第七章 列联表分析
第七章 列联表 分析
7.1 列联表(Crosstabs)分析的过程 7.2 列联表的实例分析
7.1 列联表 (Crosstabs) 分析的过程
列联表分析的过程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。系统是通过生成列联表对两个变量进行列联表分析的。 列联表分析的功能可以通过下述操作来实现。
图7-1 列联表分析对话框
1.打开列联表分析对话框 执行下述操作:
Analyze →Descriptive →Crosstabs 打开Crosstabs 对话框如图7-1 所示。 2.确定列联分析的变量
从左侧的源变量窗口中选择两个定类变量或定序变量分别进入Row(s)(行)窗口和Column(s)(列)窗口。进入Row(s)窗口的变量的取值将作为行的标志输出,而进入Column(s)窗口的变量的取值将作为列的标志输出。Display clustered bar charts 是在输出结果中显示聚类条图。Suppress table 是隐藏表格,如果选择此项,将不输出R ×C 列联表。 3.选择统计分析内容
单击statistics 按钮,打开statistics 对话框,如图7-2 所示。
图7-2statistics 对话框
下面介绍该对话框中的选项和选项栏的内容:
(1)Chi-square 是卡方(X 2)值选项, 用以检验行变量和列变量之间是否独立。适用于定类变量和定序变量。
(2)Correlations 是皮尔逊(Pearson )相关系数r 的选项。用以测量变量之间的线性相关。适用于定序或数值变量(定距以上变量)。 (3)Nominal 是定类变量选项栏。选项栏中的各项是当分析的两个变量都为定类变量时可以选择的参数。
1)Contingency coefficient:列联相关的C 系数,由卡方系数修正而得。 2) Phi and Cramer's V:列联相关的V 系数,由卡方系数修正而得。 3)Lambda :λ系数。
4)Uncertainty Coefficient:不定系数。 (4)Ordinal 是定序变量选项栏。选项栏中的各项是当分析的两个变量都为定序变量时可以选择的参数。
1)Gramma :Gramma 等级相关系数。
2)Somers ’d :Somers 等级相关d 系数。
3)Kendall ’s tau-b:肯得尔等级相关tau-b 系数。 4)Kendall ’s tau-c:肯得尔等级相关tau-c 系数。
(5)Nominal by Interval 选项栏中的Eta 是当一个变量为定类变量,另一个变量为数值变量时,测量两个变量之间关系的相关比率。 系统默认状态是不输出上述参数。如需要可自行选择。上述选择做完以后,单击Continue 返回到Crosstabs 对话框。
4.确定列联表内单元格值的选项
单击Cells (单元格)按钮,打开Cell Display 对话框,如图7-3 所示。
图7-3 Cell Display 对话框
(1)Counts 是单元格的频次选项栏。 1)Observed :观测值的频次。 2)Expected :期望频次。
系统默认状态是输出观测值的频次。
(2)Percentages 是确定输出百分比的选项栏。该选项栏中的选项用于确定在输出文件中的列联表单元格中是否要输出百分比。
1)Row :单元格中个案的数目占行总数的百分比。 2)Column :单元格中个案的数目占列总数的百分比。 3)Total :单元格中个案的数目占个案总数的百分比。 (3)Residuals 是确定残差的选项栏。 1)Unstandardized:非标准化残差。 2)Standardized: 标准化残差
3) Adj. Standardized:调整的标准化残差
上述选择做完以后,单击Continue 按钮,返回到Crosstabs 对话框。 5.确定列联表的行顺序
单击Format (格式)按钮,打开Format 对话框,如图7-4 所示。在该对话框中可以选择在输出的列联表中行的排列是升序还是降序。系统默认是升序。选择做完以后,单击Continue 按钮,返回到Crosstabs 对话框。
图7-4Format 对话框
6.单击OK 按钮,提交运行。即可在输出文件的Output 窗口中输出列联表。
7.2 列联表的实例分析
实例:对“休闲调查1”中的“性别”和“对闲暇生活的满意度 — 夫妻共度闲暇时间状况”进行列联表分析,并进行卡方检验。
打开数据文件“休闲调查1”后,执行下述操作:
1.Analyze →Descriptive →Crosstabs 打开Crosstabs 对话框。
2.从左侧的源变量窗口中选择“性别” 变量进入到Row(s)窗口中,选择“对闲暇生活的满意度 — 夫妻共度闲暇时间状况”变量进入到Column(s) 窗口中。
3.单击Statistics 按钮,打开statistics 对话框。选择Chi-square 选项。单击Continue 返回到Crosstabs 对话框。
4.单击Cell 按钮,打开Cell Display 对话框。选择Row 选项。单击Continue 返回到Crosstabs 对话框。
5.单击OK 按钮,提交运行。系统打开Output 窗口并输出如表7-1、表7-2、和表7-3的统计分析结果。 表7-1 统计概要
Case Processing Summary
表7-2 列联表
性别* 对闲暇生活的满意度 — 夫妻共度闲暇时间状况 Crosstabulation
表7-3 卡方检验表
Chi-Square Tests a.2 cells (20.0%) have expected count less than 5. Theminimum expected count is 3.47.
