SPSS26.0统计分析：在心理学与教育学中的应用 课件 第8章 交叉表分析

2026/10/30第八章交叉表分析SPSS26.0统计分析

——在心理学与教育学中的应用第八章交叉表分析第八章交叉表分析8.1交叉表格的独立性检验及效应量计算8.2分层交叉表的独立性检验8.3一致性卡方检验8.4列联表的品质相关分析8.5交叉表格分析的报告参考样例交叉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，列联表。本章交叉表分析过程，既包括对数据进行汇总，也包括了独立性卡方检验、品质相关性检验（Phi相关检验）。卡方检验、Phi相关检验是分析交叉表资料常用的假设检验方法，这两类分析处理的数据都属于称名变量。一、独立性检验：也称为同质性检验，是指两个或两个以上的分类变量之间是相互独立还是相互联系的假设检验。原假设H0：所观测的两个分类变量之间没有关联。备择假设H1：所观测的两个分类变量之间有相关。二、品质相关性检验：

指两个或两个以上的分类变量（顺序变量）之间相关性程度的假设检验。原假设H0为：所观测的两个分类变量之间的相关性为0。备择假设H1为：所观测的两个分类变量之间的相关性不为0。8.1交叉表格的独立性检验及效应量计算一般交叉表分析使用的数据形式有两种情况：第一种情况是已整理的汇总表数据；第二种情况是对原始数据进行交叉表分析。

以下分别举例。交叉表分析的类型变量水平无论是2×2，还是R×C（R＞2,C＞2），都是使用相同的SPSS菜单命令。8.1.1汇总表数据的交叉表分析及效应量计算案例【例8-1】为探讨慢性胃病的影响因素，研究者调查了339人（原始数据为：精神焦虑与慢性胃病的调查原始信息数据.sav），得到调查数据初步汇总情况如下：SPSS操作步骤如下：第1步：输入数据。

怎样将实际问题中的数据准确转化、表达为SPSS中的数据，也是SPSS学习过程中需要注意学习的一个方面。这是由实际问题到数据处理、研究分析的一个“桥梁”。在本例中，有三个变量：变量“焦虑情况”有两个水平：1为精神焦虑，2为非精神焦虑；“患胃病情况”有两个水平：1为患病，2为不患病；变量“人数”为计数频数。整理后的数据文件：精神焦虑与慢性胃病.sav第2步：进行人数加权。单击菜单命令【数据】

【个案加权】。用“人数”变量来进行加权。

（思考：为什么要做加权操作？）第3步：启动分析过程。点击菜单【分析】

【描述统计】

【交叉表】菜单命令。第4步：设置分析变量。将“焦虑情况”变量选入“行：”变量框中。将“患胃病情况”变量选入“列：”变量框中。第5步：输出复式条形图和分布表。选中“显示簇状条形图”复选框。

第6步：统计量选择。点击【统计】按钮，弹出“交叉表：统计”对话框。第7步：设置交叉表的显示。点击“单元格”第8步：设置输出格式。点击“格式”第9步：在主对话框中点击【确定】按钮，提交执行。

第10步：结果分析。第一个表格：个案处理摘要表。（略）第二个表格：精神焦虑与患胃病情况的交叉表。第三个表格：卡方检验。从表中可看出，皮尔逊卡方检验的卡方值为7.469，显著性Sig值为0.006＜0.05，应拒绝原假设，即认为精神焦虑与患慢性胃病是不独立的，它们之间存在关联。第四个表格：对称测量计算皮尔逊卡方检验的卡方值的效应量和统计检验力，其统计原理与计算公式可参见参考：

胡竹菁.(2019).心理统计学(第2版).北京:高等教育出版社.第三步：根据克莱姆V系数值的大小和自由度查表确定克莱姆V系数的统计检验力。在本例中，由前面计算的效应量，和第二步查询评定表的结果，可知卡方检验为小效应量，总自由度为（2－1）*（2－1）＝1，总体N为339，查询表8-3统计检验力表，可知统计检验力为大约0.29，也就是说，本例中精神焦虑与患慢性胃病这两个变量之间存在着关联，其可能性为29%左右。

