交叉表分析課件

SPSS23.0統(tǒng)計分析

——在心理學與教育學中的應用2022/10/31第五章交叉表分析SPSS23.0統(tǒng)計分析

——在心理學與教育學中的應用全書目錄第一章SPSS23.0簡介與基本操作第二章數據編輯與整理第三章數據轉換 第四章描述統(tǒng)計分析第五章交叉表分析 第六章比較平均值 第七章方差分析 第八章相關分析 第九章回歸分析

全書目錄第一章SPSS23.0簡介與基本操作第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析交叉表是指兩個或多個分類變量各水平的頻數分布表，又稱頻數交叉表，列聯(lián)表。本章交叉表分析過程，既可以對數據進行匯總，也可以包括了獨立性卡方檢驗、品質相關性檢驗（Phi相關檢驗）?？ǚ綑z驗、Phi相關檢驗是分析交叉表資料常用的假設檢驗方法，這兩類分析處理的數據都是屬于類別數據（名義變量數據）。交叉表是指兩個或多個分類變量各水平的頻數分布表，又稱頻數交叉一、獨立性檢驗：是指兩個或兩個以上的分類變量之間是相互獨立的或者是相互聯(lián)系的假設檢驗。獨立性檢驗，在有些研究中也稱為同質性檢驗。原假設

為：所觀測的兩個分類變量之間沒有關聯(lián)。備擇假設

為：所觀測的兩個分類變量之間有關聯(lián)，或存在相關。二、品質相關性檢驗：是指兩個或兩個以上的分類變量（順序變量）之間相關性程度的假設檢驗。原假設

為：所觀測的兩個分類變量之間的相關性為0。備擇假設

為：所觀測的兩個分類變量之間的相關性顯著。一、獨立性檢驗：是指兩個或兩個以上的分類變量之間是相互獨立的第一節(jié)交叉表格的獨立性檢驗及效應量計算一般交叉表分析使用的數據形式有兩種情況：第一種情況是已整理的匯總表數據；第二種情況是對原始數據進行交叉表分析。

以下分別舉例。交叉表分析的類型變量水平無論是2*2，還是R*C（R>2,C>2），都是使用相同的SPSS菜單命令。第一節(jié)交叉表格的獨立性檢驗及效應量計算5.1.1匯總表數據的交叉表分析及效應量計算案例【例5-1】探討慢性胃病的影響因素，研究者調查了339人，得到調查數據初步匯總情況如下：患慢性胃病

未患慢性胃病

精神焦慮患者

43162非精神焦慮患者

131215.1.1匯總表數據的交叉表分析及效應量計算案例【例5-1SPSS操作步驟如下：第1步：輸入數據。怎樣將實際問題中的數據準確轉化、表達為SPSS中的數據，也是SPSS學習過程中需要注意學習的一個方面，這是由實際問題到數據處理、研究分析的一個“橋梁”。在本例中，需要定義兩個變量“焦慮情況”，“患胃病情況”；變量“焦慮情況”有兩個水平：1為精神焦慮，2為非精神焦慮；“患胃病情況”有兩個水平：1為患病，2為不患??；變量“人數”為計數頻數。SPSS操作步驟如下：第五章交叉表分析課件第2步：進行人數加權。在單擊菜單命令【數據】【個案加權】，打開【個案加權】對話框。第3步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉表】菜單命令第2步：進行人數加權。在單擊菜單命令【數據】【個案加權】，第4步：設置分析變量。選擇“焦慮情況”變量選入“行：”變量框中。選擇“患胃病情況”變量選入“列：”變量框中。第5步：輸出復式條形圖和分布表。選中“

顯示簇狀條形圖”復選框。第6步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框第4步：設置分析變量。選擇“焦慮情況”變量選入“行：”變量第五章交叉表分析課件第7步：設置交叉表的顯示。第7步：設置交叉表的顯示。第8步：設置輸出格式。第9步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。

第10步：結果分析。第8步：設置輸出格式。第一個表格：統(tǒng)計摘要表。（略）第二個表格：精神焦慮與患胃病情況的交叉表。第一個表格：統(tǒng)計摘要表。（略）第三個表格：卡方檢驗。從表中可看出，皮爾遜卡方檢驗的卡方值為7.469，顯著值Sig值為0.006<0.05，應拒絕原假設，即認為精神焦慮與患慢性胃病是不獨立的，兩變量之間存在著關聯(lián)。第三個表格：卡方檢驗。從表中可看出，皮爾遜卡方檢驗的第四個表格：對稱測量第四個表格：對稱測量計算皮爾遜卡方檢驗的卡方值的效應量和統(tǒng)計檢驗力，其統(tǒng)計原理與計算公式可參見參考胡竹菁《心理統(tǒng)計學》的第十一章第三節(jié)（胡竹菁.心理統(tǒng)計學.2010年，第1版.北京:高等教育出版社）。

計算皮爾遜卡方檢驗的卡方值的效應量和統(tǒng)計檢驗力，其統(tǒng)計原理與第五章交叉表分析課件第三步：根據克萊姆

V系數值的大小和自由度查表確定克萊姆

V系數的統(tǒng)計檢驗力。在本例中，由前面計算的效應量，和第二步查詢評定表的結果，可知卡方檢驗為小效應量，總自由度為（2－1）*（2－1）＝1，總體N為339，查詢表5-3統(tǒng)計檢驗力表，可知統(tǒng)計檢驗力為大約0.29，也就是說，本例中精神焦慮與患慢性胃病這兩個變量之間存在著關聯(lián)，其可能性為29%左右?？傊?，在本例中，統(tǒng)計量檢驗顯著（P小于0.05，拒絕原假設），并且是小效應量。此時說明統(tǒng)計結論的可靠性較低，還需進一步的研究資料佐證此結論，研究結果推廣時要慎重。

第三步：根據克萊姆V系數值的大小和自由度查表確定克萊姆V第五章交叉表分析課件第四個表格：風險評估。[分析]：比值比（OR值）為2.471，也就是說，在精神焦慮的人群患胃病是非精神焦慮時的2.471倍。2.471可由表中2.162/0.875。第四個表格：風險評估。[分析]：比值比（OR值）為2.4715.1.2原始數據的交叉表分析及效應量計算案例：【例5-2】這里以“大學生學習與消費調查問卷.sav”的數據為例，分析大學生的男女性別與英語四級通過情況、考研意向（考研、不考研、暫未定）、消費觀念傾向水平（分為高、中、低三個等級）變量之間是否有關聯(lián)？

SPSS操作步驟如下：第1步：打開分析數據。打開“大學生學習與消費調查問卷.sav”文件。5.1.2原始數據的交叉表分析及效應量計算案例：【例5-2第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】菜單命令.第3步：設置分析變量。第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】第4步：輸出復式條形圖和分布表。選中“

