当前位置：文档之家 › 2 列联表分析(Crosstabs)

2 列联表分析(Crosstabs)

  • 格式：pdf
  • 大小：264.86 KB
  • 文档页数：5

下载文档原格式

  / 5

合集下载

交叉列联分析

交叉列联分析

由于观察频数的总数为n ，所以f11 的期望频数 e11 应为
期望频数的分布
一分公司
二分公司 三分公司 四分公司
实际频数
68
赞成该 方案
期望频数
66
75
57
79
80
60
73
实际频数
32
反对该
方案
期望频数
34
45
33
31
40
30
37
检验统计量
在零假设成立时，该统计量近似服从自由度为(r1)×(s-1)的c2分布。当该统计量的值很大（或p值 很小）时，就可以拒绝零假设，认为这两个变量 不相互独立。
– 列观察值的合计数的分布 – 四个公司接受调查的人数分别为100人
列边缘分布
描述统计-百分比分布
• 在相同的基数上进行比较，可以计算相应的百
分比，称为百分比分布
– 行百分比：行的每一个观察频数除以相应的行合计 数(fij / ri)
– 列百分比：列的每一个观察频数除以相应的列合计 数( fij / cj )
期望频数的分布
一分公司 二分公司 三分公司 四分公司 合计
赞成该方案
68
75
57
79
279
反对该方案
32
45
33
31
141
合计
100
120
90
110
420
例如，第1行和第1列的实际频数为 f11 ,它落在第1行 的概率估计值为r1/n；它落在第1列的概率的估计值为 c1/n 。根据概率的乘法公式，该频数落在第1行和第1列 的概率应为
复式柱状图
61 70
49 60
50

用iReport制作交叉表(CrossTabs)

用iReport制作交叉表(CrossTabs)

用iReport制作交叉表(CrossTabs) 立方开源商业智能一个CrossTabs是一种在设计的时候既不确定行数和也不确定列数的一种表格，在运行环境下它会像下面显示的不同年份的一个销售报表一样。

CrossTabs在jasperresports中从1.1.0版本时开始提供，同时iReport也从1.1.0开始支持CrossTabs。

Jasperreports的CrossTabs工具允许对行和列的数据进行分组、汇总和自定义每一个cell里的内容。

填充CrossTab的数据可以来自主报表里的dataset或来自subDataset。

使用iReport里提供的向导我们可以简单快速的创建功能强大的交叉报表组件。

一个CrossTabs本质上是一个表格，行和列的数量取决于填充这个表格的数据。

行和列也可以在groups里做聚合操作。

对于每一个行或列的group我们都可以得到一个细节信息和一个可选的行列数据的汇总。

16.1 交叉表向导 (Crosstab wizard)为了说明怎么让一个crosstab工作起来，我们将使用向导创建一个crosstab，当我们在工具条里选择crosstab元素并将其添加到报表中时crosstab的向导会自动启动。

还是以DoradoSample里提供的hsql数据里的employee报为例，我们使用包含下面查询语句的空报表开始:Select * from employee我们把crosstab放在报表的底部:summary band图16.1在第一步里我们需要选择一个dataset来填充crosstab，我们这里使用主报表里提供的dataset，点击下一步继续。

图16.2在第二步里我们需要定义至少一个行分组.我们这里选择对所有记录使用DEPT_ID进行分组。

这样就意味着crosstab的每一行将会采用一个明确的部门编号，这样JasperReports将会使用部门编号对数据集里的数据进行重新整理计算。

SPSS统计分析教程列联表分析

SPSS统计分析教程列联表分析

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。

描述性统计

描述性统计

探索分析-II
探索分析-III
探索分析-IV
探索分析-V
探索分析-VI
2.4.1列联表分析的功能与意义
SPSS的列联表分析过程(Crosstabs)是通过分
析多个变量在不同取值情况下的数据分布情 况,从而进一步分析多个变量之间相互关系 的一种描述性分析方法。 至少指定两个变量,分别为行变量和列变量, 如果要进行分层分析,则我们还要规定层变 量。 不仅可以得到交叉分组下的频数分布，还可 以通过分析得到变量之间的相关关系。
2.2.2 描述性分析实例
【例2.2】下面的资料给出了山东省某
高校50名大一入学新生的体重。试对该 50名学生的体重进行描述性分析，了解 这50名学生体重的基本特征。 配书资料\源文件\2\正文\原始数据文 件\案例2.2.sav
描述性分析-I
描述性分析-II
描述性分析-III
描述性分析-IV
不同分布的箱线图
2.3.2 探索分析实例
【例2.3】下面的资料给出了天津、济南两
个城市07年各月份的平均气温。试据此对天 津平均气温和济南平均气温进行探索性统计 分析，研究天津平均气温和济南平均气温的 基本特征。 配书资料\源文件\2\正文\原始数据文件\案 例2.3.sav
探索分析-I
2.1.1 频数分析的功能与意义
频数分析过程(Frequencies)是描述性分析中
最基本也是最常用的方法之一。 可以得到详细的频数表以及平均值、最大值 、最小值、方差、标准差、极差、平均数标 准误、偏度系数和峰度系数等重要的描述统 计量，还可以通过分析得到合适的统计图。 不仅可以方便的对数据按组进行归类整理， 还可以对数据的分布特征形成初步的认识。