总之，在本例中，统计量检验显著，但是效应量小。这说明统计结论的可靠性较低，还需进一步的研究资料佐证此结论，研究结果推广时要慎重。

第四个表格：风险评估。[分析]：比值比（OR值）为2.471，也就是说，精神焦虑人群患胃病为非精神焦虑人群的2.471倍。2.471可由表中2.162/0.875得到。在本题中，用原始数据和用归类数据算卡方检验，算出来的结果会一样吗？一样不一样AB提交投票最多可选1项8.1.2原始数据的交叉表分析及效应量计算案例：【例8-2】这里以“大学生学习消费调查问卷.sav”的数据为例，分析大学生的男女性别与英语四级通过情况、考研意向（考研、不考研、暂时未定）、消费观念倾向水平（分为节约、适度、高消费三个等级）变量之间是否有关联。SPSS操作步骤如下第1步：打开分析数据。打开“大学生学习与消费调查问卷.sav”文件。第2步：启动分析过程。点击【分析】

【描述统计】

【交叉表】菜单命令。第3步：设置分析变量。第4步：输出复式条形图和分布表。选中“显示簇状条形图”复选框。

第5步：统计量选择。点击【统计】按钮，弹出“交叉表：统计”的对话框。本例选中“卡方”、“Phi和克莱姆V”。其他复选框都不选择。

第6步：设置交叉表的显示。点击【单元格】按钮，弹出“交叉表：单元格显示”的对话框。在“计数”栏内，选中“实测”、“期望”。在“百分比”栏内：

选中“行”。第7步：设置输出格式。

第8步：点击【确定】按钮，提交执行。

第9步：结果分析。第一个表格：个案处理摘要表。（略）第二个表格：性别与英语四级的交叉表

第三个表格：性别与英语四级的卡方检验表

第四个表格：性别与英语四级的对称测量

皮尔逊卡方检验的卡方值为22.292，显著性水平p＜0.05，应拒绝原假设，即认为性别与英语四级通过情况之间不独立的，两变量之间存在着关联。

换句话说，男女性别在英语四级通过情况上存在差异。结合前面的交叉表的计数人数，认为女生在四级通过人数比例显著大于男生。计算性别与英语四级的卡方值的效应量和统计检验力。第一步：效应量克莱姆V系数为0.279。第二步：根据Cohen（1992）对克莱姆V系数效应量大小的评定表（查询表8-2），效应量0.279，很接近0.30，为中效应量。第三步：根据克莱姆V系数值的大小和自由度查表确定统计检验力。这里卡方检验为中效应量，总自由度为（2－1）*（2－1）＝1，总体N为286，查询表8-3统计检验力表，可知统计检验力为大约0.99。由以上计算可知，在本例中，统计量检验显著，并且是中效应量。此时说明统计结论的可靠性尚可，基本可以认同此结论。第五个表格：性别与考研意向类型的交叉表。（略）第六、七个表格：性别与考研意向类型的卡方检验表、对称测量。在性别与考研意向类型的卡方检验表中，皮尔逊卡方检验的卡方值为2.857，显著性p值为0.240＞0.05，接受原假设，认为性别与考研意向类型之间是独立的。即，男女学生在考研意向上不存在差异。计算性别与考研意向类型的卡方值的效应量和统计检验力。第一步：效应量克莱姆V系数为0.10。