顯示簇狀條形圖”復選框。

第5步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“卡方”，表示將進行卡方檢驗分析。其他復選框都不選擇。

第6步：設置交叉表的顯示。點擊【單元格】按鈕，彈出“交叉表：單元顯示”的對話框。在“計算”欄內：在本例中，選中“實測”、“期望”。在“百分比”欄內：

選中“行”。其他復選框在本例中，均不選擇。

第4步：輸出復式條形圖和分布表。選中“

顯示簇狀條形圖”復第7步：設置輸出格式。

第8步：點擊【確定】按鈕，提交執(zhí)行。

第9步：結果分析。第一個表格：統(tǒng)計摘要表。（略）第二個表格：性別與英語四級的交叉表

第7步：設置輸出格式。第一個表格：統(tǒng)計摘要表。（略）第三個表格：性別與英語四級的卡方檢驗表。皮爾遜卡方檢驗的卡方值為22.292，顯著值Sig值為0.000<0.05，應拒絕原假設，即認為性別與英語四級通過情況之間不獨立的，兩變量之間存在著關聯(lián)。

換句話說，男女性別在英語四級通過情況上存在差異，結合前面的交叉表的計數人數，認為女生在四級通過人數比例遠遠大于男生，而未通過的人數比例小于男生。第三個表格：性別與英語四級的卡方檢驗表。皮爾遜卡方檢驗的計算性別與英語四級的卡方值的效應量和統(tǒng)計檢驗力。第一步：效應量克萊姆V系數為0.279。第二步：根據Cohen（1992）對克萊姆V系數效應量大小的評定表（查詢表5-2），效應量0.279，很接近0.30，為中效應量。第三步：根據克萊姆V系數值的大小和自由度查表確定統(tǒng)計檢驗力。這里卡方檢驗為中效應量，總自由度為（2－1）*（2－1）＝1，總體N為286，查詢表5-3統(tǒng)計檢驗力表，可知統(tǒng)計檢驗力為大約0.99，即99%左右。由以上計算可知，在本例中，統(tǒng)計量檢驗顯著（P小于0.05，拒絕原假設），并且是中效應量。此時說明統(tǒng)計結論（拒絕原假設的結論）的可靠性尚可，基本可以認同此結論（拒絕原假設）計算性別與英語四級的卡方值的效應量和統(tǒng)計檢驗力。第四個表格：交叉表（省略）。第五個表格：性別與考研意向類型的卡方檢驗表。[分析]：在性別與考研意向類型的卡方檢驗表中，皮爾遜卡方檢驗的卡方值為2.857，顯著值Sig值為0.240>0.05，接受原假設，即性別與考研意向類型之間是獨立的，兩變量之間不存在著關聯(lián)。換句話說，男女性別在考研意向上不存在差異。第四個表格：交叉表（省略）。[分析]：在性別與考研意向類型的計算性別與消費傾向類型的卡方值的效應量和統(tǒng)計檢驗力。第一步：效應量克萊姆V系數為0.10。第二步：根據Cohen（1992）對克萊姆V系數值效應量大小的評定表（查詢表5-2），本例中更小自由度為1，在該評定表中的第一行中查找，克萊姆V系數等于0.10，也就是說，為小效應量。此時統(tǒng)計檢驗力則不需要查詢。由以上計算可知，本例的統(tǒng)計量檢驗不顯著（P大于0.05，接受原假設），并且是小效應量。此時可以認同此統(tǒng)計結論（接受原假設），在此情境下不需要進一步探討研究。計算性別與消費傾向類型的卡方值的效應量和統(tǒng)計檢驗力。第六個表格：性別與消費傾向類型的交叉表。（省略）第七個表格：性別與消費傾向類型的卡方檢驗表。（省略）具體分析，由同學們思考。第六個表格：性別與消費傾向類型的交叉表。（省略）第五章交叉表分析課件【思考題】在實際應用中，大部分測量數據都是獲得原始數據，即獲得每個作答的具體信息，在SPSS錄入的數據集中，一個被試占一行記錄。當然，有時也會獲得的是計數數據，例如統(tǒng)計滿意度調查，或者簡要匯總某些教育信息時。無論是原始數據、還是匯總數據，最后所得的卡方檢驗結果是一樣的。不同的是，匯總數據在SPSS操作時，需要對“人數”等變量進行加權。由【例5-1】的原始資料錄入為原始數據文件“精神焦慮與慢性胃病的調查原始信息數據.sav”，在SPSS中一行代表一個被試記錄，請對原始數據文件分析精神焦慮與慢性胃病是否存在聯(lián)系；并與【例5-1】的分析結果對比，比較兩種情況下的統(tǒng)計結果是否有差異?！舅伎碱}】在實際應用中，大部分測量數據都是獲得原始數據，即獲

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第二節(jié)分層交叉表的獨立性檢驗分層交叉表分析也可稱為分層卡方分析，分層卡方檢驗是把對象分解成不同的層次，每層分別研究檢驗行變量與列變量的獨立性。如果分層卡方分析的分層變量在幾個分層之間的分布不均，既可能削弱了原本存在的行變量與列變量之間的關系，也可能使得原本不存在關系的兩個變量的關系呈現(xiàn)統(tǒng)計學顯著性存在關系。因此有利有弊。為了避免分層卡方分析帶來的誤差，分層卡方分析往往需要大樣本數據。用于分層的變量往往是性別、年級、職業(yè)、地區(qū)等人口學變量。第二節(jié)分層交叉表的獨立性檢驗分層交叉表分析也可稱為分層卡案例：【例5-3】為了解大學生的專業(yè)承諾、與大學生的學習興趣、學習成績之間的關系，通過問卷調查獲得了數據文件“專業(yè)承諾與學習興趣、學習成績的關系.sav”?？紤]的男女性別可能有差異，性別可能是一個額外變量或控制變量，因此將性別變量作為分層變量。案例：【例5-3】為了解大學生的專業(yè)承諾、與大學生的學習興趣第1步：打開分析數據。打開“專業(yè)承諾與學習興趣、學習成績的關系.sav”文件。第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】菜單命令。第1步：打開分析數據。打開“專業(yè)承諾與學習興趣、學習成績的關第3步：設置分析變量。選擇“專業(yè)承諾”變量選入“行：”變量框中。選擇“學習興趣”、“學習成績”變量選入“列：”變量框中。

此外，在“層1的1”框內，將性別變量從左邊選擇到分層變量框內。第4步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“卡方”復選框,,“柯克蘭和曼特爾-亨塞爾統(tǒng)計”，其他復選框都不選擇。