描述性统计

描述性统计
Stem width: 10.00 Each leaf: 1 case(s)
EX. 未分组数据—箱线图
(box plot)
1. 用于显示未分组的原始数据的分布 2. 由一组数据的5个特征值绘制而成，它由一个箱
子和两条线段组成
3. 绘制方法
首先找出一组数据的5个特征值，即最大值、最小 值 四分、位中数位Q数UM) e和两个四分位数(下四分位数QL和上
探索分析-I
探索分析-II
探索分析-III
探索分析-IV
探索分析-V
探索分析-VI
2.4.1列联表分析的功能与意义
SPSS的列联表分析过程(Crosstabs)是通过分 析多个变量在不同取值情况下的数据分布情 况,从而进一步分析多个变量之间相互关系 的一种描述性分析方法。
至少指定两个变量,分别为行变量和列变量, 如果要进行分层分析,则我们还要规定层变 量。
相关描述统计量主要有平均值、最大值 、最小值、方差、标准差、极差、平均 数标准误、偏度系数和峰度系数等。
2.2.2 描述性分析实例
【例2.2】下面的资料给出了山东省某 高校50名大一入学新生的体重。试对该 50名学生的体重进行描述性分析，了解 这50名学生体重的基本特征。
配书资料\源文件\2\正文\原始数据文 件\案例2.2.sav
意义。
描述性统计分析常用的有：频数分 析、描述性分析、探索分析、列联 表分析。下面我们一一介绍这几种 方法的功能和意义。
2.1.1 频数分析的功能与意义
频数分析过程(Frequencies)是描述性分析中 最基本也是最常用的方法之一。
可以得到详细的频数表以及平均值、最大值 、最小值、方差、标准差、极差、平均数标 准误、偏度系数和峰度系数等重要的描述统 计量，还可以通过分析得到合适的统计图。

交叉列联分析

交叉列联分析

行边缘分布
一分公司 赞成该方案 反对该方案 二分公司 三分公司 四分公司
合计 279 141 420
68 32
75 45
57 33
79 31
100 合计 • 列边缘分布
120
90
110
• 列观察值的合计数的分布 • 四个公司接受调查的人数分别为 四个公司接受调查的人数分别为100人 人 120人，90人，110人 人 人 人
• 2、样本量大小的问题 、
110
例如，第1行和第 列的实际频数为 f11 ,它落在第 行 行和第1列的实际 它落在第1行 例如， 行和第 列的实际频数为 它落在第 的概率估计值为r ； 它落在第 列 的概率估计值为 1/n；它落在 第 1列的概率的估计值为 c1/n 。 根据概率的乘法公式 ， 该频数落在第 行和第 根据概率的乘法公式，该频数落在第1行和第 行和第1 列的概率应为 由于观察频数的总数为n ，所以f11 的期望频数 e11 应为 由于观察频数的总数为 所以
• 检验行变量与列变量是否独立 • 拟合优度检验（多个总体的比例是否相等） 拟合优度检验（多个总体的比例是否相等）
独立性检验（基本原理） 独立性检验（基本原理）
• 原假设：行变量和列变量是相互独立的 原假设： • 前提成立的情况下，每个单元格的频数期望值称 前提成立的情况下， 之为期望频数e 之为期望频数 ij，
列联表中的数字为交叉单元格中的频数或频率
大城市 价格 品牌 款式
中小城市
乡镇
农村
• 以列联表为基础可以对两个变量之间的关系进行多种 统计检验
列联表举例
条件频数—酒店管理专业的男生 人 条件频数 酒店管理专业的男生2人 酒店管理专业的男生

SPSS 教程 第三章 基本分析

描述性统计分析（Descriptive Statistics）统计分析往往是从了解数据的基本特征开始的。

描述数据分布特征的统计量可分为两类：一类表示数量的中心位置，另一类表示数量的变异程度（或称离散程度）。

两者相互补充，共同反映数据的全貌。

这些内容可以通过SPSS中的“Descriptive Statistics”菜单中的过程来完成。

1 频数分析 (Descriptive Statistics - Frequencies)频数分布分析主要通过频数分布表、条形图和直方图，以及集中趋势和离散趋势的各种统计量来描述数据的分布特征。

