第5章 双变量的交叉表分析
5.交叉汇总分析
实用性表格2 实用性表格
a6房房房房 * b16 现现现现现现现现 Crosstabulation % within b16 现现现现现现现现 b16 现现现现现现现现
原 始 输 出 表 格
•
其中， 房屋结构”为行变量， 其中，“房屋结构”为行变量， “现 使用人从业状况”为列变量。在每一格中， 使用人从业状况”为列变量。在每一格中， 第一行数据为分组后的频次， 第一行数据为分组后的频次，第二行数据 称为行百分比，第三行数据称为列百分比 称为行百分比， （一般是比较列百分比，横向比较），第 一般是比较列百分比，横向比较），第 ）， 四行称为总百分比。 四行称为总百分比。
•
•
百分比的计算方向—— 百分比的计算方向 计算百分比通常按照自变量的方 即列的方向， 向（即列的方向，应该使得每列的百 分比之和是100% 100%）。 分比之和是100%）。
因为研究的目的是要了解自变量对因变量的影响， 因为研究的目的是要了解自变量对因变量的影响， 应此应该计算在自变量的不同取值情况下因变量 的变化情况如何。 的变化情况如何。但当因变量在样本内的分布不能代
表其在总体内的分布时， 表其在总体内的分布时，百分比就要按照因变量的方向进 行计算。 行计算。
行百分比
列联表的格式
高高五高
因变量
自变量
列百分比 性性 * 文文文文 Crosstabulation
文文文文 高初初高高 初初 初中 大高五五
163 25.9% 53.1% 13.0% 144 23.2% 46.9% 11.5% 307 24.5% 100.0% 24.5%
16现使用人从业情况 a 6 房屋结构 * b 16现使用人从业情况 Crosstabulation 在岗 113 14.5% 17.7% 3.9% 191 21.8% 29.9% 6.6% 210 28.1% 32.9% 7.2% 96 26.7% 15.0% 3.3% 28 20.6% 4.4% 1.0% 638 22.0% 100.0% 22.0% b16现使用人从业情况 不在岗 离退休 309 245 39.5% 31.3% 38.8% 10.6% 233 26.5% 29.3% 8.0% 155 20.7% 19.5% 5.3% 59 16.4% 7.4% 2.0% 40 29.4% 5.0% 1.4% 796 27.4% 100.0% 27.4% 21.1% 8.4% 347 39.5% 29.9% 12.0% 333 44.6% 28.7% 11.5% 186 51.7% 16.0% 6.4% 51 37.5% 4.4% 1.8% 1162 40.0% 100.0% 40.0% 其它 115 14.7% 37.5% 4.0% 107 12.2% 34.9% 3.7% 49 6.6% 16.0% 1.7% 19 5.3% 6.2% .7% 17 12.5% 5.5% .6% 307 10.6% 100.0% 10.6% Total 782 100.0% 26.9% 26.9% 878 100.0% 30.2% 30.2% 747 100.0% 25.7% 25.7% 360 100.0% 12.4% 12.4% 136 100.0% 4.7% 4.7% 2903 100.0% 100.0% 100.0%
交叉列联表分析
交叉列联表分析 ---------用于分析属性数据1. 属性变量与属性数据分析从变量的测量水平来看分为两类：连续变量和属性(Categorical)变量，属性变量又可分为有序的(Ordinal)和无序的变量。
对属性数据进行分析，将达到以下几方面的目的：1) 产生汇总分类数据——列联表；2) 检验属性变量间的独立性(无关联性)； 3) 计算属性变量间的关联性统计量；4) 对高维数据进行分层分析和建模。
在实际中，我们经常遇到判断两个或多个属性变量之间是否独立的问题，如：吸烟与患肺癌是否有关？色盲与性别是否有关？上网时间与学习成绩是否有关等等．解决这类问题常用到建立列联表，利用χ2统计量作显著性检验来完成．2．列联表（Contingency Table ）列联表是由两个以上的属性变量进行交叉分类的频数分布表。
设二维随机变量（X ，Y ），X可能取得值为x x x r ,,,21 ，Y可能取得值为y y y s ,,,21 ．现从总体中抽取容量为n 的样本，其中事件（X =x i Y =y j ）发生的频率为n j i （i = 1,2, …,r ，j=1,2, …,s ，）记n i ∙=∑=s j j i n 1，n j ∙=∑=ri j i n 1，则有n =∑∑==r i s j j i n 11=∑=∙r i i n 1= ∑=∙sj j n 1，将这些数据排列成如下的表：这是一张r ×s 列联表．3．属性变量的关联性分析对于不同的属性变量，从列联表中可以得到它们联合分布的信息。
但有时还想知道形成列联表的行和列变量间是否有某种关联性，即一个变量取不同数值时，另一个变量的分布是否有显著的不同，这就是属性变量关联性分析的内容。
