员的事故率类别男，%女，%无事故5666至少有一次事故4434样本总数，人93208480这个表的结果令男士懊恼，因为他们的事故率较女士驾车时涉及的事故率要高。
但人们会提出这样的疑问而否定上述判断的正确性，即男士的事故多，是因为他们驾驶的路程较长。
这样就引出第三个因素"驾驶距离"，于是出现了三维交叉表3。
表3 不同驾驶距离下的事故率类别男，%女，%驾驶距离>1万公里<1万公里>1万公里<1万公里无事故51735073至少有一次事49275027故样本总数，人7170215024306050结果表明，男士驾驶者的高事故率是由于他们的驾驶距离较女士长，但并没有证明男士和女士哪个驾驶得更好或更谨慎，仅证明了驾车事故率只与驾驶距离成正比，而与驾驶者的性别无关。
二、两变量交叉列联表分析例如，研究城镇居民在某地的居住时间与其对当地百货商场的熟悉程度之间的关系，对“居住时间”和“熟悉程度”这两个变量进行交叉列联分析。
第十四章--交叉表分析法(课件)
多变量描述统计分析交叉表分析法一、交叉表分析法的概念交叉表(交叉列联表) 分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法，此表格反映了这些只有有限分类或取值的离散变量的联合分布。
当交叉表只涉及两个定类变量时，交叉表又叫做相依表。
交叉列联表分析易于理解，便于解释，操作简单却可以解释比较复杂的现象，因而在市场调查中应用非常广泛。
频数分布一次描述一个变量，交叉表可同时描述两个或更多变量。
交叉表法的起点是单变量数据，然后依研究目的将这些数据分成两个或多个细目。
下面是一个描述交叉表法应用的例子。
某保险公司对影响保户开车事故率的因素进行调研，并对各种因素进行了交叉表分析。
表1 驾驶员的事故率从初始表1中可以看出，有61%的保险户在开车过程中从未出现过事故。
然后，在性别基础上分解这个信息，判断是否在男女驾车者之间有差别。
这样就出现了二维交叉表2。
表2 男女驾驶员的事故率这个表的结果令男士懊恼，因为他们的事故率较女士驾车时涉及的事故率要高。
但人们会提出这样的疑问而否定上述判断的正确性，即男士的事故多，是因为他们驾驶的路程较长。
这样就引出第三个因素"驾驶距离"，于是出现了三维交叉表3。
表3 不同驾驶距离下的事故率结果表明，男士驾驶者的高事故率是由于他们的驾驶距离较女士长，但并没有证明男士和女士哪个驾驶得更好或更谨慎，仅证明了驾车事故率只与驾驶距离成正比，而与驾驶者的性别无关。
二、两变量交叉列联表分析例如，研究城镇居民在某地的居住时间与其对当地百货商场的熟悉程度之间的关系，对“居住时间”和“熟悉程度”这两个变量进行交叉列联分析。
如表4所示。
间低于30年的居民比居住时间在30年以上的居民似乎更熟悉百货商场。
进一步计算出百分比，则可以看得更直观一些。
见表5。
表5 居住时间与对百货商场的熟悉程度的交叉列联分析（%）行百分比与列百分比的选择取决于哪个变量是因变量哪个变量是自变量。
交叉表分析
data05-02为某公司工资数据（n=15）。
使用变量性别sex、收入高低earnings分析男女经理间薪金是否平等。
可以利用data05-01中的数据，使用变量occcat80为工作性质分类，region为地区，childs 为每个家庭的孩子数。
将childs为行变量，occcat80为列变量，region为控制变量选入Layer of框中，进行交叉表分析。
列联表（交叉表）分析1、项目名称Crosstabs过程4、实训原理Crosstabs过程用于定类数据和定序数据进行统计描述和简单的统计推断。
在分析时可以产生二维至n维列联表，并计算相应的百分数指标。
4-1 列联表分析的含义与任务在实际分析中，当问题涉及到多个变量时，我们不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多变量的联合分布特征，进而分析变量之间的相互影响和关系。
很明显，如果还采用单纯的频数分析方法显然不能满足要求。
因此，我们需要借助交叉分组下的频数分析，即列联表分析。
列联表分析的主要任务有两个：（1）根据样本数据产生二维或多维交叉列联表。
交叉列联表是两个或两个以上变量交叉分组后形成的频数分布表。
（2）在交叉列联表的基础上，分析两变量之间是否具有独立性或一定的相关性。
4-2 卡方检验的原理为了理解列联表中行变量（Row）和列变量（Column）之间的关系，我们需要借助非参数检验方法。
通常采用的方法是卡方检验。
和一般假设检验一样，卡方检验主要包括三个步骤：（1）建立零假设：行变量和列变量相互独立。
（2）选择和计算检验统计量。
列联表分析中的检验统计量是Pearson卡方统计量。
其公式为：()∑∑==-=r i cj eij e ij o ijf f f1122χ（4-9-1）其中，r 为列联表的行数，c 为列联表的列数，0f 为实际观测频数，e f 期望观测频数。