在卡方检验表中中各项的内容分别为: ◆Pearson Chi-Square:皮尔逊卡方值
◆Likelihood Ratio:似然比卡方(初学者可不必了解)。 ◆N of Valid Cases:有效Cases 数
◆Asymp. Sig. (2-sided):双尾的非对称的显著性检验。
卡方检验表下面的说明是:有2 个格值(占总格值数的20%)的期望频次小于5。卡方检验要求期望频次小于5 的格值数不应超过25%,本实例的检验满足要求,卡方检验的结果是有效的。
卡方检验的结果表明,皮尔逊卡方值为检验的显著性水平已达到0.014,小于0.05, 说明男女两性对夫妻共度闲暇时间状况的满意度有显著差异。结合表7-2 中的行百分比可以看出女性的满意度低于男性,而不满意度则高于男性。说明女性更渴望夫妻共同度过闲暇时间。
第八章 多选变量分析
8.1 用多选变量生成新变量
8.1.1 用多选变量生成新变量的过程 8.1.2 用多选变量生成新变量的实例 8.2 多选变量的频次分析
8.2.1 对多选变量进行频数分析的过程 8.2.2 对多选变量进行频数分析的实例 8.3 多选变量的列联分析
8.3.1 对新变量进行列联分析的过程 8.3.2 对新变量进行列联分析的实例
多选变量是指对于包含了多个答案的一个问题,可以允许被调查者在其中作多项选择。 多项选择题可以在SPSS 中做成多个内容相同的变量。对于多选变量进行分析时 ,我们不仅希望知道某些选项在第一选、第二选或第三选中分别被多少人选择过(通过frequency 解决),我们还希望知道某些选项在多次选择中总共被选择了多少次,这个问题要通过多选变量分析来解决。现以“休闲调查1”中的“娱乐活动目的”一题的回答结果为例,来阐述多选变量的分析过程。由于娱乐活动目的是多方面的,因此允许被调查者在给出的六个答案中做三项选择。每一项选择都在SPSS 的数据文件中做成一个变量,即做成了三个相同内容的变量。对这三个变量的分析就是多选变量的分析。但要注意,一定要把这些变量设置成为数值型变量,否则无法进行多选变量的分析。多选变量分析的基本过程分为两步来进行。第一步是用三个多选变量生成一个新变量。第二步是对新生成的变量进行分析。
8.1 用多选变量生成新变量
8.1.1 用多选变量生成新变量的过程 1.选择要分析的多选变量 执行下述操作:
Analyze →Multiple Response(多选变量)拉出二级菜单,如图8-1 所示。
图8-1 多选变量分析的二级菜单
在Multiple Response 的二级菜单中。下面两项是隐含的,只有Define Sets(定义多选变量)可以选择。单击Define Sets 打开定义多选变量对话框,如图8-2 所示。
图8-2 多选变量分析对话框
在该对话框中Set Definition 窗口左上角列出的是备选变量。Variables in Set 窗口中的是被选中的变量。在Set Definition 窗口中选择将要进行分析的多选变量,使之进入Variables in Set 窗口中。 2.确定多选变量的值
在多选变量分析对话框中,Variables Are Coded As 是定义多选变量的值的选项栏。 Dichotomies 为二分模式,即所有属于“Counted value”项的值均被计为1, 而其它值则被计为0。Categories 为分类模式,可在指定范围内保持原有数据的值。范围以外的将被视为缺失值。可将多选变量的取值范围输入到后面的两个窗口中。前一个窗口输入范围的低值,后一个窗口输入范围的高值。
3.确定新生成的变量名和变量名的标签
在Name 窗口中输入新生成的变量名。
在Label 窗口中输入新生成的变量名的标签。
4.上述选项作完以后,便激活了Add 按钮。单击Add 按钮,便把定义好的变量添加到Mult response Sets(多选变量集)的窗口中。
5.单击Close 按钮完成多选变量集的定义。此时,系统已生成了一个新的变量。 8.1.2 用多选变量生成新变量的实例
用“休闲调查1”中的“娱乐1”,“娱乐2”,“娱乐3”生成一个新的变量。 打开数据文件“休闲调查1”后,执行下述操作:
1.Analyze →Multiple Response→Define Sets 打开如图8-2 所示的对话框。