属性变量关联性检验的假设为 H0：变量之间无关联性；H1：变量之间有关联性由于变量之间无关联性说明变量互相独立，所以原假设和备择假设可以写为：H0：变量之间独立； H1：变量之间不独立χ2检验H 0：X 与Y 独立．记P (X =x i ，η=y j ) = p ji ，i =1，2，…，r ，,j = 1，2，…，s ，P (X =x i ) =pi .， i =1，2，…，r ，P (Y =y j ) =p j . ，j = 1，2，…，s ．由离散性随机变量相互独立的定义，则原假设等价于 H 0：pji =p i .p j . ，i =1，2，…，r ，,j = 1，2，…，s ．若pji已知，我们可以建立皮尔逊χ2统计量 χ2=∑==∑-ri sij ji j i j i p n p n n 112)(．由皮尔逊定理知，χ2的极限分布为)1(2-rs χ．但这里p j i 未知，因此用它的极大似然估计p ij ∧代替，这时检验统计量为χ2=∑==∧∧∑-ri sij ji ji j i pn p n n 112)(．在H 0成立的条件下，pji =p i .p j .，即等价于用p i ∙和p j ∙.的极大似然估计p i ∙∧和p j ∙∧的积去代替．可以求得p i ∙∧=nn i ∙， i =1，2，…，r ， p j ∙∧=nn j∙ ， j = 1，2，…，s ，则p ij ∧= n n i ∙nn j ∙ ． i =1，2，…，r ，,j = 1，2，…，s ，从而得到统计量χ2=∑==∧∙∧∙∧∙∧∙∑-ri sij ji ji j i p p n p p n n 112)(=⎪⎪⎭⎫ ⎝⎛-∑∑==∙∙1112r i s ij j i j i n n n n ． 在H 0成立的条件下，当n →∞时，χ2的极限分布为)12(2--+-）（s r rs χ= ))1)(1((2--s r χ． 对给定的显著性水平α，当 χ2＞))1)(1((21---s r χα，则拒绝H 0，否则接受H 0．特别，当r = s = 2 时，得到2×2列联表，常被称为四格表，是应用最广的一种列联表．这时检验统计量为χ2=n n n n n n n n n2121211222112)(∙∙∙∙-它的极限分布为χ2（1）．对于二维随机变量（X ，Y ）是连续取值的情况，我们可采用如下方法将其离散化．① 将X 的取值范围（-∞，+∞）分成r 个互不相交的区间，将Y 的取值范围（-∞，+∞）分成s 个互不相交的区间，于是整个平面分成了rs 个互不相交的小矩形；② 求出样本落入小矩形中的频数n j i i =1，2，…，r ，,j = 1，2，…，s ； ③ 建立统计量χ2=⎪⎪⎭⎫⎝⎛-∑∑==∙∙1112r i s ij j i j i n n n n ， 在H 0成立时且n 充分大时，χ2的极限分布为))1)(1((2--s r χ，拒绝域的确定同离散型的情况． 3．属性变量的关联度计算2χ检验的结果只能说明变量之间是否独立，如果不独立，并不能由2χ的值说明它们之间关系的强弱，这可以由ϕ系数来说明ϕ系数=⎪⎪⎩⎪⎪⎨⎧==++-∙∙∙∙其它,2,2212121122211n s r n n n n n n n n χ其中 当r=s=2即2×2列联表时-1<ϕ<1，其它0<ϕ<1，|ϕ|越接近1，它们之间关联性越强，反之越弱。
交叉列联分析
交叉列联表分析在实际分析中，除了需要对单个变量的数据分布情况进行分析外，还需要掌握多个变量在不同取值情况下的数据分布情况，从而进一步深入分析变量之间的相互影响和关系，这种分析就称为交叉列联表分析。
当所观察的现象同时与两个因素有关时，如某种服装的销量受价格和居民收入的影响，某种产品的生产成本受原材料价格和产量的影响等，通过交叉列联表分析，可以较好地反映出这两个因素之间有无关联性及两个因素与所观察现象之间的相关关系。
因此，数据交叉列联表分析主要包括两个基本任务：一是根据收集的样本数据，产生二维或多维交叉列联表；二是在交叉列联表的基础上，对两个变量间是否存在相关性进行检验。
要获得变量之间的相关性，仅仅靠描述性统计的数据是不够的，还需要借助一些表示变量间相关程度的统计量和一些非参数检验的方法。
常用的衡量变量间相关程度的统计量是简单相关系数，但在交叉列联表分析中，由于行列变量往往不是连续变量，不符合计算简单相关系数的前提条件。
因此，需要根据变量的性质选择其他的相关系数，如Kendall等级相关系数、Eta值等。
SPSS提供了多种适用于不同类型数据的相关系数表达，这些相关性检验的零假设都是：行和列变量之间相互独立，不存在显著的相关关系。
根据SPSS检验后得出的相伴概率（Concomitant Significance）判断是否存在相关关系。
如果相伴概率小于显著性水平，那么拒绝零假设，行列变量之间彼此相关；如果相伴概率大于显著性水平，那么接受原假设，行列变量之间彼此独立。
在交叉列联表分析中，SPSS所提供的相关关系的检验方法主要有以下3种：（1）卡方（χ2）统计检验：常用于检验行列变量之间是否相关。