期望频数的计算公式为：nCTRT f e ⨯=（4-9-2） 其中，RT 是指定单元格所在行的观测频数合计，CT 是指定单元格所在列的观测频数合计，n 是观测频数的合计。
交叉分析表详解
2请问您常上网的原因是什么？ □1.方便与家人联络 □2.方便与朋友,同学联络 □3.追求流行 □4.工作需要 □5.别人提供 □6.同事间的比较心理 □7.网络价格下降 □8.网络接入商推出的促销方案 □9.玩在线游戏 □10.其他 3请填写您的基本资料 性别: □1.男 □2.女 该问卷的数据列在”复选题”工作表中 本数据是针对107位大学生进行调查而得，常上网的有104笔数据， 下面就用数据透视表分几次来处理这个复选题的交叉表 1选定B列，单击 “升序排序”按钮，使常上网者的样本集中 在前面 2执行“数据>数据透视表和数据透视图”，单击“下一步”按钮， 转入“数据透视表和数据透视图向导-3步骤2”对话框 3将鼠标移回工作表，重新选取A1：F105作为来源区域(此区域 为上网者的区域)
方法b 1用鼠标单击要求得数据透视表的数据列表的任一单元格 2根据前面所说步骤，逐步转入“数据透视表和数据透视图向 导-3步骤3”对话框 3决定安排数据透视表的位置，单击完成，将显示一个空白的 数据透视表，“数据透视表字段列表”和“数据透视表工作列” 4从“数据透视表字段列表”上，将要作为数据透视表列内容 的字段按钮（如：所在地区），拖拽到“将列字段至此处”；将 要作为数据透视表行内容的字段按钮（所在地区），拖拽到“将 行字段至此处”；将要作为数据透视表数据内容的字段按钮（性 别）拖拽到“请将数据字段拖至此处”，即可得到一个数据透视 表 5由于预设情况是计算加总，所以选取表中数据内容的任意一 个单元格，右击，选择“字段设置”，将“名称”改为“人数”， 将“汇总方式”改为“计数”，单击“确定”，即可得到新的数 据透视表。
6-4加入分页依据
数据透视表内允许加入分页项目（如：性别），作为交叉表的上 一层分组依据，以便查阅不同性别即各地区的品牌倾向。 假设想在前面所说的透视表内加入“性别”作为分页依据，其处 理步骤如下 1用鼠标单击数据透视表内任意一个单元格 2执行“数据透视表>数据透视表向导”，单击“布局”按钮 3将“性别”拖拽至“页(p)”位置，单击“确定”“完成”即可 此时，透视表上方，会有一下拉式选择表 这表示数据表内显示的是全部数据的交叉分析结果，要查阅不同性别 数据时可单击下拉箭头，选择要分析的性别
如何在Excel中使用数据进行交叉分析
如何在Excel中使用数据进行交叉分析在Excel中进行交叉分析是一种常见的数据分析方法，它可以帮助我们深入了解数据之间的关系和相互影响。
本文将介绍如何在Excel中使用数据进行交叉分析，以及如何使用相关工具和函数来进行数据计算和图表展示。
一、交叉分析的基本概念交叉分析又称为交叉表分析或交叉报表分析，是一种用来比较和分析两个或多个维度之间关系的方法。
它可以帮助我们对大量数据进行整理、汇总和分析，发现数据之间的规律和趋势。
在Excel中，交叉分析主要通过制作交叉表来实现。
交叉表是一种以行和列形式展示数据交叉关系的表格，可以直观地显示不同维度数据之间的关系和差异。
二、创建交叉表的基本步骤1. 整理数据：将需要分析的数据整理成表格形式，并确保每个数据项都具有唯一的标识符。
2. 选择数据表格：在Excel中选择整个数据表格，包括表头和所有数据。
3. 插入交叉表：在Excel菜单栏中选择“插入”选项卡，在“表格”功能区选择“交叉表”按钮，并设置交叉表的位置和输出样式。
4. 设定交叉表字段：在“字段列表”中，将需要分析的数据字段拖动到交叉表的“行标签”、“列标签”和“值”区域。
可以根据具体需求设置数据字段的顺序和显示方式。
5. 进行数据计算：根据具体需求选择合适的数据计算方式，如求和、平均值、计数等。
在交叉表的值区域右键点击，选择“值字段设置”进行设置。
6. 格式化交叉表：对交叉表进行格式化，包括调整行高、列宽、字体样式、边框线条等，以使交叉表更加清晰和美观。
7. 分析交叉表：根据交叉表的分析需求，使用Excel提供的各种数据处理和图表功能进行数据分析和可视化展示。
比如使用排序、筛选、条件格式、图表等功能。
三、常用的交叉分析工具和函数Excel提供了多种工具和函数来进行交叉分析，以下是一些常用的工具和函数介绍：1. 透视表：透视表是一种功能强大的交叉分析工具，能够灵活地对数据进行汇总、统计和分析。
通过拖动和放置数据字段，可以动态生成汇总表，方便对数据进行不同维度的分析。
交叉列联表分析步骤