2.在Set Definition 窗口中选择“娱乐1”,“娱乐2”,“娱乐3”,并将这三个变量进入到Variables in Set 窗口中。
3.由于被分析的多选变量有6 个选项,从1 到6 为合法值。所以选择Categories 选项,激活后面的Range 和through 窗口。在Range 窗口中输入1,在through 窗口中输入7。
4.在Name 窗口中输入“娱乐”作为新生成的变量名。此时激活Add 按钮。单击Add 按钮,将新生成的变量“娱乐”添加到Mult Response Sets 窗口中。
5.单击Close 按钮, 关闭该对话框。系统已生成了一个名为“娱乐”的新变量。但这个新变量并不直接出现在数据窗口中。下一节中介绍这个新变量的使用方法。
8.2 多选变量的频次分析
上述用多选变量生成新变量的工作完成以后,执行下述操作: Analyze →Multiple Response 拉出二级菜单,如图8-3 所示。
图8-3 多选变量分析的二级菜单
在Multiple Response 的二级菜单中。下面两项原来隐含着的Frequencies 和Crosstabs 两相已被激活,即可以对多选变量进行频数分析和列联列表分析。单击任何一项,都可以打开相应的对话框。具体的分析方法将在下面结合实例进行阐述。 8.2.1 对多选变量进行频数分析的过程
1.打开频数分析对话框 执行下述操作:
Analyze →Multiple Response→Frequencies 打开频数分析对话框, 如图8-4 所示。
图8-4 多选变量频数分析对话框
(1)Mult Response Sets(多选变量集)窗口中的变量即是用多选变量生成的新变量。 (2)Table (s )for 窗口中的变量是要分析的变量。 (3)Missing Values 是处理缺失值方法的选项栏。
1)Exclude cases listwise within dichotomies 是否排除二分变量中的缺失值。 2)Exclude cases listwise within categories 是否排除分类变量中的缺失值。 2.确定要分析的变量
选择Mult Response Sets 窗口中的变量,并使之进入到Table (s )for 窗口中 3.单击OK 按钮,提交运行。系统将在输出文件Output 窗口中输出频数分布表。 8.2.2 对多选变量进行频数分析的实例
实例:对生成的新变量“娱乐”进行频数分析。 打开数据文件“休闲调查1”后,执行下述操作:
1.Analyze →Multiple Response→frequencies 打开如图8-4 所示的多选变量频数分析对话框。
2.选择Mult Response Sets 窗口中的变量“途径”。单击图8-4 中间的箭头按钮,将变量“途径”进入到Table(s)窗口中,同时激活OK 按钮。
3.单击OK 提交运行后。系统打开输出窗口,可看到如表8-1 所示的频数分布表。
表8-1 多选变量频数分布的输出结果
Group $娱乐
Pct of Pct of
Category label Code Count Responses Casess 消磨时间 1 87 12.8 30.7 松弛身心 2 210 30.8 74.2 结交朋友 3 106 15.6 38.5 愉悦精神忘却烦恼 4 196 28.8 69.3 为了更好地工作 5 75 11.0 26.5
其它 6 7 1.0 2.5
------- ----- -----
Total responses 681 100.0 240.6
0 missing cases; 283 valid cases
表中的Count 下的数据是每个选项被回答的次数。Total responses是回答的总次数。
Responses 下面的数据是以回答次数作为分母的百分比,Cases 下面的数据是以Cases 数为分母的百分比。由于每个人都可以做多项选择,所以以Cases 数为分母的百分比要大于回答次数作为分母的百分比。从表中可以看出,有283个有效数据,有681个选择结果。也就是说,有283个人共作了681项选择。
8.3 多选变量的列联分析