计算公式为：（）其中，f0表示实际观察频数，f e表示期望频数。
^卡方统计量服从（行数-1）´（列数-1）个自由度的卡方统计。
SPSS在计算卡方统计量时，同时给出相应的相伴概率，由此判断行列变量之间是否相关。
交叉表的生成和分析
– 有关表格信息选项：
• EXPECTED：给出期望频数 • DEVIATION：给出每格的实际频数与期望频数的差值 • CELLCHISQ：给出每格对总c 2的贡献，即计算每格
的(实际频数-期望频数)2/期望频数。 • CUMCOL：给出累积列百分数
– OUT=数据集名：指定包含变量和频数计数的输出数据集。
• 统计分析选项：
– CHISQ：对每层的齐性或独立性作χ²检验，包括Pearson χ² 、似然比 χ² 、Mantel-Haenszel χ² 。另外还给出与χ²检验有关的关联度，包括 Phi系数、列联系数、Cramer’s V。对于22表，给出Fisher精确概率。
成行，变量C的值形成列；
…… ……
• 说明：
– 系统缺省方式：对所有变量作一维频数表； – 一维频数表内容：频数、累积频数、频数百分比、累积百分比； – 二维频数表内容：交叉分组列表，包括：各格的频数、总频数的各格
百分数、行频数的各格百分数、列频数的各格百分数。
– TABLE语句中的常用选项：
• 普通选项：
表和交叉表。 – 统计分析：变量间关联强度等统计量。
Hale Waihona Puke • 3.说明：– 3.1 FREQ语句：
• DATA=数据集名：指明分析对象； • 选项：指定频数的排列方式 1）ORDER=FREQ|DATA|INTERNAL|FORMATTED
– FREQ：按频数递减的次序排列 – DATA：按在原数据集中出现的次序 – INTERNAL：按内部值排序（默认方式） – FORMATTED：按外部格式值排序
MEASURES或CMH等语句所指定的统计量。
5第五章交叉表分析
案例【例5-1】探讨慢性胃病的影响因素，研究
者调查了339人，得到调查数据初步汇总情况如下：
患慢性胃病 未患慢性胃病
精神焦虑患者
43
162
非精神焦虑患者
13
121
SPSS操作步骤如下：
第1步：输入数据。怎样将实际问题中的数据准 确转化、表达为SPSS中的数据，也是SPSS学习过 程中需要注意学习的一个方面，这是由实际问题 到数据处理、研究分析的一个“桥梁”。
由结果可知，在“性别”=女、“性别”=男、总计三个 栏目上的卡方值分别为15.479、35.371、51.591，所对 应的概率分别为0.000、0.000、0.000，都小于0.05， 拒绝原假设，即在性别各个层次上，专业承诺与学习兴趣 两个变量存在着关联，换句话说，无论是男性、还是女性 ，专业承诺与学习兴趣存在紧密的联系。
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。
第6步：设置交叉表的显示。点击【单元格】按钮 ，弹出“交叉表：单元显示”的对话框。 在“计 算”栏内： 在本例中，选中“ 实测” 、“ 期望”。在“百分比”栏内： 选中“ 行”。其 他复选框在本例中，均不选择。
第7步：设置输出格式。 第8步：点击【确定】按钮，提交执行。 第9步：结果分析。
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5章-SPSS基本统计分析说课讲解
6.单击Format指定列联表各单元的输出排 列顺序；
7.单击Statistics指定用哪种方法分析行变 量和列变量的关系。
5.5 多选项分析
一、什么是多选项问题 二、分析多选项问题的一般方案 三、多选项分析处理多选项问题
一、什么是多选项问题
③Charts 统计图形
④Format 设置频数表输出格式。
● Multiple variables 多变量栏 •Compare variables，将所有变量结果在一个图形z 中输出 •Organize output by variables ，为每一个变量单独 输出一个图形。
Statistics
variables/File is already sorted。
四、分组计算描述统计量
5.2 变量的频数分析
一、变量频数的描述方法 利用变量的频数分布分析可以方便
的对数据按组进行归类整理，形成各观 测量的不同水平（分组）的频数分布情 况表和图形，以便对数值的数量特征和 内部结构状况有一个概括的认识。
7
11.00
12.00
13.00
16.00
5.4 交叉分组下的频数分析
一、交叉分组下的频数分析
1.主要任务： （1）编制交叉列联表
（2）变量间进行相关性分析
一、交叉分组下的频数分析
1. 交叉列联表 两个或两个以上的变量交叉分组后形成的
列联表。 行变量(Row)：表1、2中 职称 列变量(Column)：表1、2中文化程度 层变量(Layer)：表2中性别
5.3 变量的频数分析
1.频数、百分比 有效百分比：各频数占总有效样本数之比 累计百分比：各百分比逐级累加结果。 2.分位数 4分位数（Quartiles） 3.统计图形 条形图、饼图、直方图