下面我们通过例子来学习单变量频数分析操作。

1) 输入分析数据在数据编辑器窗口打开“data1-2.sav”数据文件。

2)调用分析过程在主菜单栏单击“Analyze”，在出现的下拉菜单里移动鼠标至“Descriptive Statistics”项上，在出现的次菜单里单击“Frequencies”项，打开如图3-4所示的对话框。

图3-4 “Frequencies” 对话框3)设置分析变量从左则的源变量框里选择一个和多个变量进入“Variable(s):”框里。

在这里我们选“三化螟蚁螟 [虫口数]”变量进入“Variable(s):”框。

4)输出频数分布表Display frequency tables，选中显示。

5)设置输出的统计量单击“Statistics”按钮，打开图3-5所示的对话框，该对话框用于选择统计量：图3-5 “Statistics”对话框① 选择百分位显示“Percentiles Values”栏：Quartiles：四分位数，显示25%、50%和75%的百分位数。

Cut points for 10 equal groups：将数据平分为输入的10个等份。

Percentile(s):：用户自定义百分位数，输入值0—100之间。

选中此项后，可以利用“Add”、“Change”和“Remove”按钮设置多个百分位数。

配对设计2×2列联表的精确检验方法及应用


布是不合理的，此时须采用二项分布的方法进行精确
检验。
配对设计２×２列联表的精确检验
在表１中，如果行变量和列变量的频数分布相同， 那么理论上ｂ和Ｃ的比例应为１：１，即两种不一致情 况出现的概率相等，令Ｐ＝１／２。由此，我们可以给出 无效假设Ｈｏ：Ｐ＝１／２；备择假设Ｈ１：ｐ＝／：ｌ／２。
令，．＝ｍｉｎ（ｂ，Ｃ）。在Ｈｏ：Ｐ＝１／２成立的前提 下，我们利用二项分布计算累积概率：
ＳＰＳＳｌ３．０还提供了配对设计行×列表的精确检 验，此方法是２ Ｘ ２列联表的推广。与ＳＡＳ９．０相比， 这是ＳＰＳＳｌ３．０的优点。
参考文献
１．Ｂｅｎａｒｄ Ｒｏｓｎｅｒ．Ｆｕｎｄａｍｅｎｔａｌｓ ｏｆ Ｂｉｏｓｔａｔｉｓｔｉｃｓ．５ｔｈ ｅｄ．Ｂｒｏｏｋｓ／Ｃｏｌｅ， ２０００．
２．孙尚拱．生物统计学基础．北京：科学出版社，２００４． ３．舢ａｎ Ａｇｒｅｓｔｉ．Ａｎ ｉｎｔｒｏｄｕｃｔｉｏｎ ｔｏ ｃａｔｅｇｏｒｉｃａｌ ｄａｔａ ａｎａｌｙｓｉｓ．Ｎｅｗ Ｙｏｒｋ：
万方数据
Ｃｈｉｎｅｓｅ Ｊｏｕｒｎａｌ ｏｆ Ｈｅａｌｔｈ Ｓｔａｔｉｓｔｉｃｓｔ Ｏｃｔ ２００６，Ｖ０１．２３，Ｎｏ；
ｔａｂｌｅｓ Ａ＊Ｂ／ａｇｒｅｅ；
ｗｅｉｇｈｔ ｆｒｅｑ；
ＳＰＳＳｌ３．０及ＳＡＳ９．０软件应用 ＳＰＳＳｌ３．０软件应用 例１中令变量Ａ为“电子血压计”，变量Ｂ为“水 银血压计”，变量Ａ与Ｂ的取值为１＝高血压，２＝正 常血压；变量ｆｒｅｑ表示相应的频数（图１）。在统计分析 前，需要进行数据的预处理：用“ｗｅｉｇｈｔ ｃａｓｅｓ”命令，以 ＃ｅｑ为加权变量进行加权。
Ｙｏｒｋ：Ｊｏｈｎ Ｗｉｌｅｙ＆Ｓｏｎｓ．１９８１．
（实际工作中通常为两样本率或构成比的比较），则采 用ＭｃＮｅｍａｒ卡方检验。大多数的国内医学统计书籍

