SPSS列联表分析

2 列联表分析（Crosstabs）列联表是指两个或多个分类变量各水平的频数分布表，又称频数交叉表。

SPSS的Crosstabs过程，为二维或高维列联表分析提供了22种检验和相关性度量方法。

其中卡方检验是分析列联表资料常用的假设检验方法。

例子：山东烟台地区病虫测报站预测一代玉米螟卵高峰期。

预报发生期y为3级（1级为6月20日前，2级为6月21-25日，3级为6月25日后）；预报因子5月份平均气温x1（℃）分为3级（1级为16.5℃以下，2级为16.6-17.8℃，3级为17.8℃以上），6月上旬平均气温x2（℃）分为3级（1级为20℃以下，2级为20.1-21.5℃，3级为21.5℃以上），6月上旬降雨量x3（mm）分为3级（1级为15mm以下，2级为15.1-30mm，3级为30mm以上），6月中旬降雨量x4（mm）分为3级（1级为29mm以下，2级为29.1-36mm，3级为36mm以上）。

数据如下表。

山东烟台历年观测数据分级表（）注：摘自《农业病虫统计测报》 131页。

1) 输入分析数据在数据编辑器窗口打开“”数据文件。

数据文件中变量格式如下：2)调用分析过程在菜单选中“Analyze-Descriptive- Crosstabs”命令，弹出列联表分析对话框，如下图3)设置分析变量选择行变量：将“五月气温[x1]，六月上气温[x2]，六月上降雨[x3]，六月中降雨[x4]”变量选入“Rows:”行变量框中。

选择列变量：将“玉米螟卵高峰发生期[y]”变量选入“Columns:”列变量框中。

4)输出条形图和频数分布表Display clustered bar charts: 选中显示复式条形图。

Suppress table: 选中则不输出多维频数分布表。

5)统计量输出点击“Statistics”按钮，弹出统计分析对话框（如下图）。

Chi-Square: 卡方检验。

选中可以输出皮尔森卡方检验（Pearson）、似然比卡方检验（Likelihood-ratio）、连续性校正卡方检验（Continuity Correction）及Fisher精确概率检验（Fisher’s Exact test）的结果。

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、educat、minority的三维列联表分析及其独立性检验。

数据文件如图1所示。

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--weight Cases 命令，打开对话框，如图2所示。

图2点选Weight Cases by项，并将变量“count”移入Frequency Variable栏下，之后单击OK按钮。

第二步：从菜单上依次点选Analyze--Deseriptive Statistics--Crosstabs命令，打开列联分析对话框(Crosstabs),如图3所示。

图3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Display clustered bar charts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。

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gen der.educa t minority的三维列联表分析及其独立性检验。

数据文件如图1所示。

ye Edit 辿ew Derta Transforfti Analyse Graphs Utlltie^ Add-cns Window Help®■昌国穷》8h再鄭H<5曲圜flj靄20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--weight Cases命令，打开对话框，如图2所示。

点选Weight Cases by项，并将变量“count”移入Frequency Variable栏下，之后单击OK按钮。

第二步：从菜单上依次点选An alyze--Deseriptive Statistics-Crosstabs命令，打开列联分析对话框(Crosstabs)如图3所示Fdi 迥 E住rH 丁 T W TPI►i : K 「Tl19CnprCdlK1 13131X5 0GCl 71H 1 9 1 tc 0 11皿F 耳第三步：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)。

列联表分析分析：从表中可以看出，每箱数量的低、中、高与品牌偏好的低、中、高基本一致，说明每箱数量对是有影响的。

分析：从表中可以看出，价格低时，品牌偏好度不高，而在价格高时，品牌偏好高的一组值达到了87.8%，说明价格对品牌偏好有明显的影响。

分析：从表中可以看出，价值低时，品牌偏好不明显，价格适中时，品牌偏好有高值的趋势，价值高时，品牌偏好度达到了88.0%，说明消费者在考虑产品的价值时，品牌偏好比较明显。

分析：从表中可以看出，在护肤的低、中、高三组中，品牌偏好度高的比例都比较高，说明消费者在考虑产品护肤时，有较高的品牌偏好。

分析：从表中可以看出，在样式的低、中、高三组中，品牌偏好度高的比例都比较高，说明消费者在考虑产品样式时，有较高的品牌偏好。

分析：从表中可以看出，随着吸水性由低到高，品牌偏好的高值比例也在增加，说明吸水性越好，品牌选择偏好越明显。

分析：从表中可以看出，随着渗漏值由低到高，品牌偏好的高值比例也在增加，说明渗漏越差，品牌选择偏好越明显。

分析：从表中可以看出，在舒适度上，品牌偏好的高值比例一直都很高，说明在考虑产品的舒适度时，品牌偏好非常明显。

分析：：从表中可以看出，在考虑舒胶带时，品牌偏好的高值比例一直都很高，说明在考虑产品是重复粘贴胶带还是普通胶带时，品牌偏好非常明显。

分析：这是控制了价格时的每箱数量和品牌偏好，可以看出，在价格低时，每箱数量的低、中、高与品牌偏好的低、中、高还是有关系的，但是与没有控制价格时相比，两者之间的关系被削弱了。

价格适中时，也是如此。

在价格高时，关系更加清晰。

分析：这是控制了样式时的护肤与品牌偏好，可以看出，在样式低组和中组，护肤与品牌偏好之间原有的关系被逆反了，只有在样式的值高的时候，护肤与品牌偏好才有一定正向相关关系。

分析：这是控制胶带时的舒适度与品牌偏好，可以看出，控制胶带以后，舒适度与品牌偏好完全一致，这加强了舒适度与品牌偏好之间原有的高度相关性。