报告中的交叉分析与关联变量
报告中的交叉分析与关联变量引言：在现代社会中，数据分析已经成为了各个领域中不可或缺的一环。
通过对大量数据的汇总和分析，我们可以得出许多有价值的结论和洞察，从而帮助我们做出更明智的决策。
而在数据分析中，交叉分析和关联变量的使用是非常重要的一部分。
本文将围绕这个主题展开，并分为以下几个小节进行详细论述。
小节一：交叉分析的概念和意义交叉分析是一种根据不同维度的数据进行比较和分析的方法。
通过对两个或多个变量之间的关系进行交叉分析，我们可以发现隐藏在数据背后的规律和现象。
交叉分析可以帮助我们理解各个变量之间的相互作用，从而找到解决问题的关键因素。
小节二：交叉分析的方法和技巧在进行交叉分析时，我们可以使用多种方法和技巧，以便更好地分析和解释数据。
例如，我们可以使用透视表和交叉表来对数据进行汇总和分组，并通过图表和图形展示分析结果。
此外，我们还可以使用统计方法，如卡方检验和回归分析，来验证和证实分析结果。
小节三：交叉分析的实际应用交叉分析在各个领域中都有广泛的应用。
在市场营销中，我们可以通过交叉分析来分析不同用户群体的消费习惯和偏好，从而制定针对性的营销策略。
在医疗领域中，交叉分析可以帮助我们了解不同因素对疾病发生和发展的影响，从而改善治疗和预防策略。
小节四：关联变量的定义和作用关联变量是指在数据分析中与目标变量具有相关性的其他变量。
通过对关联变量的分析，我们可以进一步了解目标变量的特征和影响因素。
关联变量可以帮助我们发现目标变量的潜在自变量和相互关系，从而更精确地预测和解释目标变量的变化。
小节五：关联变量的选择和分析在选择关联变量时，我们需要根据研究目的和数据特征进行合理的选择。
一般来说，与目标变量相关性较高的变量应该纳入分析范围，并进行详细的探索和解释。
同时，我们还可以使用相关分析和回归分析等方法来评估关联变量与目标变量之间的关系和强度。
小节六：关联变量的应用案例和效果评估关联变量的应用案例非常广泛。
在金融行业中，我们可以通过对市场指数和股票价格的关联分析，来判断股票的预期涨跌并进行投资决策。
数据交叉列表分析
数据交叉列表分析
二、交叉列表分析中变量的确定
▪ 在使用交叉列表进行分析时，变量的选择和确定是一个关键性问题，它直接关系 到分析结果正确与否。选择和确定交叉列表分析中的变量，包括其内容和数量， 应根据调查项目的特点具体确定。
2020/12/14
数据交叉列表分析
三、双变量交叉列表分析
市场调查与预测
谢谢观看！
2020/12/14
▪ 双变量交叉列表分析是最基本的交叉列表分析方法。
2020/12/14
数据交叉列表分析
四、三变量交叉列表分析
▪ （一）更精确地反映原有双变量之间的关系 ▪ （二）原有双变量之间的联系是虚假的 ▪ （三）显示出原有双变量之间被隐含的关系 ▪ （四）显示原有两变量之间的关系没有变化
2020/12/14
市场查与预测
数据交叉列表分析
2020/12/14
数据交叉列表分析
一、交叉列表分析的含义
▪ 交叉分析表是指同时将两个或两个以上有一定联系的变量及其变量取值按一定的 顺序交叉排列在同一张统计表内，使各变量值成为不同变量的结点，进而分析变 量之间的相互关系，最终得出结论的一种数据分析技术。变量之间的分项必须交 叉对应，从而使得交叉表中的每个结点的值反映不同变量的某些特征。
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。
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
数据分析2.4：交叉分析
双击某个数据，可以得到明细，比如双击高消费、高流量用户，得到以下明细：
用于分析两个及两个以上分组变量间的关系以交叉表的形式进行变量间关系的对比分析
数据分析 2.4：交叉分析变量间的关系，以交叉表的形式进行变量间关系的对比分析 形式： 定量、定量分组交叉 定量、定性分组交叉 定性、定性分组交叉 实例：根据消费、流量两个维度对某通信公司用户数进行细分。 步骤： 使用vlookup函数把月消费分组和月流量分组把数据分组标签打上
第5章 双变量的交叉表分析
RUC, Information School, Ye Xiang
利用Excel数据透视表实现 利用Excel数据透视表实现 Excel 两个单选题的交叉表分析
第5章 双变量的 交叉表分析
分析不同专业方向的学生对计算机课程设置的看法。 例5-4 分析不同专业方向的学生对计算机课程设置的看法。
不同专业方向的学生对计算机课程设置看法柱形图
利用Excel 数据透视表 可以很方便地实现单变 利用 Excel数据透视表 ， 可以很方便地实现 单变 Excel 数据透视表， 一维频率分析和双变量的交叉表分析。 量的一维频率分析和双变量的交叉表分析。
RUC, Information School, Ye Xiang
利用Excel数据透视表 利用Excel数据透视表 Excel 实现单选题的一维频率分析
第5章 双变量的 交叉表分析