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：职称* 学历交叉制表学历合计本科专科高中初中职称高级工程师计数 1 1 1 0 3 职称中的% 33.3% 33.3% 33.3% .0% 100.0%学历中的% 25.0% 25.0% 20.0% .0% 18.8%总数的% 6.3% 6.3% 6.3% .0% 18.8% 工程师计数 1 3 0 0 4 职称中的% 25.0% 75.0% .0% .0% 100.0%学历中的% 25.0% 75.0% .0% .0% 25.0%总数的% 6.3% 18.8% .0% .0% 25.0% 助理工程师计数 2 0 1 3 6 职称中的% 33.3% .0% 16.7% 50.0% 100.0%学历中的% 50.0% .0% 20.0% 100.0% 37.5%总数的% 12.5% .0% 6.3% 18.8% 37.5% 无技术职称计数0 0 3 0 3 职称中的% .0% .0% 100.0% .0% 100.0%学历中的% .0% .0% 60.0% .0% 18.8%总数的% .0% .0% 18.8% .0% 18.8% 合计计数 4 4 5 3 16 职称中的% 25.0% 25.0% 31.3% 18.8% 100.0%学历中的% 100.0% 100.0% 100.0% 100.0% 100.0%总数的% 25.0% 25.0% 31.3% 18.8% 100.0%卡方检验值df 渐进Sig. (双侧)Pearson 卡方18.533a9 .029似然比20.629 9 .014线性和线性组合 2.617 1 .106有效案例中的N 16职称* 学历交叉制表学历本科专科高中初中合计职称高级工程师计数 1 1 1 0 3职称中的% 33.3% 33.3% 33.3% .0% 100.0%学历中的% 25.0% 25.0% 20.0% .0% 18.8%总数的% 6.3% 6.3% 6.3% .0% 18.8% 工程师计数 1 3 0 0 4职称中的% 25.0% 75.0% .0% .0% 100.0%学历中的% 25.0% 75.0% .0% .0% 25.0%总数的% 6.3% 18.8% .0% .0% 25.0% 助理工程师计数 2 0 1 3 6职称中的% 33.3% .0% 16.7% 50.0% 100.0%学历中的% 50.0% .0% 20.0% 100.0% 37.5%总数的% 12.5% .0% 6.3% 18.8% 37.5% 无技术职称计数0 0 3 0 3职称中的% .0% .0% 100.0% .0% 100.0%学历中的% .0% .0% 60.0% .0% 18.8%总数的% .0% .0% 18.8% .0% 18.8% 合计计数 4 4 5 3 16职称中的% 25.0% 25.0% 31.3% 18.8% 100.0%学历中的% 100.0% 100.0% 100.0% 100.0% 100.0% a. 16 单元格(100.0%) 的期望计数少于5。
Excel技巧利用数据表进行交叉表分析
Excel技巧利用数据表进行交叉表分析Excel是一款功能强大的电子表格软件，可以帮助我们处理和分析大量的数据。
其中一个重要的分析功能就是交叉表分析，也称为数据透视表。
通过交叉表分析，我们可以更加直观地了解数据之间的关系和趋势。
本文将介绍如何利用Excel中的数据表功能进行交叉表分析。
一、创建数据表要进行交叉表分析，首先需要有一份包含数据的表格。
打开Excel，将数据表格导入或直接输入数据。
确保每一列都有相应的标题。
二、选择数据表在Excel中，我们可以直接使用数据表功能来创建交叉表。
选中数据表中的任意一个单元格，并点击“插入”选项卡中的“表格”按钮。
Excel会自动检测数据区域并弹出“创建表格”对话框。
三、添加行和列字段在“创建表格”对话框中，Excel会自动将数据表的区域范围填入“选择数据”一栏。
此时，我们需要指定交叉表中的行和列字段。
选中数据表中的一个单元格，点击“确定”按钮。
四、调整交叉表样式Excel会将我们选中的数据表转换为交叉表，并在工作表中生成一个新的表。
在新表中，行和列字段会按照我们之前选择的方式进行排列。
我们可以将其他的字段拖动到相应的行、列或值区域，来创建更复杂的交叉表分析。
五、添加值字段值字段用于指定交叉表中展示的数据内容。
我们可以选择求和、计数、平均值等统计函数来计算数据的汇总值。
选中交叉表中的一个单元格，点击“值字段设置”按钮，在弹出的对话框中选择所需的统计函数。
六、调整交叉表布局Excel提供了多种布局选项，可以调整交叉表的样式和显示方式。
在交叉表的右上方会有“布局”选项，点击后可以选择不同的布局样式和格式。
我们可以根据需要来调整交叉表的样式，以使数据更加直观和易于理解。
七、筛选和排序在交叉表中，我们可以使用筛选和排序功能来进一步分析数据。
通过点击交叉表中的字段标签，可以快速筛选和排序数据。
这样可以更好地观察数据之间的差异和趋势，从而得出更有价值的分析结果。
八、导出和分享交叉表一旦我们完成了交叉表的分析，可以选择将其导出为其他格式的文件，比如PDF或图片。
教你如何使用Excel的数据表进行交叉表与数据分析
