如何应用SPSS列联表区分_SPSS探索变量间的相关关系

IBM SPSS Statistics的列联表分析，也称为交叉表分析，用于分析两个或以上分组变量的相关关系，在分析影响满意度的因素、药物有效性等方面都有很好的应用。

本文将以较为简单的二乘二列联表卡方检验为例，介绍一下IBM SPSS Statistics的列联表分析功能。

一、打开数据文件

首先，我们打开如图1所示的一组数据，包含了性别、地区与满意度的数据，用以研究性别与满意度的相关关系。

由于当前数据中的满意度变量包含了非常不满意、比较不满意、一般、比较满意、非常满意五个变量值，为了构建二乘二列联表，需要转换一下数据。

图1：示例数据

二、构建二乘二表格

如图2所示，打开IBM SPSS Statistics的转换菜单，并选择其中的“重新编码为相同的变量”选项。

图2：重新编码为相同变量

接着，如图3所示，将满意度变量添加到右侧的字符串变量中，并单击下方的“旧值与新值”进行变量的重新编码。

图3：选择满意度变量

如图4所示，在匹配旧值与新值的操作中，我们需依次将非常不满意、比较不满意、一般匹配为不满意；将较满意、非常满意匹配为满意。然后，单击继续。

图4：匹配满意度变量的新旧值

如图5所示，可以看到，数据中的满意度变量已重新编码为“满意”与“不满意”两个变量值，可与性别组成二乘二列联表。

图5：完成满意度的重新编码

三、应用二乘二列联表分析

完成数据的转换后，就可以打开IBM SPSS Statistics分析中的“交叉表”选项。

图6：交叉表分析

在交叉表的设置面板中，包含了变量选择面板以及分析选项功能。

分别将变量添加于列联表中的行与列，即可构建列联表。除了构建一层列联表外，我们还可以通过层选项构建多层的列联表，分析更为复杂的相关关系。

完成变量的选择后，即可使用右侧的分析选项探究变量间的相关关系。在下一节中，我们会使用转换好的数据演示功能。

图7：交叉表设置

本文中，我们已经做好了数据的转换，并简单了解了列联表的变量选择面板。下一节，将会通过实例进一步探究变量间的相关关系。

在IBM SPSS Statistics中我们已经将满意度重新编码为仅包含满意、不满意两个变量值的变量，并简单了解了列联表的变量选择面板。本节，将会通过实例进一步探究满意度与性别间的相关关系。

一、选择变量

为了研究性别与满意度的相关关系，如图1所示，我们需要分别将性别、满意度变量添加到右侧的行、列中，形成二乘二的列联表。

图1：选择变量

二、设置精确检验方法

然后，再单击“精确”选项，设置分析所用的精确检验方法。在进行非参数检验时，需要设置精确检验方法，用于计算检验对应的P值。

一般情况下，选择“仅渐进法（适用于较大样本或服从渐进分布的数据）”，如果数据不符合渐进分布，则要选择蒙特卡洛法。“精确”法，是在小样本量的情况下使用，计算量较大，对计算机的内存要求较高。

图2：精确检验选项

三、设置统计选项

完成精确检验设置后，如图3所示，打开“统计”按钮，选择其中的“卡方”选项，并在“名义”选项框中选择“列联系数”，以获得二乘二的卡方检验结果。

图3：设置统计选项

四、设置单元格显示

最后，在单元格显示选项中，可以进一步设置分析结果的数据呈现方式。我们选择了以实测计数，并显示行（性别百分比）。

图4：单元格显示选项

五、分析结果

完成以上设置后，运行结果。首先，如图5所示，从频率表看到，男性与女性的满意占比都较不满意占比高，而且男性的满意占比似乎高于女性。

图5：频率表

为了进一步验证男性与女性的满意占比是否有显著性差异，我们可以观察卡方检验的数据。

如图6所示，可以看到，卡方的渐进显著性为0.015<0.05，表明男性与女性的满意占比有显著性差异，男性的满意占比显著高于女性。

图6：卡方检验与列联系数