100% 80% 60% 40% 20% 0%
8.4%
12.9%
59.1%
57.2%
不太幸福 比较幸福 非常幸福
32.5% 男
30.0% 女
RUC, Information School, Ye Xiang
利用SPSS SPSS对两个定性变量进行交叉表分析 5.1 利用SPSS对两个定性变量进行交叉表分析
RUC, Information School, Ye Xiang
利用SPSS SPSS对两个定性变量进行交叉表分析 5.1 利用SPSS对两个定性变量进行交叉表分析
“性别”与“幸福感”的交叉表 性别” 幸福感”
性别 人数 男 百分比 人数 女 百分比 人数 合计 百分比 31.1% 58.0% 11.0% 30.0% 467 57.2% 872 12.9% 165 32.5% 261 59.1% 498 8.4% 112 非常幸福 206 比较幸福 374 不太幸福 53
第五章SPSS交叉表分析
第三个表格：性别与英语四级的卡方检验表
皮尔逊卡方检验的卡方值为22.292，显著值Sig 值为0.000＜0.05，应拒绝原假设，即认为性别与 英语四级通过情况之间不独立的，两变量之间存在 着关联。
换句话说，男女性别在英语四级通过情况上存在 差异。结合前面的交叉表的计数人数，认为女生在 四级通过人数比例显著大于男生。
第四个表格：性别与考研意向类型的交叉表 （略）。
第五个表格：性别与考研意向类型的卡方检 验表。
在性别与考研意向类型的卡方检验表中，皮尔逊卡 方检验的卡方值为2.857，显著性Sig值为0.240＞ 0.05，接受原假设，认为性别与考研意向类型之间 是独立的。即，男女学生在考研意向上不存在差异。
第5步：输出复式条形图和分布表。选中“ 显示簇状条形图”复选框。
第6步：统计量选择。点击【统计】按钮， 弹出“交叉表：统计”的对话框
第7步：设置交叉表的显示。点击“单元格”
第8步：设置输出格式。 点击“格式”
第9步：在主对话框中点击【确定】按钮，提 交执行。
第10步：结果分析。
第一个表格：统计摘要表。（略） 第二个表格：精神焦虑与患胃病情况的交叉表。
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。
选择 “专业承诺”变量选入“行：”变量框中。 选择“学习兴趣”、“学习成绩”变量选入“列： ”变量框中。 此外，在“层1/1”框内，将性别变量从左边选择到 分层变量框内。
在左下角，选中“显示簇状条形图”。
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。
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。
检验多个变量联合人数分布的差异—交叉表
——
任 务
检 验 交多 叉个 表变 量 联 合 人 数 分 布 的 差 异
2
一、交叉表的使用情境
交叉表是将样本按两个或多个属性进行分类，列出 这些分类组合的频数。例如，调查的样本数据可以按 照性别分为男生和女生，可以按照年龄分为青少年、 青年、中年和老年，那么性别和年龄的组合则构成了 2*4的交叉表，可以形成男青少年、女青少年、男青 年、女青年等8个组合。
19
三、应用举例
图9-13 交叉表举例的操作步骤（c）【交叉表：单元显示】对话框的设定
——
任 务
检 验 交多 叉个 表变 量 联 合 人 数 分 布 的 差 异
三、应用举例 （二）结果的输出和解释
交叉表举例的结果输出如图9-14所示。
图9-14 交叉表举例的结果输出
20
——
任 务
检 验 交多 叉个 表变 量 联 合 人 数 分 布 的 差 异
➢ 【Gamma】复选框：输出两个次序变量相关性的对称性度量，取值在-1到+1之间。 取值的绝对值越接近于1，则表示两个变量相关越强；取值的绝对值越接近于0，则 表示相关越弱。
➢ 【Somers'd】复选框：输出两个次序变量相关性的非对称性度量，取值范围和意义 与【Gamma】相似。
➢ 【Kendall的tau-b】复选框：输出次序变量（或秩变量）相关性的非参数统计值， 把结(tie)纳入计算之中。取值范围和意义与【Gamma】相似。
1表示自变量完全预测因变量，越接近于0表示自变量的预测作用越小。 ➢ 【不定性系数】复选框：输出反映自变量预测其他变量时的误差缩减比例。同样，取
值在0～1之间，越接近于0表示自变量对其他变量的预测作用越小。
定量分析 实验四 交叉列表Crosstabs
实验四交叉列表与等级相关分析（Crosstabs）主要知识点与功能交叉列表分析是对两个变量之间关系的分析方法。
被分析的变量可以是定类变量也可以是定序变量。
系统对两个变量进行交叉列表分析后生产交叉表和输出χ2检验结果。
调用此过程可进行计数资料和某些等级资料的列联表分析，在分析中，可对二维至n 维列联表（RC表）资料进行统计描述和χ2检验，并计算相应的百分数指标。
