【SPSS】列联表分析详细操作教程(附案例实战) |
您所在的位置:网站首页 › spss分类变量怎么输入 › 【SPSS】列联表分析详细操作教程(附案例实战) |
🤵♂️ 个人主页:@艾派森的个人主页 ✍🏻作者简介:Python学习者 🐋 希望大家多多支持,我们一起进步!😄 如果文章对你有帮助的话, 欢迎评论 💬点赞👍🏻 收藏 📂加关注+ 列联表分析什么是列联表分析? 列联表分析也叫作交叉分组下的频数分析,用来分析变量间的相互影响和关系 列联表分析的基本任务 编制交叉列联表在交叉列联表的基础上,对两变量间是否存在一定的相关性进行分析列联表的卡方检验 1.提出原假设(H0) 列联表分析中卡方检验的原假设是:行变量与列变量独立 2.计算检验统计量 列联表分析中卡方检验的检验统计量是Pearson卡方统计量,其数学定义为: 其中,r为列联表的行数;c为列联表的列数;fij o为观测频数; fij e为期望频数,期望频数的计算方法是: RT为指定单元格所在行的观测频数合计; CT为指定单元格所在列的观测频数合计; n为观测频数的总计; 期望频数的分布反映的是行列变量独立下的分布。 3.确定显著性水平和临界值 显著性水平α是指原假设为真却将其拒绝的风险,即弃真的概 率,通常设为0.05或0.01。在卡方检验中,由于卡方统计量服从 “(行数-1)x (列数-1)”个自由度的卡方分布,因此,在行列 数目和显著性水平α确定时,卡方临界值是唯一确定的。 4.得出结论和决策 根据统计量观测值和临界值比较的结果进行决策 :如果卡方统计量的观测值大于卡方临界值,则认为卡方值已经足够大,实际分布与期望分布之间的差距显著,可以拒绝原假 设,断定列联表的行列变量间不独立,存在相关关系根据统计量观测值的概率P值和显著性水平α比较的结果进行决策:如果P值小于等于α,则拒绝原假设,断定列联表的行列变 量间不独立,存在相关关系列联表卡方检验说明 如果交叉列联表中有较多单元格(20%以上)中的期望频数小于5,则一般不宜使用卡方检验。此 时,可以采用似然比卡方检验等方法进行修正卡方值的大小也会受到样本量的影响,所以,也有必要对Pearson卡方值进行修正,以剔除样本量 的影响 列联表分析案例【案例】 —— 影响高考志愿填报的因素与性别是否有关 ①选择菜单【分析】----> 【描述统计】----> 【交叉表】 ②在“交叉表”对话框中选择行变量、列变量 ③再点击上图(交叉表对话框)中的【单元格(E)】按钮,指定列联表单元格中的输出内容 ④点击交叉表对话框中的【统计(S)】按钮指定使用卡方检验来分析行变量和列变量间的关系 ⑤分析结果 结论:由于卡方的概率P值小于α,因此应拒绝原假设,认为不同性别的学生填报高考志愿时考虑的因素是不一致的。 补充: 在卡方检验表中还出现了下面的两个卡方检验 似然比卡方检验,用于对Pearson卡方检验进行修正线性关联卡方检验(Mantel-Haenszel),用于检验列联表中行列变量的线性相关性,原假 设是行列变量零相关,只适用于定序型变量,不能用于定类型变量 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |