大家好、今天我們一起學習聯列表分析，聯列表分析是通過頻數交叉表來討論兩個或多個變數之間是否存在關聯，並且提供了各種雙向表檢驗和相關性測量，基本思路與假設檢驗基本一致，先建立一個零假設，認為兩個變數之間是沒有關聯的，之後進行卡方檢驗，計算概率，通過概率是否達到顯著性水平來判斷，接受或拒絕零假設。
話不多說，直接上操縱。
原始數據
原始數據
操作：
分析→描述統計→交叉表
交叉表
精確
精確
精確檢驗：
僅漸進法：是基於漸進分布計算的概率值，一般情況下是值小於0.05的認為顯著；
Monte Carlo：是根據精確顯著水平的無偏估計選擇的思想，置信度、樣本數；
精確：精確計算概率，當小於0.05的時候認為顯著，行變數與列變數相互獨立，適用於期望值小於5的情況下使用，所以每個檢驗的時間限制為5分鐘；
統計量
統計量
卡方：卡方檢驗包括Pearson卡方檢驗、似然比卡方檢驗等等，當兩個變數都是定量變數時，用來檢驗行變數和列變數之間是否相關；
相關性：Spearman相關係數用來測量等級係數之間的相關性，當兩個變數都是定量變數時，會產生Pearson相關係數；
相依係數：基於卡方檢驗的相關性測量，取值是在0和1之間，其中0表示行變數和列變數之間不相等，值越趨近於1，表示變數之間的關聯性越強；
Phi和Cramer變數：基於卡方統計的相關性測量，取值也是在0和1之間，同上；
Lambda：也是一種相關性的測量，反映的運用自變數的值來預測因變數的值，誤差比成比例縮小，取值也是在0和1之間，值越接近1，表示自變數的值能完全預測因變數；
不確定性係數：也是一種相關性測量，表示當一個變數的值用來預測其他變數的值，誤差成線性程度，取值也是在0和1之間，值越接近1，表示該變數的值能很好的預測其他變數的程度；
有序
Gamma：測定兩個有序變數之間的對稱相關性的統計量，取值在-1和1之間，1表示完全正關聯，-1表示完全負關聯，0表示不相關；
Somers』d：取值在-1和1之間，1表示兩個變數之間關聯度很高；
有序變數和排序變數的非參數性相關性檢驗
Kendall的tau-b是將節考慮在內
Kendall的tau-c是未將節考慮在內
按區間標定
Eta：也是關聯度的一個統計量，取值是在0和1之間，接近於1表示兩個變數高度關聯，越接近0表示兩個變數關聯度很低；
Kappa：用於檢驗對同一變數兩種觀測方法是否一致，取值也是在-1和1之間，取值越接近1表明兩者趨近一致的概率越大，取值為0表明兩者之間沒有關聯；
風險：用於危險度的分析，表明事情的發生與某因素之間的關聯性，當某因素髮生的可能性非常小時，使用比數比統計量來測定相對危險度；
McNemar：兩個二分變數相關性的非參數檢驗，用卡方分布檢驗響應改變，用來檢測事件干預導致因變數的變化；
Cochran』s and Mantel-Haenszel統計量：兩個二分變數獨立性檢驗的統計量，條件是給另一個或多個分層變數定義協變數的模式，在框中可輸入，相對風險檢驗的0假設值，系統默認為1；
單元格
單元格
計數
觀察值：顯示實際的頻數；
期望值：顯示期望的頻數；
隱藏較小計數：隱藏頻數小於指定數（系統默認為5）的計數
Z-檢驗
比較列的比例：計算列屬性的成對比較，並指出給定行數哪些列明顯不同；
調整P值：用Bonferroni法進行修正，可以將多個比較後，調整觀測值的顯著性水平
百分比
行：行百分比；列：列百分比；總計：單元格頻數佔全部觀測量的百分比
殘差
未標準化：觀察值與期望值之差；
標準化：殘差除以其標準差的補給；
調節的標準化：單元格的殘差除以其標準誤差的估計值；
非整數權重
四捨五入單元格計數：單元格中的個案權重按原樣使用，在累計權重中四捨五入；
四捨五入個案權重：對個案權重進行四捨五入；
截短單元格計數：在計算任何統計之前，讓權重按原樣使用，截短單元格中的累計權重，截取整數部分；
截短個案權重：對個案權重截取整數部分；
無調節：不對單元格進行調節
輸出結果
| 案例處理摘要 | ||||||
| 案例 | ||||||
| 有效的 | 缺失 | 合計 | ||||
| N | 百分比 | N | 百分比 | N | 百分比 | |
| 性別 * 工作滿意度 | 258 | 100.0% | 0 | 0.0% | 258 | 100.0% |
上表可知，樣本數是258個，無缺失值。
| 性別* 工作滿意度 交叉製表 | ||||||||
| 工作滿意度 | 合計 | |||||||
| 非常不滿意 | 不滿意 | 一般滿意 | 比較滿意 | 很滿意 | ||||
| 性別 | 女 | 計數 | 30 | 28 | 25 | 30 | 26 | 139 |
| 期望的計數 | 27.5 | 25.9 | 29.6 | 28.0 | 28.0 | 139.0 | ||
| 性別 中的 % | 21.6% | 20.1% | 18.0% | 21.6% | 18.7% | 100.0% | ||
| 工作滿意度 中的 % | 58.8% | 58.3% | 45.5% | 57.7% | 50.0% | 53.9% | ||
| 男 | 計數 | 21 | 20 | 30 | 22 | 26 | 119 | |
| 期望的計數 | 23.5 | 22.1 | 25.4 | 24.0 | 24.0 | 119.0 | ||
| 性別 中的 % | 17.6% | 16.8% | 25.2% | 18.5% | 21.8% | 100.0% | ||
| 工作滿意度 中的 % | 41.2% | 41.7% | 54.5% | 42.3% | 50.0% | 46.1% | ||
| 合計 | 計數 | 51 | 48 | 55 | 52 | 52 | 258 | |
| 期望的計數 | 51.0 | 48.0 | 55.0 | 52.0 | 52.0 | 258.0 | ||
| 性別 中的 % | 19.8% | 18.6% | 21.3% | 20.2% | 20.2% | 100.0% | ||
| 工作滿意度 中的 % | 100.0% | 100.0% | 100.0% | 100.0% | 100.0% | 100.0% |
.
| 卡方檢驗 | |||
| 值 | df | 漸進 Sig. (雙側) | |
| Pearson 卡方 | 3.075a | 4 | .545 |
| 似然比 | 3.075 | 4 | .545 |
| 有效案例中的 N | 258 | ||
| a. 0 單元格(0.0%) 的期望計數少於 5。最小期望計數為 22.14。 |
上表卡方檢驗中Pearson卡方的漸進Sig（雙側）的值為0.545大於0.05，接受原假設，說明男女性別對工作滿意度無顯著性差異。（相反若Sig值小於0.05，說明拒絕原假設，說明有顯著性差異。）
柱狀圖
原創文章，作者：投稿專員，如若轉載，請註明出處：https://www.506064.com/zh-tw/n/256064.html
微信掃一掃 
支付寶掃一掃 