第5步：設置交叉表的顯示。點擊【單元格】按鈕，彈出“交叉表：單元顯示”的對話框。在“計算”欄內：在本例中，選中“實測”。其他復選框在本例中，均不選擇。

第6步：設置輸出格式。點擊【格式】按鈕，彈出對話框。在本例中，按系統(tǒng)默認選擇“⊙

升序”。第3步：設置分析變量。選擇“專業(yè)承諾”變量選入“行：”變量第7步：在主對話框中點擊【確定】按鈕。第8步：結果分析。。第

二個表格：專業(yè)承諾*學習興趣*性別的交叉表。第7步：在主對話框中點擊【確定】按鈕。第二個表格：專業(yè)承諾第三個表格：專業(yè)承諾*學習興趣*性別的卡方檢驗表第三個表格：專業(yè)承諾*學習興趣*性別的卡方檢驗表第四個表格：對稱測量第四個表格：對稱測量表中“總計”所對應的卡方檢驗值，也就是未分層前的卡方檢驗值。由結果可知，在“性別”=女、“性別”=男、總計三個欄目上的卡方值分別為15.479、35.371、51.591，所對應的概率分別為0.000、0.000、0.000，都小于0.05，拒絕原假設，即在性別各個層次上，專業(yè)承諾與學習興趣兩個變量存在著關聯(lián)，換句話說，無論是男性、還是女性，專業(yè)承諾與學習興趣存在緊密的聯(lián)系。表中“總計”所對應的卡方檢驗值，也就是未分層前的卡方檢驗值。計算效應量和統(tǒng)計檢驗力。第一步：“性別”=女、“性別”=男、總計三個欄目的效應量克萊姆

V系數分別為：0.321，0.481，0.413。第二步：根據Cohen（1992）對克萊姆

V系數效應量大小的評定表（查詢本書的表5-2），本例中更小自由度為1，在該評定表中的第一行中查找，“性別”=女、“性別”=男、總計的克萊姆

V系數都介于0.3與0.5之間，為中效應量。計算效應量和統(tǒng)計檢驗力。第三步：克萊姆

V系數的大小和自由度查表確定統(tǒng)計檢驗力。在本例中，性別”=女、“性別”=男、總計三個欄目的自由度都為（2－1）*（2－1）＝1，人數N分別為150，153，303，查詢表5-3統(tǒng)計檢驗力表，并根據表中的已有數據使用線性插值方法計算，可得統(tǒng)計檢驗力分別為

0.92，0.92，0.99，也就是說，男性、女性，以及總體上的專業(yè)承諾與學習興趣存在緊密的聯(lián)系，其可能性分別為92%，92%，99%。由此，本例三個卡方檢驗都為統(tǒng)計顯著（P小于0.05，拒絕原假設），并且中效應量。此時說明統(tǒng)計結論（拒絕原假設的結論）可信度尚可，應該可以認同這些結論（拒絕原假設）。第三步：克萊姆V系數的大小和自由度查表確定統(tǒng)計檢驗力。在本第四至六個表格：層間一致性檢驗、條件分層卡方檢驗、優(yōu)勢比。比值比齊性檢驗，也就是層間一致性檢驗。sig值顯示差異不顯著，說明不同性別組中，專業(yè)承諾與學習興趣的關系是相同的。第四至六個表格：層間一致性檢驗、條件分層卡方檢驗、優(yōu)勢比。比條件獨立性檢，也就是分層卡方檢驗，這里的柯克蘭卡方值為50.287，曼特爾-亨塞爾47.801，對應的P都小于0.05，拒絕原假設，結論是：考慮了性別的影響因素后，專業(yè)承諾與學習興趣是有關聯(lián)的。條件獨立性檢，也就是分層卡方檢驗，這里的柯克蘭卡方值為50.曼特爾-亨塞爾一般比值比估算為7.571，對應的漸進性顯著性為0.000，小于0.005，拒絕原假設。結論：在排除性別因素的影響后，與專業(yè)承諾低相比，專業(yè)承諾高的人群中學習興趣高是學習興趣低的人群的7.571倍。曼特爾-亨塞爾一般比值比估算為7.571，對應的漸進性顯著課堂練習計算專業(yè)承諾*學習成績*性別的三個卡方檢驗中的效應量和統(tǒng)計檢驗力，由同學們在課堂中計算練習。課堂練習第四、五個表格：專業(yè)承諾*學習成績*性別的交叉表、卡方檢驗表。第四、五個表格：專業(yè)承諾*學習成績*性別的交叉表、卡（由同學們進行判斷分析、計算效應量）（由同學們進行判斷分析、計算效應量）

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第三節(jié)一致性卡方檢驗一致性卡方檢驗屬于配對卡方檢驗的一種。一致性檢驗經常用在下列兩種情況中：一種是檢驗測驗診斷評價結果（或實驗方法）與公認標準的一致性；另一種是評價兩種方法對同一批樣本的實驗效果一致性，或兩個專家對同一批樣本的評價結論的一致性，等等。一致性卡方檢驗常用的評價指標為Kappa值。Kappa值即內部一致性系數，是作為評價判斷的一致性程度的重要指標。取值在0～1之間。Kappa≥0.75兩者一致性較好；0.75>Kappa≥0.4兩者一致性一般；Kappa<0.4兩者一致性較差。第三節(jié)一致性卡方檢驗一致性卡方檢驗屬于配對卡方檢驗的一種。案例：【例5-4】兩位教師對104篇學生的論文進行評審，請評價這兩位老師的評價一致性。第1步：打開分析數據。打開“兩教師對論文的成績評價.sav”文件。第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】菜單命令。案例：【例5-4】兩位教師對104篇學生的論文進行評審，請評第3步：設置分析變量。選擇“甲教師”變量選入“行：”變量框中。選擇“乙教師”變量選入“列：”框中。

第4步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“卡方”、以及“Kappa”兩個復選框。其他復選框都不選擇。

第5步：設置交叉表的顯示。點擊【單元格】按鈕，彈出“交叉表：單元顯示”的對話框。在“計算”欄內：在本例中，選中“實測”。其他復選框在本例中，均不選擇。

第6步：設置輸出格式。點擊【格式】按鈕，彈出對話框。在本例中，按系統(tǒng)默認選擇“⊙

升序”。設置完成后，點擊【繼續(xù)】按鈕回到上一級對話框。第3步：設置分析變量。選擇“甲教師”變量選入“行：”變量框第7步：在主對話框中點擊【確定】按鈕。第8步：結果分析。第一個表格：統(tǒng)計摘要表。（略）第二個表格：甲教師、乙教師的交叉表。第7步：在主對話框中點擊【確定】按鈕。第一個表格：統(tǒng)計摘要表第三個表格：甲教師、乙教師的卡方檢驗表。在卡方檢驗表中，皮爾遜卡方檢驗的卡方值為32.621，顯著值Sig值為0.000<0.05，應拒絕原假設，即認為甲教師與乙教師的評審之間不獨立的，兩變量之間存在著關聯(lián)。課后練習：卡方檢驗的效應量和統(tǒng)計檢驗力由學生課后在計算第三個表格：甲教師、乙教師的卡方檢驗表。在卡方檢驗表第四個表格：甲教師、乙教師的Kappα系數

[分析]：根據Kappa的標準：Kappa≥0.75兩者一致性較好；0.75>Kappa≥0.4兩者一致性一般；Kappa<0.4兩者一致性較差。在本例中的結果，Kappa值為0.590，屬于兩者一致性一般。第四個表格：甲教師、乙教師的Kappα系數[分析]：根據K

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第四節(jié)列聯(lián)表的品質相關分析分析兩個分類變量之間的相關分析。這里只討論φ相關系數、C相依系數。斯皮爾曼（Spearman）相關系數、皮爾遜（Pearson）相關系數將在第八章中講述。第四節(jié)列聯(lián)表的品質相關分析分析兩個分類變量之間的相關分析。第五章交叉表分析課件案例：在關于兒童從眾行為與兒童的思維類型（場獨立性、場依存性）之間是否有關聯(lián)，兒童的從眾回答人數情況表如下：(需要同學們思考怎么在SPSS中輸入此表格的數據？)案例：在關于兒童從眾行為與兒童的思維類型（場獨立性、場依存性第1步：輸入數據。匯總表中涉及到兩個變量“思維類型”，“回答類型”；變量“思維類型”有兩個水平：1為場獨立性，2為場依存性；“回答類型”有兩個水平：1為從眾回答，2為不從眾回答；變量“人數”為計數頻數。第2步：進行人數加權。在單擊菜單命令【數據】【個案加權】，打開【個案加權】對話框。選擇單選按鈕“⊙個案加權系數”，再將變量“人數”選入“頻率變量”框，單擊【確定】按鈕，完成變量“人數”加權。第3步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉表】菜單命令第1步：輸入數據。匯總表中涉及到兩個變量“思維類型”，“回答第4步：設置分析變量。選擇“兒童思維類型”變量選入“行：”變量框中。選擇“兒童從眾回答”變量選入“列：”變量框中。第5步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，選中“卡方”、“Phi和克萊姆V”這兩個復選按鈕。第4步：設置分析變量。選擇“兒童思維類型”變量選入“行：”第6步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。

第7步：結果分析。第一個表格：個案處理摘要。（略）第二個表格：兒童思維類型*兒童從眾回答交叉表第6步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。第一個表格兒童思維類型、兒童從眾回答這兩個變量之間的獨立性檢驗的卡方值為15.266，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在關聯(lián)性。對應的效應量和統(tǒng)計檢驗力由同學們課后計算。兒童思維類型、兒童從眾回答這兩個變量之間的獨立性檢驗的卡方值第四個表格：對稱測量兒童思維類型、兒童從眾回答之間的Phi相關系數為-0.135，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在顯著的相關性。同理，兒童思維類型、兒童從眾回答之間的CramerV相關系數（也就是C系數）為0.135，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在顯著的相關性。特別說明：兒童思維類型、兒童從眾回答之間的Phi相關系數為-0.135，這里的負值表示2*2四分格中，ad小于bc第四個表格：對稱測量兒童思維類型、兒童從眾回答之間的Phi相案例：【例5-6】某一大學進行研究生的英語學位考試，獲取該次考試中的部分試題作答數據和考生最后的成績評定，數據文件為“英語學位考試成績.sav”，試分析這些試題的區(qū)分度（Phi相關系數）。SPSS操作步驟：第1步：打開數據。打開數據文件“英語學位考試成績.sav”。案例：【例5-6】某一大學進行研究生的英語學位考試，獲取該次第2步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉表】菜單命令，第2步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉第3步：設置分析變量。選擇“v1，v2……v20”這20道試題變量選入“行：”變量框中。選擇“學位英語成績評定”變量選入“列：”變量框中。第4步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“Phi和克萊姆V”這兩個復選按鈕。其他復選框都不選擇。

第5步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。

第6步：結果分析。在結果窗口中查看計算結果，主要輸出內容如下。第3步：設置分析變量。選擇“v1，v2……v20”這20道第一個表格：個案處理摘要。（略）第二、三個表格：v1*學位英語成績評定交叉表和對稱測量表第一個表格：個案處理摘要。（略）在對稱測量表格中，v1與學位英語成績評定兩個變量的Phi相關系數為0.142，對應的，對應的漸進顯著性P值為0.000，小于0.05，拒絕原假設，即v1與學位英語成績評定兩個變量有關聯(lián)。這也就是說，v1試題的區(qū)分度Phi相關系數顯著，或者說，v1試題的區(qū)分度較高，有較高的區(qū)分能力。在這20道試題中，與v1的Phi相關系數檢驗相似，區(qū)分度較高、有較高的區(qū)分能力的試題還有v3，v4，v5，v7，v8，v9，v10，v11，v12，v14，v15，v16，v17，v19，v20。在對稱測量表格中，v1與學位英語成績評定兩個變量的Phi相第四、五個表格：v2*學位英語成績評定交叉表和對稱測量表v2*學位英語成績評定怎么分析？第四、五個表格：v2*學位英語成績評定交叉表和對稱測量在對稱測量表格中，v2與學位英語成績評定兩個變量的Phi相關系數為0.063，對應的漸進顯著性P值為0.117，大于0.05，接受原假設，即v2與學位英語成績評定兩個變量沒有關聯(lián)。這也就是說，v1試題的區(qū)分度Phi相關系數不顯著，或者說，v2試題的區(qū)分度較低，沒有區(qū)分能力。在這20道試題中，與v2的Phi相關系數檢驗相似，區(qū)分度較低、沒有區(qū)分能力的試題還有v6，v13，v18。在對稱測量表格中，v2與學位英語成績評定兩個變量的Phi相

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第五節(jié)交叉表格分析的報告參考樣例一、獨立性卡方檢驗的報告參考樣例需要報告：（1）匯總表；（2）卡方檢驗值、顯著性，結論；（3）卡方檢驗的效應值和統(tǒng)計檢驗力【例5-1】分析結果報告：第五節(jié)交叉表格分析的報告參考樣例一、獨立性卡方檢驗的報告參對焦慮情況、胃病情況進行獨立性卡方檢驗，皮爾遜卡方檢驗的卡方值為7.469，顯著值Sig值為0.006<0.05，應拒絕原假設，即認為精神焦慮與患慢性胃病是不獨立的，兩變量之間存在著關聯(lián)。皮爾遜卡方檢驗的效應量克萊姆

V系數值為0.148，介于0.1與0.3之間，為小效應量。由于卡方檢驗所對應的是小效應量，說明此統(tǒng)計結論的可靠性較低，還需進一步的研究資料佐證此結論，研究結果推廣時要慎重。根據克萊姆

