应用SPSS软件进行列联表分析

运用SPSS软件对列联表进行分析在许多调查中，获得的数据大多是定性数据，即标称或有序标度测量数据。例如，在一项关于全球教育水平的研究中，调查了400多人的个人信息，包括性别、教育背景、种族等。在整理出原始数据后，可以得到一个频率分布表。定义四个变量：性别、教育、少数民族和计数，其中前三个是分类变量，性别变量的值为0和1。标签值定义为：0表示femalee，1表示mal教育变量的值为1、2和3，标签值定义为：1表示低教育水平，2表示中等教育水平，3表示高教育水平；少数变量的值是0和1。标签值定义为：0表示非少数民族，1表示少数民族。以下是对性别、教育和少数民族及其独立性测试的三维列联表分析。数据文件如图1所示。图1第一步：用“计数”变量作为权重进行加权分析。从菜单中选择数据加权案例命令，打开对话框，如图2所示。图2按项目点击重量箱，将变量“计数”移动到频率变量列，然后点击确定按钮。步骤2:从菜单中单击分析-值得统计-交叉表，打开交叉表对话框，如图3所示。图3第三步：在交叉表对话框中，如图4所示，将左侧列表框中的性别变量移动到行变量行框中，将教育变量educat移动到列变量列框中(如果此时单击确定按钮，将输出一个2*3的二维列表)。这里，将输出三维列表，将变量少数民族作为分层变量移动到层框中，并且可以检查左下方的显示聚集条形图项目以输出聚集条形图，如图8和图9所示。图4第4步：选择统计，然后单击Cosstabs对话框下侧的统计按钮打开其对话框，如图5所示显示。图5在统计对话框中，检查卡方项目以输出表2进行独立性检查。由于不是用固定距离和固定特定尺度测量的数据，因此不能选择简单的相关系数相关。接下来，根据数据类型，选择相应的列相关测量值：在固定类数据的标称列下，检查列联系数列相关系数和Phi及Cramer的V选项(此处不能选择Phi系数，因为它仅用于2*2列相关表，但SPSS必须将其与Cramer的V统计一起选择一个选项)，以及Lamabda和不确定性系数不确定性系数。您还可以在测序数据的序数列下选择伽玛、萨默斯数和肯德尔数之和。对于标称间隔列下的预计到达选项，没有必要选择它，因为这不是通过固定距离和固定刻度测量的数据。单击继续按钮返回交叉表主对话框。步骤5:单击交叉表对话框下侧的单元格按钮打开其对话框，如图6所示。在单元格显示对话框中，选中计数列下的观察和预期两个选项。并选中“百分比”列下的“行”、“列”和“总计”选项。因此，可以输出一个列联表(如表1)。单击继续按钮返回交叉表主对话框。图6步骤6:点击交叉表对话框下方的格式按钮，打开表格格式对话框，如图7所示。这只是输出格式的一个定义。行顺序按升序或降序排列，系统隐含设置按升序排列(实际上，一般不需要打开此对话框，只需要系统隐含设置)。单击继续按钮返回交叉表主对话框。图7步骤7:在交叉表对话框中，单击确定按钮执行。输出结果如表1至表4所示。表1性别、教育和种族对照表表2卡方检验表3方向测量表4对称性度量在三维表格中，参见图7和图8，可以看出，非少数民族的低学历女性比例为72.9%，高于低学历男性比例25.8%；相反，受过高等教育的女性比例仅为0.6%，远远低于男性。在少数民族中，从低学历到高学历，男性和女性都有同样的下降趋势，即低学历的比例高，中等学历的比例次之，高学历的比例最低。然而，这一趋势对女性来说更为明显，分别为75%、25%和0%。图8图9在非少数民族中：=93.724，非常大，相应的P值小于0.001。因此，它在0.001的显著水平上是高度显著的，即拒绝性别和学历相互独立的最初假设，并且两者之间存在高度显著的相关性。从综合柱状图可以直观地看出，低学历女性的比例高于男性，而高学历男性的比例高于女性。在少数民族群体中：=5.926，p=0.0520.05，因此，在0.05的显著水平上，没有理由拒绝最初的假设，即两个变量是独立的，这表明性别和教育这两个变量是相互独立的，没有显著的相关性。在表3的方向测量中，有两种类型的系数：不确定系数和萨默斯d。每个系数有三种形式：对称、性别依赖和教育依赖。事实上，我们关心的是对称和教育作为因变量的两种形式。这里，非少数民族的对称不确定系数为0.173，而少数民族的对称不确定系数为0.050。此外，以教育背景为因变量的非少数民族的对称不确定性系数为0.148，少数民族的相关度高于少数民族。在对称测度中，克拉姆的V值列联系数、肯德尔的系数值和非少数民族的值均高于少数民族，表明预测能力强于非少数民族。事实上，克拉姆V值的列表系数的近似P值是0.052，这在0.05的显著水平上是不显著的。在列联表的分析中，除了观察值的分布之外，还应该为列联表的分布构造一个条件百分比表。根据不同的比较基准，该百分比分