教你如何使用Excel的数据表进行交叉表与数据分析Excel是一款广泛使用的电子表格软件，具有强大的数据处理和分析功能。
使用Excel的数据表，可以进行交叉表与数据分析，帮助用户更好地理解和利用数据。
本文将教你如何使用Excel的数据表进行交叉表与数据分析。
一、交叉表的创建与使用交叉表，也称为数据透视表，是一种用于在Excel中对数据进行多维统计与分析的工具。
下面将介绍交叉表的创建与使用方法。
1. 打开Excel软件，导入或输入需要分析的数据。
2. 选中需要创建交叉表的数据区域，包括表头和内容。
3. 点击Excel菜单栏中的“插入”选项，在下拉菜单中选择“数据透视表”。
如果使用的是旧版本的Excel，可以选择“数据”或“数据分析”选项。
4. 在弹出的对话框中，确认所选区域是正确的数据区域，点击“确定”。
5. 在数据透视表字段列表中，将需要进行统计和分析的字段拖拽到相应的区域，如行、列、值等，并进行必要的设置。
例如，将“地区”字段拖拽到行区域，将“销售额”字段拖拽到值区域。
6. 根据实际需求调整交叉表的布局和样式，如行列排序、单元格格式等。
7. 将鼠标点击在数据透视表任意位置，右键选择“刷新数据”以更新数据。
通过上述步骤，你就可以创建并使用交叉表对Excel中的数据进行多维度的统计和分析了。
交叉表能够对大量数据进行汇总、筛选和分类，为数据分析提供了方便快捷的方式。
二、数据表的排序与筛选除了使用交叉表进行多维数据分析外，Excel的数据表还具有排序和筛选功能，可以对数据进行按列排序和条件筛选。
1. 数据表的排序a. 选中需要排序的列，点击Excel菜单栏中的“数据”选项，在下拉菜单中选择“排序”。
b. 弹出的排序对话框中，选择需要排序的列和排序方式，如升序或降序。
c. 点击“确定”完成数据表的排序操作。
2. 数据表的筛选a. 选中数据表的表头区域，点击Excel菜单栏中的“数据”选项，在下拉菜单中选择“筛选”。
双变量的交叉表分析报告课件
用于分析一个连续变量与多个分类变量之 间的关系，常用的方法有logistic回归、多 元回归等。
03
双变量交叉表分析的步骤
数据准备
数据收集
收集相关数据，确保数据来源可 靠、准确度高。
数据筛选
剔除异常值、缺失值，确保数据质 量。
数据分类
将连续变量离散化，或将分类变量 进一步细分，以便于交叉表分析。
学术背景
在学术界，交叉表分析被广泛应用于心理学、社会学、经济学等多个领域，通 过交叉表分析可以深入了解变量之间的关系，为进一步的研究提供依据。
研究目的
探究两个变量之间的关系
通过双变量的交叉表分析，可以探究 两个变量之间的关系，包括正相关、 负相关、不相关等。
发现变量之间的关联性
交叉表分析可以发现两个变量之间的 关联性，从而为进一步的研究提供方 向和思路。
结论
研究总结
01
数据解读
通过双变量的交叉表分析，我们深入挖掘了两个变量之间的关系，并对
数据进行了全面的解读。结果显示，两个变量之间存在显著的相关性，
进一步证明了我们的研究假设。
02
方法有效性
ቤተ መጻሕፍቲ ባይዱ
本研究采用的双变量交叉表分析方法有效地揭示了两个变量之间的内在
联系，为后续的研究提供了有力的支持。同时，该方法也适用于其他类
05
结果解读与建议
结果解读
交叉表结构分析
交叉表由两个变量组成，分别代表行和列。通过分析行和 列的分布，可以了解两个变量之间的关系。
数据离散程度
通过计算交叉表的方差、标准差等统计量，可以了解数据 集的离散程度。这些统计量可以帮助我们了解数据集的波 动情况。
数据集中趋势
通过计算交叉表的平均值、中位数等统计量，可以了解数 据集的集中趋势。这些统计量可以帮助我们了解数据集的 中心位置和数据的分散程度。
利用Excel的数据表制作交叉表分析
利用Excel的数据表制作交叉表分析交叉表分析是一种通过综合研究多个变量之间的关系的方法。
在Excel中，我们可以使用数据表来制作交叉表分析。
本文将介绍如何使用Excel的数据表功能进行交叉表分析。
一、概述交叉表分析是一种以数据表为基础的分析方法，可以用来研究不同变量之间的关系。
通过将两个或多个变量的取值按照交叉方式排列，我们可以更直观地观察它们之间的关联关系。
Excel的数据表功能为我们提供了一种简单、方便的制作交叉表的方法。
二、准备数据在使用Excel制作交叉表之前，我们需要准备好要分析的数据。
可以是任何类型的数据，比如销售数据、调查数据等。
这些数据需要按照一定的规则整理好，方便后续的分析。
例如，我们可以将销售数据按照产品类别和地区进行分类整理。
三、制作数据表1. 打开Excel并导入准备好的数据。
2. 选择要制作交叉表的数据。
3. 在Excel的菜单栏中选择“插入”，然后选择“数据表”选项。
4. 在弹出的数据表对话框中，选择“数据表”选项卡，然后选择“创建”。
5. 在弹出的“创建数据表”对话框中，选择数据的范围，并指定数据表的位置。