V系數值的大小和自由度查表確定統(tǒng)計檢驗力大約0.29，也就是說，本例中精神焦慮與患慢性胃病這兩個變量之間存在著關聯(lián)，其可能性為29%左右。對焦慮情況、胃病情況進行獨立性卡方檢驗，皮爾遜卡方檢驗的卡方二、分層卡方檢驗的報告參考樣例本書【例5-3】分析結果二、分層卡方檢驗的報告參考樣例在“性別”=女、“性別”=男、總計三個欄目上的卡方值分別為25.857、35.371、61.743，所對應的概率分別為0.000、0.000、0.000，都小于0.05，拒絕原假設，即在性別各個層次上，專業(yè)承諾與學習興趣兩個變量存在著關聯(lián)，換句話說，無論是男性、還是女性，專業(yè)承諾與學習興趣存在緊密的聯(lián)系?！靶詣e”=女、“性別”=男、總計三個欄目的效應量克萊姆

V系數的值分別為：0.415，0.481，0.451，以上都屬于中效應量?！靶詣e”=女、“性別”=男、總計所對應的卡方檢驗效應量都為中效應量，此時說明統(tǒng)計結論（拒絕原假設的結論）可信度相對較高，應該可以認同此結論（拒絕原假設）。根據克萊姆

V系數值的大小和自由度查表確定統(tǒng)計檢驗力，可得統(tǒng)計檢驗力分別為

0.92，0.92，0.99，也就是說，男性、女性，以及總體上的專業(yè)承諾與學習興趣存在緊密的聯(lián)系，其可能性分別為92%，92%，99%。在“性別”=女、“性別”=男、總計三個欄目上的卡方值分別為2三、品質相關分析的報告參考樣例【例5-6】統(tǒng)計分析結果三、品質相關分析的報告參考樣例兒童思維類型、兒童從眾回答這兩個變量之間的獨立性檢驗的卡方值為15.266，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在關聯(lián)性。接下來計算效應量0.135，為小效應量，其統(tǒng)計檢驗力為大約0.29，即29%左右。因此，統(tǒng)計量檢驗顯著（P小于0.05，拒絕原假設），是小效應量，說明統(tǒng)計結論的可靠性較低，研究結果推廣時要慎重,還需要進一步的研究資料佐證此結論。

兒童思維類型、兒童從眾回答之間的Phi相關系數為-0.135，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在顯著的相關性。

兒童思維類型、兒童從眾回答這兩個變量之間的獨立性檢驗的卡方值【練習題】1.

某心理調查中，得到314名學生的智商分數和性格類型情況，如下表。請分析性格類型與智商分數之間是否存在關聯(lián)？

【練習題】1.某心理調查中，得到314名學生的智商分數和性2.對于某項任選課程，男生持滿意態(tài)度的有25人，持不滿意態(tài)度的有38人，不置可否的人數為12；女生持滿意態(tài)度的有33人，持不滿意態(tài)度的有21人，不置可否的人數為9。問男女性別對該任選課程的態(tài)度是否有差異？3.某心理調查中，得到大學生網癮調查情況與人際交往情況，數據見“大學生網癮調查類型.sav”。請分析學生網癮情況與人際交往是否有存在一定的關聯(lián)？

2.對于某項任選課程，男生持滿意態(tài)度的有25人，持不滿意態(tài)度4.甲乙兩位評審教師對一批學生論文分別獨自做出了成績等級評價，見下表。請分析評價兩位評審教師的評分一致性。

4.甲乙兩位評審教師對一批學生論文分別獨自做出了成績等級評價5.大學生調查問卷中，得到性別與對吸煙的態(tài)度資料見表。請問性別與吸煙態(tài)度是否存在關聯(lián)或差異。5.大學生調查問卷中，得到性別與對吸煙的態(tài)度資料見表。請問性6.對一群失眠癥患者進行治療，讓一些人服用安眠藥，另一些人服用糖衣藥片（他們都認為自己服的是安眠藥），其中服用安眠藥組有56例睡眠好、15例睡眠不好；服用糖衣藥組有90例睡眠好、29例睡眠不好；問安眠藥與糖衣藥的效果有無差別。7.某班59名男女學生全部參加大學英語四級水平考試，女生合格16人、不合格23人，男生合格9人、不合格21人，問男女學生在英語四級通過情況上有無差別。6.對一群失眠癥患者進行治療，讓一些人服用安眠藥，另一些人服SPSS23.0統(tǒng)計分析

——在心理學與教育學中的應用2022/10/31第五章交叉表分析SPSS23.0統(tǒng)計分析

——在心理學與教育學中的應用全書目錄第一章SPSS23.0簡介與基本操作第二章數據編輯與整理第三章數據轉換 第四章描述統(tǒng)計分析第五章交叉表分析 第六章比較平均值 第七章方差分析 第八章相關分析 第九章回歸分析

全書目錄第一章SPSS23.0簡介與基本操作第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析交叉表是指兩個或多個分類變量各水平的頻數分布表，又稱頻數交叉表，列聯(lián)表。本章交叉表分析過程，既可以對數據進行匯總，也可以包括了獨立性卡方檢驗、品質相關性檢驗（Phi相關檢驗）?？ǚ綑z驗、Phi相關檢驗是分析交叉表資料常用的假設檢驗方法，這兩類分析處理的數據都是屬于類別數據（名義變量數據）。交叉表是指兩個或多個分類變量各水平的頻數分布表，又稱頻數交叉一、獨立性檢驗：是指兩個或兩個以上的分類變量之間是相互獨立的或者是相互聯(lián)系的假設檢驗。獨立性檢驗，在有些研究中也稱為同質性檢驗。原假設

為：所觀測的兩個分類變量之間沒有關聯(lián)。備擇假設

為：所觀測的兩個分類變量之間有關聯(lián)，或存在相關。二、品質相關性檢驗：是指兩個或兩個以上的分類變量（順序變量）之間相關性程度的假設檢驗。原假設

為：所觀測的兩個分類變量之間的相關性為0。備擇假設

為：所觀測的兩個分類變量之間的相關性顯著。一、獨立性檢驗：是指兩個或兩個以上的分類變量之間是相互獨立的第一節(jié)交叉表格的獨立性檢驗及效應量計算一般交叉表分析使用的數據形式有兩種情況：第一種情況是已整理的匯總表數據；第二種情況是對原始數據進行交叉表分析。

以下分別舉例。交叉表分析的類型變量水平無論是2*2，還是R*C（R>2,C>2），都是使用相同的SPSS菜單命令。第一節(jié)交叉表格的獨立性檢驗及效應量計算5.1.1匯總表數據的交叉表分析及效應量計算案例【例5-1】探討慢性胃病的影響因素，研究者調查了339人，得到調查數據初步匯總情況如下：患慢性胃病