此外，还可计算四格表确切概率（Fisher’s Exact Test）且有单双侧（ One-Tail、 Two-Tail），对数似然比检验（Likelihood Ratio）以及线性关系的Mantel-Haenszelχ2检验。
一、交叉列表分析（Crosstabs）（一）、执行命令：Analyze——Descriptive Statistics——Crosstabs，打开如下对话框（二）、确定交叉列表分析的变量从左侧窗口选择两个名义变量或顺序变量分别进入Row(s)（行）框和Column(s)（列）框。
Display clustered bar charts是在输出结果中显示聚类条形图。
Suppress tables是隐藏表格，如果选择此项，将不输出R*C交叉表。
（三）、选择统计分析内容单击Statistics按钮，打开如下对话框：（1）Chi-square是卡方（χ 2 ）值选项，用以检验行变量和列变量之间是否独立。
适用于两个定类变量或一个定类变量一个定序变量之间的相关性分析。
（2）Correlations是相关系数的选项，用以测量变量之间的线性相关。
适用于两个定序变量或定距变量之间关系的分析。
（3）Nominal是定类变量选项栏，当分析的两个变量都是定类变量时可以选择的参数。
1、Contingency coefficient：列联相关的c系数，其值 =χχ22+N，界于0～1之间，其中N为总例数；2、Phi and Cramer's V：列联相关的V系数，V系数 = χ2N ，用于描述相关程度，在四格表χ 2 检验中界于-1～1之间，在RC表χ 2 检验中界于0～1之间；Cramer's V =χ2N(k-1)，界于0～1之间，其中k为行数和列数较小的实际数；3、Lambda：λ值，在自变量预测中用于反映比例缩减误差，其值为1时表明自变量预测应变量好，为0时表明自变量预测应变量差；4、Uncertainty coefficient：不确定系数，以Z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。
spss交叉表分析方法与步骤
spss中交叉分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系。
我们在实际的工作中，经常用交叉表来分析比例是否相等。
比如我们来分析一下，不同的性别对不同的报纸的选择有什么不同，就是要用交叉表分析了，下面是具体的方法。
spss交叉表分析方法与步骤
1、在spss中打开数据，然后依次打开：analyze--descriptive--crosstabs，打开交叉表对话框
2、将性别放到行列表，将对读物的选择变量放到列，这样就构成了一个交叉表
3、接下来我们要设置输出的结果，点击statistics，打开一个新的对话框
4、勾选chi-square（卡方检验），勾选phi and cramer's V（衡量交互分析中两个变量关系强度的指标），点击continue，回到交叉表对话框
5、点击cells，设置cell中要展示的数据
6、在这里勾选observed（各单元格的观测次数），勾选row（行单元格的百分比），点击continue，回到交叉表对话框
7、点击ok按钮，输出检验结果
8、先看到的第一个表格就是交叉表，性别为行、选择的读物为列
9、卡方检验结果：我们主要是看pearson卡方检验，sig值小于0.05，因此我们认为不同的性别的人对周末读物的选择有显著的差别
10、最后一个表格，输出的是phi值和V值，两个都是代表两个变量之间的关系的紧密度的，数值小于0.1说明关系不紧密，即性别与周末读物的选择没有明显的关系，这个结论和上面的卡方检验有出入，所以我们需要进一步进行两两比较。
学习统计学：/tongjixue/。
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统计分析方法，旨在探索变量之间的关系和相互作用。
通过交叉分析，我们可以进一步了解不同变量之间的关联性，为决策提供有力的支持。
本文将详细介绍交叉分析法的步骤和技巧。
一、确定变量在进行交叉分析之前，首先需要明确要分析的变量。
这些变量可以是数值型，也可以是分类型。
比如，我们可以以性别、年龄、职业等为分类变量，以收入、消费金额等为数值变量。
根据实际情况，确定感兴趣的变量。
二、选择适当的分析工具根据变量的性质和目的，选择适当的分析工具。
常见的交叉分析方法包括列联表分析、卡方检验、回归分析等。
对于分类变量的交叉分析，通常使用列联表分析，而对于数值变量的交叉分析，可以使用回归分析等方法。
三、进行数据收集和整理在进行交叉分析之前，需要收集相关的数据并进行整理。
确保数据的准确性和完整性，避免干扰结果的噪音。
可以通过问卷调查、统计数据等方式获取所需数据，并使用电子表格等工具进行整理和存储。
四、进行交叉分析在得到整理好的数据后，可以开始进行交叉分析。
对于分类变量的交叉分析，常用的方法是列联表分析。
列联表可以直观地展示不同分类变量之间的交叉情况，并计算各个交叉点的频数和比例。
通过观察这些数据，我们可以初步了解变量之间的关系。