6. 点击“确定”，Excel将自动根据选择的数据创建数据表。
四、分析数据表1. 在数据表中，我们可以通过拖动字段到行、列和值的区域，快速分析数据。
2. 拖动字段到行字段区域可以将该字段作为行标签显示，用于分组数据。
3. 拖动字段到列字段区域可以将该字段作为列标签显示，用于按照不同类别展示数据。
4. 拖动字段到值字段区域可以进行数值汇总，例如计算总销售额、平均销售量等。
5. 可以同时拖动多个字段到不同的位置，实现更复杂的数据分析。
五、进一步分析1. Excel的数据表功能还提供了一些高级功能，帮助我们深入分析数据。
2. 可以使用筛选功能对数据进行过滤，只显示满足条件的数据。
3. 可以使用排序功能对数据进行排序，按照指定的字段进行升序或降序排列。
4. 可以使用数据透视表功能对数据进行更深入的分析，包括对数据进行透视、分组、汇总等操作。
5第五章 交叉表分析
计算性别与消费倾向类型的卡方值的效应量和统计检验力。 第一步：效应量克莱姆V系数为0.10。 第二步：根据Cohen（1992）对克莱姆V系数值效应量大小的 评定表（查询表5- 2），本例中更小自由度为1，在该评定 表中的第一行中查找，克莱姆V系数等于0.10，也就是说， 为小效应量。此时统计检验力则不需要查询。 由以上计算可知，本例的统计量检验不显著（P大于0.05， 接受原假设），并且是小效应量。此时可以认同此统计结论 （接受原假设），在此情境下不需要进一步探讨研究。
第六个表格：性别与消费倾向类型的交叉表。（省 略） 第七个表格：性别与消费倾向类型的卡方检验表。 （省略） 具体分析，由同学们思考。
【思考题】
在实际应用中，大部分测量数据都是获得原始数据，即获 得每个作答的具体信息，在SPSS录入的数据集中，一个被 试占一行记录。当然，有时也会获得的是计数数据，例如 统计满意度调查，或者简要汇总某些教育信息时。无论是 原始数据、还是汇总数据，最后所得的卡方检验结果是一 样的。不同的是，汇总数据在SPSS操作时，需要对“人数 ”等变量进行加权。 由【例5-1】的原始资料录入为原始数据文件“精神焦虑 与慢性胃病的调查原始信息数据.sav”，在SPSS中一行代 表一个被试记录，请对原始数据文件分析精神焦虑与慢性 胃病是否存在联系；并与【例5-1】的分析结果对比，比 较两种情况下的统计结果是否有差异。
SPSS操作步骤如下：
第1 步：打开分析数据。打开“大学生学习与消 费调查问卷.sav”文件。
第2 步：启动分析过程。点击【分析】 【描述 统计】 【交叉表】菜单命令. 第3 步：设置分析变量。
Excel操作指南利用数据表进行交叉表分析
Excel操作指南利用数据表进行交叉表分析Excel操作指南：利用数据表进行交叉表分析Excel是一款功能强大的电子表格软件，广泛应用于数据处理和分析的领域。
其中，交叉表分析是Excel中常用的数据分析工具之一。
本文将为您介绍如何通过Excel的数据表功能进行交叉表分析，帮助您更好地理解和利用数据。
一、准备数据在开始进行交叉表分析前，首先需要准备好您要分析的数据。
确保数据已经整理完毕，表格结构清晰明了，不含有重复或空缺的数据。
二、创建数据表1. 打开Excel软件，创建一个新的工作表。
2. 复制并粘贴您准备好的数据到该工作表中。
3. 选中数据区域，并点击Excel菜单栏中的“插入”选项卡。
4. 在插入选项卡中的“表格”组中，选择“表格”命令。
此时，Excel会自动识别出数据区域，并将其转化为一个数据表。
三、设置交叉表分析参数1. 点击数据表上方的“设计”选项卡。
2. 在“工具”组中，选择“总计”命令，勾选“行总计”和“列总计”的复选框。
这样，交叉表将会在行和列上加入总计值。
3. 在“布局”组中，选择“报表布局”命令。
在弹出的对话框中，选择“标记方式”为“按原样式”，点击“确定”按钮。
四、进行交叉表分析完成数据表设置后，接下来就可以进行交叉表分析了。
1. 选择数据表中您感兴趣的变量作为行变量和列变量。
例如，您可以选择“地区”作为行变量，“产品类别”作为列变量。
2. Excel将根据您选择的变量在交叉表中进行汇总，并自动填充各个单元格的数据。
3. 您可以对交叉表中的数据进行格式调整和计算。
例如，您可以对每个单元格的数值进行求和、平均值等计算。
4. 如果您对交叉表中的特定数据感兴趣，可以使用筛选功能进行数据筛选。
Excel的数据筛选功能可以帮助您快速找到特定条件下的数据。
五、图表展示交叉表结果交叉表分析结果通常通过图表展示可以更加直观地呈现。
Excel提供了丰富的图表类型供您选择，如柱状图、折线图、饼图等。
交叉表分析在统计学中的应用
交叉表分析在统计学中的应用交叉表分析是一种广泛应用于统计学领域中的数据分析方法，它通过对两个或多个变量之间的关系进行比较和研究，帮助我们了解数据之间的联系，并从中提取有用的信息。
本文将介绍交叉表分析在统计学中的应用，并探讨其在实际问题中的作用。