未患慢性胃病

精神焦慮患者

43162非精神焦慮患者

131215.1.1匯總表數據的交叉表分析及效應量計算案例【例5-1SPSS操作步驟如下：第1步：輸入數據。怎樣將實際問題中的數據準確轉化、表達為SPSS中的數據，也是SPSS學習過程中需要注意學習的一個方面，這是由實際問題到數據處理、研究分析的一個“橋梁”。在本例中，需要定義兩個變量“焦慮情況”，“患胃病情況”；變量“焦慮情況”有兩個水平：1為精神焦慮，2為非精神焦慮；“患胃病情況”有兩個水平：1為患病，2為不患病；變量“人數”為計數頻數。SPSS操作步驟如下：第五章交叉表分析課件第2步：進行人數加權。在單擊菜單命令【數據】【個案加權】，打開【個案加權】對話框。第3步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉表】菜單命令第2步：進行人數加權。在單擊菜單命令【數據】【個案加權】，第4步：設置分析變量。選擇“焦慮情況”變量選入“行：”變量框中。選擇“患胃病情況”變量選入“列：”變量框中。第5步：輸出復式條形圖和分布表。選中“

顯示簇狀條形圖”復選框。第6步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框第4步：設置分析變量。選擇“焦慮情況”變量選入“行：”變量第五章交叉表分析課件第7步：設置交叉表的顯示。第7步：設置交叉表的顯示。第8步：設置輸出格式。第9步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。

第10步：結果分析。第8步：設置輸出格式。第一個表格：統(tǒng)計摘要表。（略）第二個表格：精神焦慮與患胃病情況的交叉表。第一個表格：統(tǒng)計摘要表。（略）第三個表格：卡方檢驗。從表中可看出，皮爾遜卡方檢驗的卡方值為7.469，顯著值Sig值為0.006<0.05，應拒絕原假設，即認為精神焦慮與患慢性胃病是不獨立的，兩變量之間存在著關聯(lián)。第三個表格：卡方檢驗。從表中可看出，皮爾遜卡方檢驗的第四個表格：對稱測量第四個表格：對稱測量計算皮爾遜卡方檢驗的卡方值的效應量和統(tǒng)計檢驗力，其統(tǒng)計原理與計算公式可參見參考胡竹菁《心理統(tǒng)計學》的第十一章第三節(jié)（胡竹菁.心理統(tǒng)計學.2010年，第1版.北京:高等教育出版社）。

計算皮爾遜卡方檢驗的卡方值的效應量和統(tǒng)計檢驗力，其統(tǒng)計原理與第五章交叉表分析課件第三步：根據克萊姆

V系數值的大小和自由度查表確定克萊姆

V系數的統(tǒng)計檢驗力。在本例中，由前面計算的效應量，和第二步查詢評定表的結果，可知卡方檢驗為小效應量，總自由度為（2－1）*（2－1）＝1，總體N為339，查詢表5-3統(tǒng)計檢驗力表，可知統(tǒng)計檢驗力為大約0.29，也就是說，本例中精神焦慮與患慢性胃病這兩個變量之間存在著關聯(lián)，其可能性為29%左右?？傊诒纠?，統(tǒng)計量檢驗顯著（P小于0.05，拒絕原假設），并且是小效應量。此時說明統(tǒng)計結論的可靠性較低，還需進一步的研究資料佐證此結論，研究結果推廣時要慎重。

第三步：根據克萊姆V系數值的大小和自由度查表確定克萊姆V第五章交叉表分析課件第四個表格：風險評估。[分析]：比值比（OR值）為2.471，也就是說，在精神焦慮的人群患胃病是非精神焦慮時的2.471倍。2.471可由表中2.162/0.875。第四個表格：風險評估。[分析]：比值比（OR值）為2.4715.1.2原始數據的交叉表分析及效應量計算案例：【例5-2】這里以“大學生學習與消費調查問卷.sav”的數據為例，分析大學生的男女性別與英語四級通過情況、考研意向（考研、不考研、暫未定）、消費觀念傾向水平（分為高、中、低三個等級）變量之間是否有關聯(lián)？

SPSS操作步驟如下：第1步：打開分析數據。打開“大學生學習與消費調查問卷.sav”文件。5.1.2原始數據的交叉表分析及效應量計算案例：【例5-2第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】菜單命令.第3步：設置分析變量。第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】第4步：輸出復式條形圖和分布表。選中“

顯示簇狀條形圖”復選框。

第5步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“卡方”，表示將進行卡方檢驗分析。其他復選框都不選擇。

第6步：設置交叉表的顯示。點擊【單元格】按鈕，彈出“交叉表：單元顯示”的對話框。在“計算”欄內：在本例中，選中“實測”、“期望”。在“百分比”欄內：

選中“行”。其他復選框在本例中，均不選擇。

第4步：輸出復式條形圖和分布表。選中“

顯示簇狀條形圖”復第7步：設置輸出格式。

第8步：點擊【確定】按鈕，提交執(zhí)行。

第9步：結果分析。第一個表格：統(tǒng)計摘要表。（略）第二個表格：性別與英語四級的交叉表

第7步：設置輸出格式。第一個表格：統(tǒng)計摘要表。（略）第三個表格：性別與英語四級的卡方檢驗表。皮爾遜卡方檢驗的卡方值為22.292，顯著值Sig值為0.000<0.05，應拒絕原假設，即認為性別與英語四級通過情況之間不獨立的，兩變量之間存在著關聯(lián)。