五、进行统计检验在交叉分析的过程中，我们还可以进行统计检验，以验证变量之间的关联性是否显著。
常用的检验方法包括卡方检验、 t检验等。
通过比较观察值和期望值之间的偏差，可以判断变量之间是否存在显著的关系。
六、解读分析结果完成交叉分析后，需要对结果进行解读和分析。
通过对比各个交叉点的数值和比例，我们可以发现变量之间的差异和联系。
进一步分析这些差异的原因和影响，对于问题的解决和决策的制定都具有重要意义。
七、结论与建议在分析结果的基础上，总结出结论并给出相应的建议。
根据交叉分析的结果，可以发现问题的症结所在，为决策提供参考依据。
同时，也可以根据结果提出改进措施和优化方案，以优化业务流程和提升工作效率。
- 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)。
2.在Excel中修饰交叉表并绘制百分比堆积柱
形图
3.在Word中撰写交叉表分析报告
RUC, Information School, Ye Xiang
5.1 利用SPSS对两个定性变量进行交叉表分析
“性别”与“幸福感”的交叉表
性别 人数 非常幸福 206 32.5% 261 30.0% 467 31.1% 比较幸福 374 59.1% 498 57.2% 872 58.0% 不太幸福 53 8.4% 112 12.9% 165 11.0%
利用Excel数据透视表实现 两个单选题的交叉表分析
男女同学对计算机课程设置看法柱形图
男女同学对计算机课程设置的看法
第5章 双变量的 交叉表分析
例5-3 分析不同性别的学生对计算机课程设置的看法
100% 80%
13.0%
10.3%
45.7% 60% 40% 20% 0% 41.3%
64.1%
能够 基本能够 不能
RUC, Information School, Ye Xiang
5.1 利用SPSS对两个定性变量进行交叉表分析
第5章 双变量的 交叉表分析
例 5-1 分析不同性别（或种族、或居住地区） 的美国人对生活方面（幸福感、生活是否充满 激情）的认识情况。 1.用SPSS的Crosstabs求交叉表
菜单“Analyze”->“Descriptive Statistics”->“Crosstabs”
a. 0 cells (.0%) have expected count less than 5. The mi nimum ex pected count is 69.44.
RUC, Information School, Ye Xiang
5章 双变量的 5.3.2 用SPSS进行交叉表的相关性检验 第交叉表分析
Chi-Square Tests Value 7.739a 7.936 4.812 1504 df 2 2 1 Asymp. Sig. (2-sided) .021 .019 .028
Pearson Chi-Square Likel ihood Ratio Linear-by-Linear Association N of Val id Cases
例5-5 分析在例5-1的问题（1）中，性别和 幸福感是否相关。
进行相关性检验后，调查报告中的交叉表就需要增加相 应的信息 。
表5-9 不同性别的美国人对幸福感的认识情况
男 非常幸福 比较幸福 不太幸福 （n） 32.5% 59.1% 8.4% （633） df=2 女 30.0% 57.2% 12.9% （871） 相关性检验结果 表明，p值为 0.021，小于显 著性水平0.05， 因此拒绝零假设 ，说明性别和幸 福感之间相关（ 男女两性对幸福 感的认识有显著 差异）
RUC, Information School, Ye Xiang
5.2 利用Excel数据透视表实现频率分析
第5章 双变量的 交叉表分析
为了解某大学统计学院本科学生对该学院 计算机课程教学的看法和意见，设计调查 问卷（请参见本章附录Ⅰ），进行随机抽 样调查了85名同学，得到调查数据。 根据调查所得数据进行基本统计分析，希 望掌握以下几个方面的情况：
利用Excel数据透视表实现 两个单选题的交叉表分析
第5章 双变量的 交叉表分析
例5-4 分析不同专业方向的学生对计算机课程设置的看法。
不同专业方向的学生对计算机课程设置看法柱形图
RUC, Information School, Ye Xiang
5.3 交叉表的相关性检验
第5章 双变量的 交叉表分析
RUC, Information School, Ye Xiang
5.3.1 交叉表的卡方检验
第5章 双变量的 交叉表分析
例5-5 分析在例5-1的问题（1）中，性别和 幸福感是否相关。
相关性检验的零假设和备选假设为：
H0：性别和幸福感之间无关（即不同性别的美国 人在幸福感的分布上没有显著差异，或不同幸 福感的美国人在性别的分布上没有显著差异） H1：性别和幸福感之间相关（即不同性别的美国 人在幸福感的分布上有显著差异，或不同幸福 感的美国人在性别的分布上有显著差异）
RUC, Information 5章 双变量的 交叉表分析