8.3.1对量进行列联分析的过程 1.打开对话框 执行下述操作:
Analyze →Multiple Response→Crosstabs 打开列联分析对话框, 如图8-5 所示。
图8-5 多选变量的列联分析对话框
该对话框的左上方的窗口的内容是单选变量集,左下方的窗口的内容是多选变量集,即用多选变量生成的新变量。Row(s)是行变量窗口,Column(s)是列变量窗口。Layer(s)是层变量窗口。
2.选择列联分析的变量
将多选变量和将要与之进行列联分析的变量分别进入行变量窗口和列变量窗口,此时Define Ranges (确定范围)按钮被激活。 3.确定分析变量的范围
单击Define Ranges 按钮,打开对话框,如图8-6 所示。
图8-6 Define Ranges 对话框
在Minimum 窗口和Maximum 窗口,分别填上与多选变量进行列联分析的那个变量的的最小值和最大值,同时激活Continue 按钮。单击Continue 按钮返回多选变量列联分析对话框。 4.确定输出内容
单击Options 按钮,打开对话框,如图8-7 所示。
图8-7 Options 对话框
该对话框包括了三个选项栏。
(1)Cell Percentages 是在输出的列联表的每个单元格中输出百分比的选项栏。 1)Row 是输出行百分比(以行总数为分母)。 2)Column 是输出列百分比(以列总数为分母)。 3)Total 是输出总百分比(以总数为分母)。
多选变量由于是对多个同样变量的选择结果进行了合并。因此选择总数要大于个案总数。相应输出的边缘频率分布也有两种。一种是以个案总数为分母计算的,一种是以选择总数(Responses )为分母计算的。
(2)Match variables across response sets 是确定使用选择数还是个案数的选项。 如果选择了该项,则输出与多选变量进行列联分析的匹配变量的选择数和以选择总数为基础计算的边缘频率分布。如果不作此项选择,系统将输出与多选变量进行列联分析的匹配变量的个案数和以个案总数为基础计算的边缘频率分布。
(3)Percentages Based on 是确定列联表中的百分比计算是采用个案数(Cases )还是以回答总数(Responses )作分母的选项栏。系统默认的是采用个案数作分母。 (4)Missing Value 是处理缺失值的方法的选项栏。
1)Exclude cases listwise within dichotomoes 是排除在二分名义变量中的缺失值。 2)Exclude cases listwise within categories 是排除在分类变量中的缺失值。 上述选项做完以后,单击Continue 按钮,返回多选变量列联分析对话框。
5.单击OK 按钮,提交运行。系统将在输出文件Output 窗口中输出列联分析结果。
8.3.2对实例:对多选变量“娱乐”与“性别”进行列联分析。
打开数据文件“休闲调查1”后,执行下述操作:
1.Analyze →Multiple Response→Crosstabs 打开如图8-5 所示的对话框。
2.在左侧单选变量集窗口选择“性别”进入Column(s)窗口,在多选变量集窗口中选 择“娱乐”进入Row(s)窗口,此时Define Ranges 按钮被激活。
3.单击Define Ranges 按钮,打开如图8-6 所示的对话框。在Minimum 窗口中填入1, 在Maximum 窗口中填入2(1 和2 是变量“性别”的最小值和最大值)。单击Continue 按钮, 返回多选变量列联分析对话框。
4.单击Options 按钮,打开如图8-7 所示的对话框。在Cell Percentages 选项栏中选 择Row 选项。单击Continue 按钮,返回多选变量列联分析对话框。
5.单击OK 按钮,提交运行。可在输出窗口中看到输出文件表8-2。从表中可以看
出,有效的Cases 数是283 个,有效的回答数是681 个。表中的数据是回答数而不是Cases 数。表中的百分比是基于回答数计算的。从表中可以看出,男性“结交朋友”和“为了更好 地工作”两相的选择上明显高于女性,而女性在“愉悦精神忘却烦恼” 选择上明显高于男 性。表8-2 多选变量列联分析输出表