換句話說，男女性別在英語四級通過情況上存在差異，結合前面的交叉表的計數人數，認為女生在四級通過人數比例遠遠大于男生，而未通過的人數比例小于男生。第三個表格：性別與英語四級的卡方檢驗表。皮爾遜卡方檢驗的計算性別與英語四級的卡方值的效應量和統(tǒng)計檢驗力。第一步：效應量克萊姆V系數為0.279。第二步：根據Cohen（1992）對克萊姆V系數效應量大小的評定表（查詢表5-2），效應量0.279，很接近0.30，為中效應量。第三步：根據克萊姆V系數值的大小和自由度查表確定統(tǒng)計檢驗力。這里卡方檢驗為中效應量，總自由度為（2－1）*（2－1）＝1，總體N為286，查詢表5-3統(tǒng)計檢驗力表，可知統(tǒng)計檢驗力為大約0.99，即99%左右。由以上計算可知，在本例中，統(tǒng)計量檢驗顯著（P小于0.05，拒絕原假設），并且是中效應量。此時說明統(tǒng)計結論（拒絕原假設的結論）的可靠性尚可，基本可以認同此結論（拒絕原假設）計算性別與英語四級的卡方值的效應量和統(tǒng)計檢驗力。第四個表格：交叉表（省略）。第五個表格：性別與考研意向類型的卡方檢驗表。[分析]：在性別與考研意向類型的卡方檢驗表中，皮爾遜卡方檢驗的卡方值為2.857，顯著值Sig值為0.240>0.05，接受原假設，即性別與考研意向類型之間是獨立的，兩變量之間不存在著關聯(lián)。換句話說，男女性別在考研意向上不存在差異。第四個表格：交叉表（省略）。[分析]：在性別與考研意向類型的計算性別與消費傾向類型的卡方值的效應量和統(tǒng)計檢驗力。第一步：效應量克萊姆V系數為0.10。第二步：根據Cohen（1992）對克萊姆V系數值效應量大小的評定表（查詢表5-2），本例中更小自由度為1，在該評定表中的第一行中查找，克萊姆V系數等于0.10，也就是說，為小效應量。此時統(tǒng)計檢驗力則不需要查詢。由以上計算可知，本例的統(tǒng)計量檢驗不顯著（P大于0.05，接受原假設），并且是小效應量。此時可以認同此統(tǒng)計結論（接受原假設），在此情境下不需要進一步探討研究。計算性別與消費傾向類型的卡方值的效應量和統(tǒng)計檢驗力。第六個表格：性別與消費傾向類型的交叉表。（省略）第七個表格：性別與消費傾向類型的卡方檢驗表。（省略）具體分析，由同學們思考。第六個表格：性別與消費傾向類型的交叉表。（省略）第五章交叉表分析課件【思考題】在實際應用中，大部分測量數據都是獲得原始數據，即獲得每個作答的具體信息，在SPSS錄入的數據集中，一個被試占一行記錄。當然，有時也會獲得的是計數數據，例如統(tǒng)計滿意度調查，或者簡要匯總某些教育信息時。無論是原始數據、還是匯總數據，最后所得的卡方檢驗結果是一樣的。不同的是，匯總數據在SPSS操作時，需要對“人數”等變量進行加權。由【例5-1】的原始資料錄入為原始數據文件“精神焦慮與慢性胃病的調查原始信息數據.sav”，在SPSS中一行代表一個被試記錄，請對原始數據文件分析精神焦慮與慢性胃病是否存在聯(lián)系；并與【例5-1】的分析結果對比，比較兩種情況下的統(tǒng)計結果是否有差異?！舅伎碱}】在實際應用中，大部分測量數據都是獲得原始數據，即獲

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第二節(jié)分層交叉表的獨立性檢驗分層交叉表分析也可稱為分層卡方分析，分層卡方檢驗是把對象分解成不同的層次，每層分別研究檢驗行變量與列變量的獨立性。如果分層卡方分析的分層變量在幾個分層之間的分布不均，既可能削弱了原本存在的行變量與列變量之間的關系，也可能使得原本不存在關系的兩個變量的關系呈現(xiàn)統(tǒng)計學顯著性存在關系。因此有利有弊。為了避免分層卡方分析帶來的誤差，分層卡方分析往往需要大樣本數據。用于分層的變量往往是性別、年級、職業(yè)、地區(qū)等人口學變量。第二節(jié)分層交叉表的獨立性檢驗分層交叉表分析也可稱為分層卡案例：【例5-3】為了解大學生的專業(yè)承諾、與大學生的學習興趣、學習成績之間的關系，通過問卷調查獲得了數據文件“專業(yè)承諾與學習興趣、學習成績的關系.sav”?？紤]的男女性別可能有差異，性別可能是一個額外變量或控制變量，因此將性別變量作為分層變量。案例：【例5-3】為了解大學生的專業(yè)承諾、與大學生的學習興趣第1步：打開分析數據。打開“專業(yè)承諾與學習興趣、學習成績的關系.sav”文件。第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】菜單命令。第1步：打開分析數據。打開“專業(yè)承諾與學習興趣、學習成績的關第3步：設置分析變量。選擇“專業(yè)承諾”變量選入“行：”變量框中。選擇“學習興趣”、“學習成績”變量選入“列：”變量框中。

此外，在“層1的1”框內，將性別變量從左邊選擇到分層變量框內。第4步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“卡方”復選框,,“柯克蘭和曼特爾-亨塞爾統(tǒng)計”，其他復選框都不選擇。

第5步：設置交叉表的顯示。點擊【單元格】按鈕，彈出“交叉表：單元顯示”的對話框。在“計算”欄內：在本例中，選中“實測”。其他復選框在本例中，均不選擇。

第6步：設置輸出格式。點擊【格式】按鈕，彈出對話框。在本例中，按系統(tǒng)默認選擇“⊙

升序”。第3步：設置分析變量。選擇“專業(yè)承諾”變量選入“行：”變量第7步：在主對話框中點擊【確定】按鈕。第8步：結果分析。。第

二個表格：專業(yè)承諾*學習興趣*性別的交叉表。第7步：在主對話框中點擊【確定】按鈕。第二個表格：專業(yè)承諾第三個表格：專業(yè)承諾*學習興趣*性別的卡方檢驗表第三個表格：專業(yè)承諾*學習興趣*性別的卡方檢驗表第四個表格：對稱測量第四個表格：對稱測量表中“總計”所對應的卡方檢驗值，也就是未分層前的卡方檢驗值。由結果可知，在“性別”=女、“性別”=男、總計三個欄目上的卡方值分別為15.479、35.371、51.591，所對應的概率分別為0.000、0.000、0.000，都小于0.05，拒絕原假設，即在性別各個層次上，專業(yè)承諾與學習興趣兩個變量存在著關聯(lián)，換句話說，無論是男性、還是女性，專業(yè)承諾與學習興趣存在緊密的聯(lián)系。表中“總計”所對應的卡方檢驗值，也就是未分層前的卡方檢驗值。計算效應量和統(tǒng)計檢驗力。第一步：“性別”=女、“性別”=男、總計三個欄目的效應量克萊姆

V系數分別為：0.321，0.481，0.413。第二步：根據Cohen（1992）對克萊姆

V系數效應量大小的評定表（查詢本書的表5-2），本例中更小自由度為1，在該評定表中的第一行中查找，“性別”=女、“性別”=男、總計的克萊姆

V系數都介于0.3與0.5之間，為中效應量。計算效應量和統(tǒng)計檢驗力。第三步：克萊姆

V系數的大小和自由度查表確定統(tǒng)計檢驗力。在本例中，性別”=女、“性別”=男、總計三個欄目的自由度都為（2－1）*（2－1）＝1，人數N分別為150，153，303，查詢表5-3統(tǒng)計檢驗力表，并根據表中的已有數據使用線性插值方法計算，可得統(tǒng)計檢驗力分別為