第二步：根据Cohen（1992）对克莱姆V系数值效应量大小的评定表（查询表8-2），本例中更小自由度为1，在该评定表中的第一行中查找，克莱姆V系数等于0.10，也就是说，为小效应量。此时统计检验力则不需要查询。由以上计算可知，本例的统计量检验不显著，并且是小效应量。此时应认同此统计结论，在此情境下不需要进一步探讨研究。第八、九、十个表格：性别与消费倾向类型的交叉表、卡方检验表、对称测量。(略)具体分析，由同学们思考。在实际应用中，大部分测量数据都是原始数据，即获得的是每个作答的具体信息，在SPSS录入的数据集中，一个被试占一行记录。当然，有时也会获得计数数据，例如统计满意度调查，或者简要汇总的某些教育信息。无论是原始数据还是汇总数据，最后所得的卡方检验结果是一样的。不同的是，汇总数据在SPSS操作时，需要对“人数”等变量进行加权。【思考题】由【例8-1】的原始资料录入为原始数据文件“精神焦虑与慢性胃病的调查原始信息数据.sav”，在SPSS中一行代表一个被试的信息。请根据原始数据文件，分析精神焦虑与慢性胃病是否存在联系。将此结果与【例8-1】的分析结果对比，比较两种情况下的统计结果是否有差异。第八章交叉表分析8.1交叉表格的独立性检验及效应量计算8.2分层交叉表的独立性检验8.3一致性卡方检验8.4列联表的品质相关分析8.5交叉表格分析的报告参考样例第八章交叉表分析8.2分层交叉表的独立性检验分层交叉表分析也可称为分层卡方分析、分层卡方检验。它是把对象分解成不同的层次，每层分别检验行变量与列变量的独立性。如果分层卡方分析的分层变量在几个分层之间的分布不均，既可能削弱了原本存在的行变量与列变量之间的关系，也可能使得原本不存在关系的两个变量呈现统计学上显著的关系。为了避免分层卡方分析带来的误差，分层卡方分析往往需要大样本数据。用于分层的变量往往是性别、年级、职业、地区等人口学变量。案例：【例8-3】为了解大学生的专业承诺与学习兴趣、学习成绩之间的关系，通过问卷调查获得了数据文件“专业承诺与学习兴趣、学习成绩的关系.sav”。考虑到这些信息可能存在性别差异，因此将性别变量作为分层变量。第1步：打开数据文件。第2步：启动分析过程。点击【分析】

【描述统计】

【交叉表】菜单命令。第3步：设置分析变量。将“专业承诺”变量选入“行：”变量框中。将学习兴趣”、“学习成绩”变量选入“列：”变量框中。

在“层1/1”框内，将性别变量从左边选择到分层变量框内。第4步：统计量选择。

点击【统计】按钮，弹出“交叉表：统计”的对话框。本例选中“卡方”、“Phi和克莱姆V”、“柯克兰和曼特尔-亨塞尔统计”

第5步：设置交叉表的显示。

点击【单元格】按钮，弹出“交叉表：单元格显示”的对话框。在“计数”栏内，选中“实测”。第6步：设置输出格式。点击【格式】按钮，弹出对话框。在本例中，按系统默认选择“⊙升序”。第7步：在主对话框中点击【确定】按钮。第8步：结果分析。第一个表格：个案处理摘要表。（略）第二个表格：专业承诺*学习兴趣*性别的交叉表第三个表格：专业承诺*学习兴趣*性别的卡方检验表第三个表中的“总计”所对应的卡方检验值，就是未分层前的卡方检验值。由结果可知，在“性别”=女、“性别”=男、总计三个栏目上的卡方值都达到显著，拒绝原假设，即在性别各个层次上，专业承诺与学习兴趣两个变量存在着关联。也就是说，无论是男性还是女性，专业承诺与学习兴趣都存在紧密的联系。第四个表格：专业承诺*学习兴趣*性别的对称测量第五至七个表格：比值比齐性检验、条件独立性检验、曼特尔-亨塞尔一般比值比估算。比值比齐性检验，也就是层间一致性检验。显示差异不显著，说明在不同性别组中，专业承诺与学习兴趣的关系是相同的。条件独立性检验，也就是分层卡方检验，这里的柯克兰卡方值为50.287，曼特尔-亨塞尔47.801，对应的p都小于0.05，拒绝原假设。结论是：考虑了性别的影响因素后，专业承诺与学习兴趣是有关联的。曼特尔-亨塞尔一般比值比估算为7.571，对应的渐进显著性水平小于0.05，拒绝原假设。

结论：在排除性别因素的影响后，专业承诺高的人群中学习兴趣高的比例，是专业承诺低的人群的7.571倍。第八、九、十个表格：专业承诺*学习成绩*性别的交叉表、卡方检验、对称测量。第八章交叉表分析8.1交叉表格的独立性检验及效应量计算8.2分层交叉表的独立性检验8.3一致性卡方检验8.4列联表的品质相关分析8.5交叉表格分析的报告参考样例第八章交叉表分析8.3一致性卡方检验一致性卡方检验属于配对卡方检验的一种。它经常用在下列两种情况中：一种是检验测验诊断评价结果（或实验方法）与公认标准的一致性；另一种是评价两种方法对同一批样本的实验效果一致性，或两个专家对同一批样本的评价结论的一致性，等等。一致性卡方检验常用的评价指标为Kappa值。Kappa值即内部一致性系数，是作为评价判断的一致性程度的重要指标。取值在0～1之间。Kappa≥0.75两者一致性较好；0.75>Kappa≥0.4两者一致性一般；Kappa<0.4两者一致性较差。案例：【例8-4】两位教师对104篇学生的论文进行评审，请评价这两位老师评价结果的一致性。第1步：打开分析数据。打开“两教师对论文的成绩评价.sav”文件。第2步：启动分析过程。点击【分析】

【描述统计】

【交叉表】菜单命令。第3步：设置分析变量。将“甲教师”变量选入“行：”框中。将“乙教师”变量选入“列：”框中。

第4步：统计量选择。点击【统计】按钮，弹出“交叉表：统计”的对话框。本例选中“卡方”、以及“Kappa”两个复选框。其他复选框都不选择。第5步：设置交叉表的显示。点击【单元格】按钮，弹出对话框。在“计数”栏内，选中“实测”。其他复选框，均不选择。

第6步：设置输出格式。点击【格式】按钮，弹出对话框。在本例中，按系统默认选择“⊙

升序”。设置完成后，点击【继续】按钮回到上一级对话框。第7步：在主对话框中点击【确定】按钮。第8步：结果分析。第一个表格：个案处理摘要表。（略）第二个表格：甲教师、乙教师的交叉表。第三个表格：甲教师、乙教师的卡方检验表

在卡方检验表中，皮尔逊卡方值为36.189，显著性水平小于0.05，应拒绝原假设，即认为甲教师与乙教师的评审之间不独立的，两变量之间存在着关联。课后练习：卡方检验的效应量和统计检验力。第四个表格：甲教师、乙教师的Kappa系数

[分析]：根据Kappa的标准：Kappa≥0.75两者一致性较好；0.75>Kappa≥0.4两者一致性一般；Kappa<0.4两者一致性较差。在本例中的结果，Kappa值为0.590，属于两者一致性一般。第八章交叉表分析8.1交叉表格的独立性检验及效应量计算8.2分层交叉表的独立性检验8.3一致性卡方检验8.4列联表的品质相关分析8.5交叉表格分析的报告参考样例第八章交叉表分析8.4列联表的品质相关分析分析两个分类变量之间的相关分析。

这里只讨论φ相关系数、C相依系数。斯皮尔曼（Spearman）相关系数、皮尔逊（Pearson）相关系数已在第五章中讲述。例8-5：在关于“儿童从众行为与儿童的思维类型（场独立性、场依存性）之间是否有关联”的调查中，儿童的从众回答人数情况表如下：(需要同学们思考：怎么在SPSS中输入此表格的数据？)第1步：输入数据。汇总表中涉及到两个变量“思维类型”，“回答类型”；变量“思维类型”有两个水平：1为场独立性，2为场依存性；“回答类型”有两个水平：1为从众回答，2为不从众回答；变量“人数”为计数频数。第2步：进行人数加权。点击菜单命令【数据】

【个案加权】，打开【个案加权】对话框。选择单选按钮“⊙个案加权系数”，再将变量“人数”选入“频率变量”框，单击【确定】按钮，完成变量“人数”加权。第3步：启动分析过程。点击菜单【分析】

【描述统计】

【交叉表】菜单命令第4步：设置分析变量。将“儿童思维类型”变量选入“行：”变量框中。将“儿童从众回答”变量选入“列：”变量框中。第5步：统计量选择。点击【统计】按钮，选中“卡方”、“Phi和克莱姆V”这两个复选按钮。第6步：在主对话框中点击【确定】按钮，提交执行。