SPSS生物统计分析示例1-基本统计分析

SPSS统计分析示例例一：对两个品系小麦栽培观察测量数据如下：随机调查20株，品系I感染病菌4株，品系II感染病菌7株。

请对上述数据进行数据描述与统计分析。

1．对两个品系小麦栽培观察测量数据的统计分析数据文件“xiaomai-2.sav”统计描述：(1)Data →Split file by “品系”(2)Analyze → Descriptive statistics → Descriptives分别对品系I、II的统计描述：绘图（bar chart with error-bar）：Graphs → Interactive →Bar…对两个品系株高、穗长和穗重进行平均值t 检验:Analyze →Compare Means → Independent-samples T test…按品系不同分组’Grouping’，分别比较株高、穗长、穗重SPSS输出：汇总表：品系I 品系II t 株高cm(M±SD) 121.80±16.98 96.40±5.89 4.468**穗长cm(M±SD) 41.50±4.48 38.40±9.74 0.914穗重g (M±SD) 1.54±0.28 1.45±0.48 0.511**:P<0.01从t检验的结果看：（1）株高数据不满足方差齐性，用近似t检验，t=4.468 (df=11.136), 双侧检验P=0.001<<0.01，两品系的株高具有极显著差异，品系I株高显著大于品系II（2）穗长数据不满足方差齐性，用近似t检验，t=0.914 (df=12.640), 双侧检验P=0.378>0.05，两品系的穗长无显著差异（3）穗重数据满足方差齐性，用t检验，t=0.511 (df=18), 双侧检验P=0.615>0.05，两品系的穗重无显著差异对株高、穗重、穗长两两间做相关、回归分析：Analyze →Correlate →Bivariate…(1)穗长、穗重（n=20）穗长、穗重相关关系极显著（相关系数r=0.972，P<<0.01）建立直线回归方程并作图：Graphs → Interactive →Scatterplot…结果输出：穗重（g）(2)穗长、株高（n=20）穗长、株高之间无显著相关（相关系数=0.238，P=0.312>0.05）(3)穗重、株高（n=20）穗重、株高之间无显著相关（相关系数=0.219，P=0.354>0.05）随机调查20株，品系I感染病菌4株，品系II感染病菌7株。