一、交叉表分析的基本概念交叉表分析是将数据按照两个或多个变量进行分类汇总，形成一个交叉表格。
通常，我们将一个变量作为行变量，另一个变量作为列变量，然后在交叉表中填入相应的频数或百分比。
通过对交叉表格的分析，我们可以揭示不同变量之间的相关性，从而帮助我们进行更深入的数据解读和决策制定。
二、交叉表分析的应用领域1.市场调研：交叉表分析在市场调研中被广泛应用。
通过将产品特征和消费者属性进行交叉分析，我们可以了解不同人群对产品的偏好和需求，进而指导市场定位和产品设计。
2.医学研究：在医学研究中，交叉表分析可以帮助我们分析不同病例之间的关系。
例如，我们可以通过交叉表分析来研究某种疾病的发病率与年龄、性别、生活习惯等因素之间的关系。
3.社会科学：在社会科学研究中，交叉表分析有助于我们了解不同社会群体之间的差异和联系。
通过交叉分析人口统计学特征和社会经济因素，我们可以揭示出不同群体的特点和社会问题的根源。
4.财务分析：在财务分析中，交叉表分析可以帮助我们了解不同变量之间的财务关系。
例如，我们可以通过交叉表分析来研究销售额与不同产品类别、不同销售渠道之间的关系，进而指导经营决策。
三、交叉表分析的实例为了更好地理解交叉表分析的应用，我们举一个生活中的例子。
假设一家电商公司想要了解不同用户对不同类别产品的购买偏好。
他们将用户的性别作为行变量，产品类别作为列变量，然后根据用户的购买记录填入对应的频数。
通过交叉表的分析，他们可能得出以下结论：1.男性用户更倾向于购买电子产品，女性用户更喜欢购买服装和化妆品。
2.中年人更愿意购买家居用品，而年轻人则更喜欢购买时尚配饰。
3.女性用户对于护肤品类别的购买偏好有明显的季节性，夏季销量更高。
交叉表分析
进行(jìnxíng)交叉表分析时需要(xūyào)注意：（1）卡方检验要求各单元(dānyuán)的期望频数均大于5 或者小于5 的比例不能超过20%；当样本数小于40 时，需要进行小样本的交叉表分析。
即选择输出结果中的Fisher 精确检验结果（Fisher's Exact Test）（2）若变量为定距以上的变量需要(xūyào)先转化为定类或者定序变量data05-02 为某公司工资数据（n=15）。
使用变量性别sex 、收入高低earnings 分析男女(nánnǚ)经理间薪金是否平等。
可以利用data05-01 中的数据，使用变量occcat80 为工作性质分类，region 为地区，childs 为每一个家庭的孩子数。
将childs 为行变量，occcat80 为列变量，region 为控制变量选入Layer of 框中，进行交叉表分析。
列联表（交叉表）分析1、项目名称Crosstabs 过程4、实训原理Crosstabs 过程用于定类数据和定序数据进行统计描述和简单的统计判断。
在分析时可以产生二维至n 维列联表，并计算相应的百分数指标。
4-1 列联表分析的含义与任务在实际分析中，当问题涉及到多个变量时，我们不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多变量的联合分布特征，进而分析变量之间的相互影响和关系。
很明显，如果还采用单纯的频数分析方法显然不能满足要求。
因此，我们需要借助交叉分组下的频数分析，即列联表分析。
列联表分析的主要任务有两个：（1）根据样本(yàngběn)数据产生二维或者多维交叉列联表。
交叉列联表是两个或者两个以上变量交叉分组后形成的频数分布表。
（2）在交叉列联表的基础(jīchǔ)上，分析两变量之间是否具有独立性或者一定的相关性。
4-2 卡方检验(jiǎnyàn)的原理(yuánlǐ)为了理解列联表中行变量（Row）和列变量（Column）之间的关系(guānx ì)，我们需要借助非参数检验方法。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
进行交叉表分析时需要注意：（1）卡方检验要求各单元的期望频数均大于5或小于5的比例不能超过20%；当样本数小于40时，需要进行小样本的交叉表分析。
即选择输出结果中的Fisher精确检验结果（Fisher's Exact Test）（2）若变量为定距以上的变量需要先转化为定类或定序变量data05-02为某公司工资数据（n=15）。
使用变量性别sex、收入高低earnings分析男女经理间薪金是否平等。
可以利用data05-01中的数据，使用变量occcat80为工作性质分类，region为地区，childs 为每个家庭的孩子数。
将childs为行变量，occcat80为列变量，region为控制变量选入Layer of框中，进行交叉表分析。
列联表（交叉表）分析1、项目名称Crosstabs过程4、实训原理Crosstabs过程用于定类数据和定序数据进行统计描述和简单的统计推断。
在分析时可以产生二维至n维列联表，并计算相应的百分数指标。