第7步：结果分析。第一个表格：个案处理摘要。（略）第二个表格：儿童思维类型*儿童从众回答交叉表儿童思维类型、儿童从众回答这两个变量之间的独立性检验的卡方值为15.266，对应的p小于0.05，拒绝原假设，即儿童思维类型与儿童从众回答这两个变量存在关联性。对应的效应量和统计检验力由同学们课后计算。第四个表格：对称测量特别说明：儿童思维类型、儿童从众回答之间的Phi相关系数为-0.135，这里的负值表示2*2四分格中，ad小于bc儿童思维类型、儿童从众回答之间的Phi相关系数为-0.135，对应的p值小于0.05，拒绝原假设，即儿童思维类型与儿童从众回答这两个变量存在显著的相关性。同理，儿童思维类型、儿童从众回答之间的CramerV相关系数（也就是C系数）为0.135，对应的p值小于0.05，拒绝原假设，即儿童思维类型与儿童从众回答这两个变量存在显著的相关性。案例：【例8-6】某一大学进行研究生的英语学位考试，获取该次考试中的部分题目作答数据和考生最后的成绩评定，数据文件为“英语学位考试成绩.sav”，试分析这些题目的区分度（Phi相关系数）。SPSS操作步骤：第1步：打开数据。打开数据文件“英语学位考试成绩.sav”。第2步：启动分析过程。点击菜单【分析】

【描述统计】

【交叉表】菜单命令第3步：设置分析变量。将“v1，v2……v20”选入“行：”变量框中。将“学位英语成绩评定”选入“列：”变量框中。第4步：统计量选择。点击【统计】按钮，弹出“交叉表：统计”的对话框。选中“Phi和克莱姆V”这个复选按钮。其他复选框都不选。

第5步：在主对话框中点击【确定】按钮，提交执行。

第6步：结果分析。在结果窗口中查看计算结果，主要输出内容如下。第一个表格：个案处理摘要。（略）第二、三个表格：v1*学位英语成绩评定交叉表和对称测量表v1与学位英语成绩评定两个变量的Phi相关系数为0.142，对应的渐进显著性水平P值小于0.05，拒绝原假设，即v1与学位英语成绩评定两个变量有关联。也就是说，v1题目的区分度Phi相关系数显著；或者说，v1题目的区分度较高，有较高的区分能力。在这20道题目中，与v1的Phi相关系数检验相似，区分度较高、有较高的区分能力的题目还有v3，v4，v5，v7，v8，v9，v10，v11，v12，v14，v15，v16，v17，v19，v20。第四、五个表格：v2*学位英语成绩评定交叉表和对称测量表v2*学位英语成绩评定怎么分析？在对称测量表格中，v2与学位英语成绩评定两个变量的Phi相关系数为0.063，对应的渐进显著性P值为0.117，大于0.05，接受原假设，即v2与学位英语成绩评定两个变量没有关联。也就是说，v1题目的区分度Phi相关系数不显著；或者说，v2题目的区分度较低，没有区分能力。在这20道题目中，与v2的Phi相关系数检验相似，区分度较低、没有区分能力的题目还有v6，v13，v18。第八章交叉表分析8.1交叉表格的独立性检验及效应量计算8.2分层交叉表的独立性检验8.3一致性卡方检验8.4列联表的品质相关分析8.5交叉表格分析的报告参考样例第八章交叉表分析8.5交叉表格分析的报告参考样例一、独立性卡方检验的报告参考样例需要报告：（1）汇总表；（2）卡方检验值、显著性，结论；（3）卡方检验的效应值和统计检验力【例8-1】分析结果报告：对焦虑情况、胃病情况进行独立性卡方检验，皮尔逊卡方检验的卡方值为7.469，显著值Sig值为0.006<0.05，应拒绝原假设，即认为精神焦虑与患慢性胃病是不独立的，两变量之间存在着关联。皮尔逊卡方检验的效应量克莱姆

V系数值为0.148，介于0.1与0.3之间，为小效应量。由于是小效应量，说明此统计结论的可靠性较低，还需进一步的研究资料佐证此结论，研究结果推广时要慎重。根据克莱姆V系数值的大小和自由度查表确定统计检验力大约为0.29;也就是说，本例中精神焦虑与患慢性胃病这两个变量之间存在着关联，其可能性为29%左右。二、分层卡方检验的报告参考样例本书【例8-3】分析结果在“性别”=女、“性别”=男、总计三个栏目上的卡方值分别为15.479、35.371、51.591，所对应的概率都小于0.05，拒绝原假设，即在性别各个层次上，专业承诺与学习兴趣两个变量存在着关联，换句话说，无论是男性还是女性，专业承诺与学习兴趣存在紧密的联系。“性别”=女、“性别”=男、总计三个栏目的效应量克莱姆V系数的值分别为：0.415，0.4