【摘要】 在考虑变量之间的关系时，我们通常摘要变量之间的相关程度。对于数值型变量，通常计算相关系数和进行回归分析，而对于定类型变量则通常采

在考虑变量之间的关系时，我们通常摘要变量之间的相关程度。对于数值型变量，通常计算相关系数和进行回归分析，而对于定类型变量则通常采用列联表过程进行分析。列联表给出了多个变量在不同取值下的数据分布，从而可摘要变量之间的相互关系。

主要功能

1.常用于研究离散变量的名义变量和有序变量有无相关。

2.调用列联表分析过程可进行计数资料和某些等级资料的列联表分析。

3.在分析中，可以对二维和多维列联表（RC表）资料进行统计描述和x检验，并计算相应的百分数指标。

4.可以计算四格表的确切概率（Fisher’s 精确 Test）且有单双侧（One-Tail 和 Two-Tail）、对数似然比检验（Likelihood Ratio）以及线性关系的Mantel-Haenszel x检验。

参数设置

1.打开数据文件

选择“分析”—“统计描述”—“交叉表格”，弹出交叉表格对话框。部分项的含义如下：

行列表：从左侧的变量列表中选择一个或多个变量进入其中作为行变量。 列列表：从左侧的变量列表中选择一个或多个变量进入其中作为列变量。 层：分层变量，决定频数分布表的层，如果要增加一个分层变量，就单击【下一页】按钮，再选择一个分层。如果选择一个或多个层变量，那么将对每个层变量的每个类别产生单独的交叉制表。

2.单击【精确】按钮

弹出“精确检验”对话框。部分项的含义如下：

仅渐进法：基于渐进分布计算的概率值，一般情况下值小于0.05，则认为显著。 Monte Carlo：统计量是精确显著水平的无偏估计。置信度框中可输入0.01-99.9的置信水平。样本数框中可输入1-1000000000之间的样本数。 精确：精确计算概率，当值小于0.05，则认为是显著，行、列变量之间相互独立，适合在期望数有小于5的情况下使用。

3.单击【Statistics】按钮

弹出“交叉表格：统计”对话框，该对话框是用来选择统计分析量。部分项的含义如下:

卡方：卡方检验包括皮尔逊卡方检验、似然比卡方检验等，当两个表变量都是定
量变量时，用来检验行变量和列变量之间是否相关。 相关性：选择此项，将生成Spearman相关系数Rho, 用来测量等级顺序之间的相关性。当两个表变量都是定量变量时，相关产生Pearson 相关性系数R,这是变量之间的线性相关性测量。

4.单击【单元格】按钮

弹出“交叉表格：单元格显示”对话框，设置单元格显示内容。部分项含义如下：

（一）计数复选框

观察值：显示实际频数，系统默认。 期望值：显示期望频数。 隐藏较小计数：选择此项，在输入框中输入一个数值n的整数，则可以隐藏频数小于指定整数n的计数。n必须大于或等于2。

（二）百分比复选框误

行：显示行百分比，单元格频数占所在行观测量的百分比。 列： 显示列百分比，单元格频数占所在列观测量的百分比。 总计：单元格频数占全部观测量的百分比。

（三）z-检验

比较列的比例：勾选此项，将计算列属性的成对比较，并指出给定行中的哪对列明显不同。使用下标字母以APA样式格式在交叉表中标识显著性差异，并以0.05显著性水平对其进行计算。 调整ρ值(Bonfcroni 方法)：列比例的成对比较使用了Bonferroni 修正，可在进行了多个比较后调整观察到的显著性水平。

5.单击【格式】按钮

弹出“交叉表：表格格式”对话框，可以选择按行变量值的升序或降序来排列行。

案例

01.操作步骤

（1）打开“data3.sav”数据文件，选择“分析”—“描述统计”—“交叉表格”，弹出“交叉表格”对话框。

（2）在左侧的变量列表中选中“性别”变量，单击【选入】按钮，将其选入“行变量列表”；选中“工作满意度”变量，单击【选入】按钮，将其选入“列变量列表”，并勾选“显示集群条形图”。

（3）单击【精确】按钮，弹出“精确检验”对话框，勾选“仅渐进法”选项。单击【继续】按钮返回主对话框。

（4）单击【Statistics】按钮。弹出“交叉表格：统计”对话框，勾选“卡方”复选框，单击【继续】返回主对话框。

（5）单击【单元格】按钮，弹出“交叉表格：单元格显示”对话框，勾选“观察值”复选框、“期望值”复选框、“行”复选框、“列”复选框和“四舍五入单元格计数”选项，单击【继续】按钮返回主对话框。

（6）单击【格式】按钮，弹出“交叉表：表格格式”对话框。勾选“升序”选项。单击【继续】按钮返回主对话框。

（7）完成所有设置后，单击【确定】按钮执行命令。

02.输出结果

（1）个案处理值摘要

（2）性别*工作满意度交叉列表

（3）卡方测试

（4）工作满意度条形图