4-1 列联表分析的含义与任务在实际分析中，当问题涉及到多个变量时，我们不仅要了解单个变量的分布特征，还要分析多个变量不同取值下的分布，掌握多变量的联合分布特征，进而分析变量之间的相互影响和关系。
很明显，如果还采用单纯的频数分析方法显然不能满足要求。
因此，我们需要借助交叉分组下的频数分析，即列联表分析。
列联表分析的主要任务有两个：（1）根据样本数据产生二维或多维交叉列联表。
交叉列联表是两个或两个以上变量交叉分组后形成的频数分布表。
（2）在交叉列联表的基础上，分析两变量之间是否具有独立性或一定的相关性。
4-2 卡方检验的原理为了理解列联表中行变量（Row）和列变量（Column）之间的关系，我们需要借助非参数检验方法。
通常采用的方法是卡方检验。
和一般假设检验一样，卡方检验主要包括三个步骤：（1）建立零假设：行变量和列变量相互独立。
（2）选择和计算检验统计量。
列联表分析中的检验统计量是Pearson 卡方统计量。
其公式为：()∑∑==-=r i cj eij e ij o ijf f f1122χ（4-9-1）其中，r 为列联表的行数，c 为列联表的列数，0f 为实际观测频数，e f 期望观测频数。
期望频数的计算公式为：nCTRT f e ⨯=（4-9-2） 其中，RT 是指定单元格所在行的观测频数合计，CT 是指定单元格所在列的观测频数合计，n 是观测频数的合计。
由式（4-9-1）可以看出，卡方统计量的大小取决于两个因素：一个是列联表的格子数；另一个是观测频数和期望频数的差值。
在列联表固定的情况下，卡方统计量取值的大小取决于观测频数和期望频数的总差值。
当总差值越大时，卡方值也就越大，表明行列变量之间越相关；反之，当总差值越小时，卡方值也就越小，表明行列变量之间越独立。
（3）得出结论并做决策。
根据卡方统计量的概率P 值和显著性水平α进行比较，做出拒绝还是接受原假设的结论。
如果卡方检验的概率P 值小于显著性水平α，则拒绝原假设，认为行列变量之间不独立，两者之间存在依存关系。
反之，如果卡方检验的概率P 值大于显著性水平α，则接受原假设，认为行列变量之间独立，两者之间不存在依存关系。
在卡方检验中还需要注意：交叉列联表中不应有期望频数小于1的单元格，或者不应有大量期望频数小于5的单元格。
如果交叉列联表中有20%以上单元格中的期望频数小于5，则不应用卡方检验，可以采用似然比（Likelihood Ratio ）卡方检验等方法进行修正。
5、背景材料某新产品上市前一个月中，分别对北京、上海、深圳三地进行了市场调查，调查表中有一项是关于顾客获知该产品的渠道。
随机抽取了300份调查表，统计顾客获知产品渠道的数据如下，SPSS 数据文件见4-9.sav 。
表4-9-1 顾客获知某新产品渠道的调查数据城市北京上海深圳合计朋友电视网络报刊2096034261333261653028622712388合计123 98 79 3006、实训步骤6-1 选择菜单“Analyze”→“Descriptive Statistics”→“Crosstabs”弹出如图4-9-1所示的窗口，进入列联表分析界面。
图4-9-1 列联表分析窗口6-2 选择列联表中的行变量进入Row(s)框，如表4-9-1中的获取新产品的渠道变量。
6-3 选择列连表中的列变量进入Column(s)框，如表4-9-1中的城市变量。
6-4 Layer框：Layer指的是层，对话框中的许多设置都可以分层设定，在同一层中的变量使用相同的设置，而不同层中的变量分别使用各自层的设置。
如果要让不同的变量做不同的分析，则将其选入Layer框，并用Previous和Next 钮设为不同层。
Layer在这里用的比较少，在多元回归中我们将进行详细的解释。
6-5 选择Display clustered bar charts复选框表示输出分组条图。
选择Suppress table复选框表示禁止在结果中输出列联表。
6-6 单击按钮，弹出Exact Tests子对话框，如图4-9-2所示。
图4-9-2 Exact Tests子对话框Exact Tests子对话框是针对2*2以上的行*列表设定计算确切概率的方法，可以是不计算（Asymptotic only）、蒙特卡罗模拟（Monte Carlo）或确切计算（Exact）。
其中，系统默认是不计算；蒙特卡罗模拟默认进行10000次模拟，给出99%置信区间；确切计算默认计算时间限制在5分钟内。
这些默认值均可更改。
6-7 单击按钮，弹出Statistics子对话框，用于定义所需计算的统计量。
如图4-9-3所示。
图4-9-3 Statistics子对话框Statistics子对话框包括：χ值。
（1）Chi-square复选框：选择是否进行卡方检验，计算2（2）Correlaitons复选框：计算列联表两变量的Pearson相关系数和Spearman 等级相关系数。