交叉列联分析


66
75
57
79
80
60
73
实际频数
32
反对该
方案
期望频数
34
45
33
31
40
30
37
ppt课件完整
20
检验统计量
r
2
c ( fij eij )2
i1 j1
eij
其自由度为(r 1)(c 1) 式中：fij — 列联表中第i行第j列类别的实际频数
eij — 列联表中第i行第j列类别的期望频数
结果分析
值
df
渐进 Sig. (双侧)
Pearson 卡方
225.274a
8
.000
似然比
230.166
8
.000
线性和线性组合
137.494
1
.000
有效案例中的 N
2885
a. 0单元格(.0%)的期望计数少于5。最小期望计数为14.15。
2统计量的值为225.274，相应的p值为0.000。由于p值远 远小于通常使用的显著性水平，因此检验的结论是拒绝原
33.6
83
292
79
138.0
261.1
54.9
14
73
30
35.6
67.3
14.2
136
419
99
198.8
376.1
79.1
877
1659
349
ppt课8件7完7整.0
1659.0
349.0
合计 1382
1382.0 278
278.0 454
454.0 117
117.0 654
  1. 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. 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. 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)。
计 （其余的省约） 统 结果分析：
华 从交叉表（Crosstab）对角线中看出，只有“五月气温与玉米螟卵高峰发生期”对角线上
出现的频数大于期望值（5＞2.7，3＞2.0，3＞1.3）。
中 从卡方检验表得知，也只有“五月气温与玉米螟卵高峰发生期”能通过线性间的联合检验
（Linear-by-Linear Association），双尾检验 p＜0.012。
中华统计学习网
圣才学习网
中华统计学习网
圣才学习网
在结果窗口中查看计算结果，主要输出内容如下。 五月气温 * 玉米螟卵高峰发生期 Crosstab
玉米螟卵高峰发生期
Total
习 学 计 统 华 中
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。 Correlations：选中输出皮尔森（Pearson）和 Spearman 相关系数，用以说明行变量和
1）输入分析数据
67
1 3 1 2 1
om 69 70 71 72 73 74 75 76 77 tj.c 3 2 1 2 2 3 2 2 1 0 1 2 3 1 1 1 2 2 1 0 1 1 2 3 1 1 1 1 2 10 2 1 2 1 2 3 2 3 1 www. 1 3 1 1 2 1 1 1 1
6 月 20 日 6 月 21-25 6 月 25 日
前
日
以后
Hale Waihona Puke 16.5 以下 Count（频数） 1
Expected
五月
Count（期望值）
气温 16.6-17.8 Count（频数） 2
Expected
Count（期望值）
17.8 以上 Count（频数） 5
Expected
Count（期望值）
Total
中华统计学习网
圣才学习网
3）设置分析变量 0t 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 0 量选入“Rows：”行变量框中。 0 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。 1 4）输出条形图和频数分布表 w. Display clustered bar charts：选中显示复式条形图。 w Suppress table：选中则不输出多维频数分布表。。 w 5）统计量输出 网 点击“Statistics”按钮，弹出统计分析对话框（如下图）。
列变量的相关程度。
中华统计学习网
圣才学习网
中华统计学习网
圣才学习网
Nominal：两分类变量的关联度（Association）测量 Contingency Coefficient：列联系数，其值越大关联性越强。 Phi and Cramer’s V：Cramer 列联系数，其值越大关联性越强。 Lambda：减少预测误差率，1 表示预测效果最好，0 表示预测效果最差。 Uncertainty Coefficient：不定系数
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
中华统计学习网
圣才学习网
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。
m Kappa：吻合度系数，其取值-1 至＋1，其值越大吻合程度越高。 o Risk：危险度分析。 c McNemar：配对计数资料的卡方检验。 . Cochran’s and Mantel-Haenszel statistics：检验在协变量存在下，两个二分类变量是否 j 独立。 0t 6）设置列联表的显示 www.100 单击“Cells”按钮，弹出列联表显示内容对话框（如下图）。
Ordinal：两有序分类变量（等级变量）的关联度测量 Gamma：关联度，＋1 表示完全正关联，-1 表示负关联，0 表示无联。 Somers’d：列联度，其取值范围和意义同上。 Kendall’s tau-b：
Nominal by Interval：一个定性变量和一个定量变量的关联度 Eta：关联度统计量。
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
36mm 以上）。数据如下表。 山东烟台历年观测数据分级表（） 59 60 61 62 63 64 65 66
年份 y 13113112 x1 3 2 2 3 1 3 2 3 x2 1 2 3 1 1 2 2 1 x3 3 1 1 3 1 2 1 3 x4 3 1 1 1 1 1 1 1 注：摘自《农业病虫统计测报》131 页。
Count（频数） 8
Expected
Count
Chi-Square Tests
Value
df
Pearson Chi-Square 皮尔森卡方检验
7.750（a）
4
2
3
6
2．7
2．0
1．3
6．0
3
1
6
m 2．7
2．0
1．3
6．0
co 1
0
6
. 2．7
2．0
1．3
6．0
0tj 6
4
18
0 8．0
6．0
中华统计学习网
圣才学习网
中华统计学习网
圣才学习网
Adj．Standardized：调整的标准化残差分析。 Noninteger Weights： ⊙ Round cell counts：临近列计算。 ○ Truncate cell counts：。 ○ Round case Weights 临近记录度量 ○ Truncate case Weights ○ No adjustments：不调整。 7）设置输出格式 单击 Format 按钮，弹出列联表输出格式对话框（如下图）。
4．0
18．0
w.10 Asymp．Sig．（2-sided） ww．101
Likelihood Ratio 似然比卡方检验 8.510
网 4
．075
Linear-by-Linear Association N of Valid Cases
习 6.248
1
学 18
．012
a 9 cells （100.0%）have expected count less than 5．The minimum expected count is 1．33．
Row Order：频数 0 ⊙ Ascending：行变量从小到大升序排列。 0 ○ Descending：行变量从大到小降序排列。 1 8）设置检验 www. 单击“Exact”按钮，弹出精确检验对话框（如下图）。
网 习 学 计 统 华 中
⊙Asymptotic only 近似的，系统设置。 ○Monte Carlo Confidence level：99% 置信度，系统默认 99%。 Number of samples：10000 样本数量，系统默认 10000。 ○Exact Time limit per test：5 minutes 限时检验时间，系统默认值 5 分钟。 9）提交执行 设置完成后，在列联表分析对话框中，点击 OK 按钮，计算结果输出在结果窗口中。 10）结果与分析
网 习 学 计 统 华 中 Counts：频数
Observed：观测频数。 Expected：期望频数。 Percentages：百分比 Row：占本行的百分比。 Column：占本列的百分比。 Total：占全部的百分比。 Residuals：残差分析 Unstandardized：非标准化残差分析。 Standardized：标准化残差分析。
在数据编辑器窗口打开“data1-3．sav”数据文件。
数据文件中变量格式如下：
网
习
学
计
统
华
中
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
中华统计学习网
圣才学习网
因此，玉米螟卵高峰发生期与五月气温有密切的关系，五月气温越高，发生越早。
中华统计学习网
圣才学习网