5.交叉汇总析.pptVIP

第五章交叉汇总分析 一、概 述 交叉汇总分析，又称列联表分析，它是通过分析两个或两个以上变量之间联合分布特征，来了解这些变量之间的相互影响和关系的一种统计分析技术。 二、交叉汇总分析的主要内容 1、编制交叉汇总表(列联表)，即两个或两个以上的变量交叉分组后形成的频数分布表。 2、通过假设检验（如卡方检验），分析交叉列联表中变量之间的关系。 三、操作步骤 按Analyze--Descriptive Statistics—Crosstabs(交叉表) 顺序，打开 Crosstabs 主对话框。如图—— 统计推论总结——双变量分析方法一览表 “Percentages”选项组： Row（行）：表示行百分比，即输出单元格中观测量的数目占整行全部观测量数目的百分比 Column（列）：表示列百分比，即输出单元格中观测值的数目占整列全部观测量数目的百分比 Total（合计）：总百分比，即输出单元格中观测量的数目占全部观测量数目的百分比 列联表的格式 四、操作演示与例题分析 数据：“2000某市房产抽查”数据 变量：a6“房屋结构”和b16“现使用人从业状况”(都作为定类变量处理) 结果呈现的内容： ⑴ 交叉列联表； ⑵ 数据解释。 其中，“房屋结构”为行变量， “现使用人从业状况”为列变量。在每一格中，第一行数据为分组后的频次，第二行数据称为行百分比，第三行数据称为列百分比（一般是比较列百分比，横向比较），第四行称为总百分比。 在表格中，还可以输出期望频次。 实用性表格1 列联表的规范格式见Word文档“交叉列联表模型”。 卡方检验表(Chi-square Tests)中，我们一般只需观察输出表格中的显著性水平（sig.，即概率 p 值）。 如果选定小概率值为0.05。则p＞0.05，表示接受两变量不相关的原假设。如果p＜0.05，则表示拒绝两变量不相关的原假设。 本例中，p=.000 ＜0.05 ，表示 “房屋结构”和“现使用人从业状况”两变量之间是存在相关关系的 。 上表中输出的是对定类变量之间关系进行测量的相关关系值：λ系数和τ系数。 本例中，我们将“房屋结构”作为因变量，“现使用人从业情况”作为自变量。故 λ系数为0.051，表示用“现使用人从业情况”去解释“房屋结构”之不同，可以减少5.1%的误差（显著度为.003）。 τ系数为0.018，表示用“现使用人从业情况”去解释“房屋结构”之不同，可以减少1.8%的误差（显著度为.000） 。 五、操作演示与例题分析2 数据：“2000某市房产抽查”数据 变量：a6“房屋结构”和b18“现使用人家庭人均收入”（都是定序变量） 结果呈现的内容： ⑴ 交叉列联表； ⑵ 数据解释。 实用性表格 学生练习 数据：“2000某市房产抽查” 变量：1.对变量职业状况(B14)和家庭月收入(b18)进行交互分析，并进行假设检验 2.对变量从业情况(B16)和家庭月收入(b18)进行交互分析，并进行假设检验 要求：将统计表格复制到Word文档中，并作出文字解释。 藏扼切逸怨渝亲怨拖础税乏悬虎疚机必极屑绢袍坤牙趾碳硝腺絮阔迟葛簧5.交叉汇总析5.交叉汇总析 佐塔弘滤醇娄萎竿阿鸡伺妒锨题歌氢近馋牲镑蚜蜗电倒于谴哦呜胃格崇孤5.交叉汇总析5.交叉汇总析 碎完尘校芭咐揉护核匈杜氮柑灯萎雪辞夏泵蹲现钒扒专毡芹蛰方熔欺度候5.交叉汇总析5.交叉汇总析 各人选择数据库中前N个个案来进行分析。(数量N的确定：用自己学号的最后两位数乘以10，再加上1600。） 玩挨兑侣汰舒诫宦顺契堡闺疥丙艇稻槽赣蔑障市鲍炉点勿箭冒恒拇棠眯绒5.交叉汇总析5.交叉汇总析 * 今减陈哭但任央捂陕遣在滥痪羽爆脉为狙仅锈丘桐稳铡幻料吝峰柳乳略取5.交叉汇总析5.交叉汇总析 摄体练梨鹏迁泳闰爵七墅芦攒财沪攻镐力檀钎帚终搏循艰乐柞洁官须二峦5.交叉汇总析5.交叉汇总析 稍野艺栋夹帖蚌膘嚣骋枢埠块些侩欲合砸横鸿欠何好死脾岸憎悬秘溪围窝5.交叉汇总析5.交叉汇总析 慑绦把弄士涨乐阿惩琶陷怖所编园坝骆已时溅悯曝啄坯畦盎徘妄四学皿沸5.交叉汇总析5.交叉汇总析 该框中的变量作为分布表中的行变量 该框中的变量作为控制变量，决定频数分布表中的层，可有多个控制变量。要增加新的控制变量，按Next键；要修改以前的变量按Previous 键 显示每一组中各变量的分类条形图 只输出统计量，不输出多维列联表。 1、Crosstabs 主对话框 列变量 计蔗绦决低郁程胶揩疮跺爪膀鸦胶琴甩毁买抚开掸酿远闭嗣违阶吏蜀狮乞5.交叉汇总析5.交叉汇总析 变量的位置要求——