（3）Nominal复选框组：选择是否输出反映分类资料相关性的指标，很少使用，共有四个选项：Contingency coefficient复选框：列联系数，其值界于0～1之间，取值越大说明两变量之间的相关性越强。
Phi and Cramer’s V复选框：这两者也是基于2χ值的，Phi在四格表2χ检验χ检验中界于0～1之间；Cramer’s V则界于0～1中界于-1～1之间，在R*C表2之间。
该指标的绝对值越大，说明两变量之间的相关性越强。
Lambda复选框：在自变量预测中用于反映比例缩减误差，其值为1时表明自变量预测因变量好，为0时表明自变量预测因变量差。
Uncertainty coefficient复选框：不确定系数，以熵为标准的比例缩减误差，其值接近1时表明后一变量的信息很大程度来自前一变量，其值接近0时表明后一变量的信息与前一变量无关。
(4)Ordianl复选框组：选择是否输出反映定序资料相关性的指标，很少使用。
包括以下组成部分：Gamma复选框：界于-1～1之间，所有观察实际数集中于左上角和右下角时，其值为1，取1和-1代表两变量完全一致或不一致，取0代表两变量完全不相关。
Somers’d复选框：为独立变量上不存在同分的偶对中，同序对子数超过异序对子数的比例。
界于-1～1之间，结果解释同上；Kendall’s tau-b复选框：界于-1～1之间，结果解释同上；Kendall’s tau-c复选框：界于-1～1之间，结果解释同上；（5）Nominal by Interval：Eta复选框：计算Eta值，用于分类变量的检验，其平方值可认为是因变量受不同因素影响所致方差的比例；（6）Kappa复选框：计算Kappa值，即内部一致性系数。
通常Kappa大于0.75则认为两变量的一致性较好；小于0.4则认为两变量的一致性较差；（7）Risk复选框：计算相对危险系数；（8）McNemar复选框：进行McNemar检验（一种非参检验），该检验只有在行列数相等时才能用；（9）Cochran’s and Mantel-Haenszel statistics复选框：进行独立性和齐性检验。
6-8 单击按钮弹出Cell子对话框，用于定义列联表单元格中需要计算的指标，如图4-9-4所示。
图4-9-4 Cell子对话框Cell子对话框主要包括以下几部分：Counts复选框：是否输出实际观察数( Observed)和期望数（Expected）；Percentages复选框：是否输出行百分数（Row）、列百分数（Column）以及合计百分数（Total）；Residuals复选框：选择残差的显示方式，可以是实际数与期望数的差值（Unstandardized）、标化后的差值（standardized，将差值转化为标准正态分布），或者被标准误除的单元格残差（Adj.standardized）；Noninteger Weights：当频数因为加权而变成小数时，选择该项对频数进行取整。
主要包括五种方法：Round cell counts：对频数进行四舍五入取整；Round case weights：对加权样本在使用前进行四舍五入取整；Truncate cell counts：对频数进行舍位取整；Truncate case weights：对加权样本在使用前进行舍位取整；No adjustments：不调整。
6-9 单击按钮，弹出Format子对话框，用于选择行变量是升序还是降序。
单击按钮返回主界面，单击按钮完成操作。
7、实训解析由于背景资料中表4-9-1的数据给出的直接是频数表，因此在建立SPSS数据集时可以直接输入三个变量：——行变量、列变量和指示每个单元格中频数的变量，然后指定频数变量，最后进行2检验。
因此，我们要检验原假设：“获知方式”与“城市”两变量之间是独立的，需要首先用Data菜单中的“Weight Cases”命令，设置频数变量；然后在“Crosstabs”命令中将“获知方式”、“城市”分别设置为行列变量；选中Display clustered bar charts选项，在Statistics对话框中选择Chi-square选项，在Cells对话框中选择Observed、Expectde选项，设置完成后点击OK按钮，完成操作，结果如表4-9-2、表4-9-3和图4-9-5所示。
表4-9-3是卡方检验结果，共使用了三种检验方法。
Pearson Chi-Square的显著水平0.107大于0.05，因此不能拒绝原假设，认为“获知方式”与“城市”两变量之间独立，即它们之间不存在相互依赖关系。
Pearson Chi-Square 10.450a 6 .107 Likelihood Ratio 10.183 6 .117 Linear-by-Linear Association .046 1 .830N of Valid Cases 300a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 7.11.图4-9-5 获知方式与城市交叉分组的条形图。