用SPSS进行列联表分析（Crosstabs）实例

列联表分析（Crosstabs）

列联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。SPSS的Crosstabs过程，为二维或高维列联表分析提供了22种检验和相关性度量方法。其中卡方检验是分析列联表资料常用的假设检验方法。
例子：山东烟台地区病虫测报站预测一代玉米螟卵高峰期。预报发生期y为3级（1级为6月20日前，2级为6月21-25日，3级为6月25日后）；预报因子5月份平均气温x1（℃）分为3级（1级为16.5℃以下，2级为16.6-17.8℃，3级为17.8℃以上），6月上旬平均气温x2（℃）分为3级（1级为20℃以下，2级为20.1-21.5℃，3级为21.5℃以上），6月上旬降雨量x3（mm）分为3级（1级为15mm以下，2级为 15.1-30mm，3级为30mm以上），6月中旬降雨量x4（mm）分为3级（1级为29mm以下，2级为29.1-36mm，3级为36mm以上）。数据如下表。
山东烟台历年观测数据分级表（）

注：摘自《农业病虫统计测报》 131页。

1) 输入分析数据

在数据编辑器窗口打开“data1-3.sav”数据文件。

数据文件中变量格式如下：

2) 调用分析过程

在菜单选中“Analyze-Descriptive- Crosstabs”命令，弹出列联表分析对话框，如下图

3) 设置分析变量

选择行变量：将“五月气温[x1]，六月上气温[x2]，六月上降雨[x3]，六月中降雨[x4]”变量选入“Rows:”行变量框中。

选择列变量：将“玉米螟卵高峰发生期[y]”变量选入 “Columns:”列变量框中。

4) 输出条形图和频数分布表

    Display clustered bar charts: 选中显示复式条形图。

   Suppress table: 选中则不输出多维频数分布表。。

5) 统计量输出

点击“Statistics”按钮，弹出统计分析对话框（如下图）。

Chi-Square: 卡方检验。选中可以输出皮尔森卡方检验（Pearson）、似然比卡方检验（Likelihood-ratio）、连续性校正卡方检验
                    （Continuity Correction）及Fisher精确概率检验（Fisher’s Exact test）的结果。

Correlations: 选中输出皮尔森（Pearson）和Spearman相关系数，用以说明行变量和列变量的相关程度。

Nominal: 两分类变量的关联度（Association）测量

Contingency Coefficient: 列联系数，其值越大关联性越强。
     Phi and Cramer’s V：Cramer列联系数，其值越大关联性越强。
     Lambda: 减少预测误差率，1表示预测效果最好，0表示预测效果最差。
     Uncertainty Coefficient: 不定系数

Ordinal: 两有序分类变量（等级变量）的关联度测量

Gamma: 关联度，+1表示完全正关联，-1表示负关联，0表示无联。
     Somers’d：列联度，其取值范围和意义同上。
     Kendall’s tau-b：

Nominal by Interval: 一个定性变量和一个定量变量的关联度

Eta：关联度统计量。

Kappa：吻合度系数，其取值-1至+1，其值越大吻合程度越高。
     Risk：危险度分析。
     McNemar：配对计数资料的卡方检验。

Cochran’s and Mantel-Haenszel statistics： 检验在协变量存在下，两个二分类变量是否独立。

6) 设置列联表的显示

单击“Cells”按钮，弹出列联表显示内容对话框（如下图）。

Counts: 频数

   Observed: 观测频数。
       Expected: 期望频数。

Percentages: 百分比

  Row: 占本行的百分比。
       Column: 占本列的百分比。
       Total: 占全部的百分比。

Residuals: 残差分析

  Unstandardized: 非标准化残差分析。
       Standardized: 标准化残差分析。
       Adj. Standardized: 调整的标准化残差分析。

Noninteger Weights:

 ⊙ Round cell counts: 临近列计算。
     ○ Truncate cell counts:。
     ○ Round case Weights临近记录度量
     ○ Truncate case Weights
     ○ No adjustments: 不调整。

7）设置输出格式

单击Format按钮，弹出列联表输出格式对话框（如下图）。

Row Order: 频数
                ⊙ Ascending: 行变量从小到大升序排列。
                ○ Descending: 行变量从大到小降序排列。

8）设置检验

单击“Exact”按钮，弹出精确检验对话框（如下图）。

⊙Asymptotic only 近似的，系统设置。
    ○Monte Carlo
          Confidence level: 99% 置信度，系统默认99%。
          Number of samples: 10000 样本数量，系统默认10000。
    ○Exact
          Time limit per test: 5 minutes 限时检验时间，系统默认值5分钟。

9）提交执行

设置完成后，在列联表分析对话框中，点击OK 按钮，计算结果输出在结果窗口中。

10）结果与分析

在结果窗口中查看计算结果，主要输出内容如下。

五月气温 * 玉米螟卵高峰发生期
               Crosstab

			玉米螟卵高峰发生期			Total
			6月20日前	6月21-25日	6月25日以后
五月气温	16.5以下	Count（频数） Expected Count（期望值）	1 2.7	2 2.0	3 1.3	6 6.0
	16.6-17.8	Count（频数） Expected Count（期望值）	2 2.7	3 2.0	1 1.3	6 6.0
	17.8以上	Count（频数） Expected Count（期望值）	5 2.7	1 2.0	0 1.3	6 6.0
Total		Count（频数） Expected Count	8 8.0	6 6.0	4 4.0	18 18.0

                      Chi-Square Tests

	Value	df	Asymp. Sig. (2-sided)
Pearson Chi-Square 皮尔森卡方检验	7.750(a)	4	.101
Likelihood Ratio 似然比卡方检验	8.510	4	.075
Linear-by-Linear Association	6.248	1	.012
N of Valid Cases	18

a 9 cells (100.0%) have expected count less than 5. The minimum expected count is 1.33.

（其余的省约）

结果分析：

从交叉表（Crosstab）对角线中看出，只有“五月气温与玉米螟卵高峰发生期”对角线上出现的频数大于期望值（5>2.7，3>2.0，3>1.3）。

从卡方检验表得知，也只有“五月气温与玉米螟卵高峰发生期”能通过线性间的联合检验（Linear-by-Linear Association），双尾检验p<0.012。

因此，玉米螟卵高峰发生期与五月气温有密切的关系，五月气温越高，发生越早。