市场调查或民意调查，经常利用交叉表 来分析两个分类（定性）变量之间的关 系，比如：性别与品牌偏好、教育程度 （学历）与使用品牌、收入与是否有数 码相机、性别与移动电话类型偏好、地 区与移动电话类型偏好，等等。 交叉表分析易于理解，便于解释，操作 简单，却可以解释比较复杂的现象。 交叉表经常用于市场研究，进行市场机 会、市场细分分析等。
RUC, Information School, Ye Xiang
利用Excel数据透视表 实现单选题的一维频率分析
第5章 双变量的 交叉表分析
例5-2 分析学生对计算机课程设置的看法
菜单:“数据”->“数据透视表和数据透视图”
学生对计算机课程设置看法的一维频率分布表
能否满足 专业需要 不能 基本能够 能够 人数 29 46 10 百分比 34.1% 54.1% 11.8%
RUC, Information School, Ye Xiang
5.1 利用SPSS对两个定性变量进行交叉表分析
第5章 双变量的 交叉表分析
例 5-1 分析不同性别（或种族、或居住地区） 的美国人对生活方面（幸福感、生活是否充满 激情）的认识情况。
这个问题可以分解为6个小问题：
（1）分析不同性别的美国人对幸福感的认识情况 （2）分析不同种族的美国人对幸福感的认识情况 （3）分析居住在不同地区的美国人对幸福感的认识情况 （4）分析不同性别的美国人对生活是否充满激情的认识 情况 （5）分析不同种族的美国人对生活是否充满激情的认识 情况 （6）分析居住在不同地区的美国人对生活是否充满激情 的认识情况
第5章 双变量的 交叉表分析
合计 633 100% 871 100% 1504 100%
男
百分比 人数 女 百分比 人数 合计 百分比
RUC, Information School, Ye Xiang
5.1 利用SPSS对两个定性变量进行交叉表分析
男女对幸福感认识的百分比堆积柱形图
第5章 双变量的 交叉表分析
25.6% 男 女
RUC, Information School, Ye Xiang
利用Excel数据透视表实现 两个单选题的交叉表分析
在例5-3数据透视表汇总结果基础上修改
第5章 双变量的 交叉表分析
例5-4 分析不同专业方向的学生对计算机课程设置的看法。
不同专业方向的学生对计算机课程设置的看法
总计
85
100%
RUC, Information School, Ye Xiang
利用Excel数据透视表 实现单选题的一维频率分析
第5章 双变量的 交叉表分析
例5-2 分析学生对计算机课程设置的看法
计算机课程能否满足专业需要的饼图
现在开设的计算机课程能否满足专业需要
能够 11.8%
不能 34.1%
2 =7.739
p=0.021 < 0.05
RUC, Information School, Ye Xiang
5.3.3 用Excel进行交叉表的相关性检验
第5章 双变量的 交叉表分析
例 5-6 在例 5-3 中，分析不同性别的学生对计算 机课程设置的看法是否存在显著差异。
相关性检验的零假设和备选假设为：
基本能够 54.1%
RUC, Information School, Ye Xiang
利用Excel数据透视表实现 两个单选题的交叉表分析
第5章 双变量的 交叉表分析
例5-3 分析不同性别的学生对计算机课程设置的看法
菜单：“数据”->“数据透视表和数据透视图”
男女同学对计算机课程设置的看法
性别 男 人数 百分比
第5章 双变量的 交叉表分析
统计数据分析基础教程
―基于SPSS和Excel的调查数据分析
第5 章 双变量的交叉表分析
RUC, Information School, Ye Xiang
本章内容
第5章 双变量的 交叉表分析
5.1 利用SPSS对两个定性变量（两个单选 题）进行交叉表分析 5.2 利用Excel数据透视表实现频率分析 5.3 交叉表的相关性检验 附录Ⅰ 关于计算机课程教学情况调查问卷 附录Ⅱ 社会调查报告实例（交叉表分析）
H0：不同性别的学生（男女同学）对计算机课程设置 的看法不存在显著差异
H1：不同性别的学生（男女同学）对计算机课程设置 的看法存在显著差异
100% 80% 60% 40% 20% 0%
8.4%
12.9%
59.1%
57.2%
不太幸福 比较幸福 非常幸福
32.5% 男
30.0% 女
RUC, Information School, Ye Xiang
5.1 利用SPSS对两个定性变量进行交叉表分析
第5章 双变量的 交叉表分析
在Word中撰写交叉表分析报告（男女对幸福感的认识 情况） 交叉表分析报告，一般包含表格、百分比堆积柱形 图（或三维簇状柱形图）和结论（建议）。
不能
19 41.3% 10 25.6% 29 34.1%
基本能够
21 45.7% 25 64.1% 46 54.1%
能够
6 13.0% 4 10.3% 10 11.8%
总计
46 100% 39 100% 85 100%
女
人数
百分比 人数
总计
百分比
RUC, Information School, Ye Xiang