spss中交叉分析主要用來檢驗兩個變量之間是否存在關係,或者說是否獨立,其零假設爲兩個變量之間沒有關係。在實際工作中,經常用交叉表來分析比例是否相等。例如分析不同的性別對不同的報紙的選擇有什麼不同。
spss交叉表分析方法與步驟:
1、在spss中打開數據,然後依次打開:analyze--descriptive--crosstabs,打開交叉表對話框
2、將性別放到行列表,將對讀物的選擇變量放到列,這樣就構成了一個交叉表
3、設置輸出的結果,點擊statistics,打開一個新的對話框
4、勾選chi-square(卡方檢驗),勾選phi and cramer's V(衡量交互分析中兩個變量關係強度的指標),點擊continue,回到交叉表對話框
5、點擊cells,設置cell中要展示的數據
6、在這裏勾選observed(各單元格的觀測次數),勾選row(行單元格的百分比),點擊continue,回到交叉表對話框
7、點擊ok按鈕,輸出檢驗結果
8、先看到的第一個表格就是交叉表,性別爲行、選擇的讀物爲列
9、卡方檢驗結果:主要看pearson卡方檢驗,sig值小於0.05,因此認爲不同的性別的人對週末讀物的選擇有顯著的差別
10、最後一個表格,輸出的是phi值和V值,兩個都代表兩個變量之間的關係的緊密度,數值小於0.1說明關係不緊密,即性別與週末讀物的選擇沒有明顯的關係,這個結論和上面的卡方檢驗有出入,所以需要進一步進行兩兩比較。
來源:百度文庫http://wenku.baidu.com/view/c659b1e3172ded630b1cb6a3.html
數據分析聯盟:http://www.52analysis.com/SPSS_SAS/292.html
▼2、將性別放到行列表,將對讀物的選擇變量放到列,這樣就構成了一個交叉表
▼4、勾選chi-square(卡方檢驗),勾選phi and cramer's V(衡量交互分析中兩個變量關係強度的指標),點擊continue,回到交叉表對話框
▼6、在這裏勾選observed(各單元格的觀測次數),勾選row(行單元格的百分比),點擊continue,回到交叉表對話框
▼8、先看到的第一個表格就是交叉表,性別爲行、選擇的讀物爲列
▼9、卡方檢驗結果:主要看pearson卡方檢驗,sig值小於0.05,因此認爲不同的性別的人對週末讀物的選擇有顯著的差別
▼10、最後一個表格,輸出的是phi值和V值,兩個都代表兩個變量之間的關係的緊密度,數值小於0.1說明關係不緊密,即性別與週末讀物的選擇沒有明顯的關係,這個結論和上面的卡方檢驗有出入,所以需要進一步進行兩兩比較。
中文:
是否死亡放置於行好一些;“精確”爲默認,“統計量”選卡方和Phi;“單元顯示”將計數和百分比全選,“格式”爲默認。
結果:
Value=卡方值;df=自由度;ASYMP.sig=P值=相伴性概率。p大於0.05(自己設定的顯著性水平),接受原假設,否則拒絕,即P值小於0.05認爲結果有顯著性差異。注意表格下面的註解:b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 191.89,這句話很重要,關係到結果是否可靠!理論頻數小於5的cells(格子)比例不超過20%,結果可靠,採用Pearson
Chi-Square的P值-ASYMP.sig。當理論頻數小於5的cells(格子)比例超過20%,應看Exact
Test(確切概率法)。
給出的Asymp. Sig 是通過卡方值算的。
最常用的醫學統計:
TTest - 獨立樣板T檢驗,推斷兩個總體的總體的獨立樣本均值是否存在顯著差異
交叉表 - 不同的性別對不同疾病的選擇有什麼不同用此分析法,即卡方檢驗,卡方檢驗
Logist 迴歸 - 確定兩種或兩種以上變數間是否相關、相關方向與強度,即相互依賴的定量關係