0.92，0.92，0.99，也就是說，男性、女性，以及總體上的專業(yè)承諾與學習興趣存在緊密的聯(lián)系，其可能性分別為92%，92%，99%。由此，本例三個卡方檢驗都為統(tǒng)計顯著（P小于0.05，拒絕原假設），并且中效應量。此時說明統(tǒng)計結論（拒絕原假設的結論）可信度尚可，應該可以認同這些結論（拒絕原假設）。第三步：克萊姆V系數的大小和自由度查表確定統(tǒng)計檢驗力。在本第四至六個表格：層間一致性檢驗、條件分層卡方檢驗、優(yōu)勢比。比值比齊性檢驗，也就是層間一致性檢驗。sig值顯示差異不顯著，說明不同性別組中，專業(yè)承諾與學習興趣的關系是相同的。第四至六個表格：層間一致性檢驗、條件分層卡方檢驗、優(yōu)勢比。比條件獨立性檢，也就是分層卡方檢驗，這里的柯克蘭卡方值為50.287，曼特爾-亨塞爾47.801，對應的P都小于0.05，拒絕原假設，結論是：考慮了性別的影響因素后，專業(yè)承諾與學習興趣是有關聯(lián)的。條件獨立性檢，也就是分層卡方檢驗，這里的柯克蘭卡方值為50.曼特爾-亨塞爾一般比值比估算為7.571，對應的漸進性顯著性為0.000，小于0.005，拒絕原假設。結論：在排除性別因素的影響后，與專業(yè)承諾低相比，專業(yè)承諾高的人群中學習興趣高是學習興趣低的人群的7.571倍。曼特爾-亨塞爾一般比值比估算為7.571，對應的漸進性顯著課堂練習計算專業(yè)承諾*學習成績*性別的三個卡方檢驗中的效應量和統(tǒng)計檢驗力，由同學們在課堂中計算練習。課堂練習第四、五個表格：專業(yè)承諾*學習成績*性別的交叉表、卡方檢驗表。第四、五個表格：專業(yè)承諾*學習成績*性別的交叉表、卡（由同學們進行判斷分析、計算效應量）（由同學們進行判斷分析、計算效應量）

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第三節(jié)一致性卡方檢驗一致性卡方檢驗屬于配對卡方檢驗的一種。一致性檢驗經常用在下列兩種情況中：一種是檢驗測驗診斷評價結果（或實驗方法）與公認標準的一致性；另一種是評價兩種方法對同一批樣本的實驗效果一致性，或兩個專家對同一批樣本的評價結論的一致性，等等。一致性卡方檢驗常用的評價指標為Kappa值。Kappa值即內部一致性系數，是作為評價判斷的一致性程度的重要指標。取值在0～1之間。Kappa≥0.75兩者一致性較好；0.75>Kappa≥0.4兩者一致性一般；Kappa<0.4兩者一致性較差。第三節(jié)一致性卡方檢驗一致性卡方檢驗屬于配對卡方檢驗的一種。案例：【例5-4】兩位教師對104篇學生的論文進行評審，請評價這兩位老師的評價一致性。第1步：打開分析數據。打開“兩教師對論文的成績評價.sav”文件。第2步：啟動分析過程。點擊【分析】【描述統(tǒng)計】【交叉表】菜單命令。案例：【例5-4】兩位教師對104篇學生的論文進行評審，請評第3步：設置分析變量。選擇“甲教師”變量選入“行：”變量框中。選擇“乙教師”變量選入“列：”框中。

第4步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“卡方”、以及“Kappa”兩個復選框。其他復選框都不選擇。

第5步：設置交叉表的顯示。點擊【單元格】按鈕，彈出“交叉表：單元顯示”的對話框。在“計算”欄內：在本例中，選中“實測”。其他復選框在本例中，均不選擇。

第6步：設置輸出格式。點擊【格式】按鈕，彈出對話框。在本例中，按系統(tǒng)默認選擇“⊙

升序”。設置完成后，點擊【繼續(xù)】按鈕回到上一級對話框。第3步：設置分析變量。選擇“甲教師”變量選入“行：”變量框第7步：在主對話框中點擊【確定】按鈕。第8步：結果分析。第一個表格：統(tǒng)計摘要表。（略）第二個表格：甲教師、乙教師的交叉表。第7步：在主對話框中點擊【確定】按鈕。第一個表格：統(tǒng)計摘要表第三個表格：甲教師、乙教師的卡方檢驗表。在卡方檢驗表中，皮爾遜卡方檢驗的卡方值為32.621，顯著值Sig值為0.000<0.05，應拒絕原假設，即認為甲教師與乙教師的評審之間不獨立的，兩變量之間存在著關聯(lián)。課后練習：卡方檢驗的效應量和統(tǒng)計檢驗力由學生課后在計算第三個表格：甲教師、乙教師的卡方檢驗表。在卡方檢驗表第四個表格：甲教師、乙教師的Kappα系數

[分析]：根據Kappa的標準：Kappa≥0.75兩者一致性較好；0.75>Kappa≥0.4兩者一致性一般；Kappa<0.4兩者一致性較差。在本例中的結果，Kappa值為0.590，屬于兩者一致性一般。第四個表格：甲教師、乙教師的Kappα系數[分析]：根據K

第五章交叉表分析第一節(jié)交叉表格的獨立性檢驗及效應量計算第二節(jié)分層交叉表的獨立性檢驗第三節(jié)一致性卡方檢驗第四節(jié)列聯(lián)表的品質相關分析第五節(jié)交叉表格分析的報告參考樣例第五章交叉表分析第四節(jié)列聯(lián)表的品質相關分析分析兩個分類變量之間的相關分析。這里只討論φ相關系數、C相依系數。斯皮爾曼（Spearman）相關系數、皮爾遜（Pearson）相關系數將在第八章中講述。第四節(jié)列聯(lián)表的品質相關分析分析兩個分類變量之間的相關分析。第五章交叉表分析課件案例：在關于兒童從眾行為與兒童的思維類型（場獨立性、場依存性）之間是否有關聯(lián)，兒童的從眾回答人數情況表如下：(需要同學們思考怎么在SPSS中輸入此表格的數據？)案例：在關于兒童從眾行為與兒童的思維類型（場獨立性、場依存性第1步：輸入數據。匯總表中涉及到兩個變量“思維類型”，“回答類型”；變量“思維類型”有兩個水平：1為場獨立性，2為場依存性；“回答類型”有兩個水平：1為從眾回答，2為不從眾回答；變量“人數”為計數頻數。第2步：進行人數加權。在單擊菜單命令【數據】【個案加權】，打開【個案加權】對話框。選擇單選按鈕“⊙個案加權系數”，再將變量“人數”選入“頻率變量”框，單擊【確定】按鈕，完成變量“人數”加權。第3步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉表】菜單命令第1步：輸入數據。匯總表中涉及到兩個變量“思維類型”，“回答第4步：設置分析變量。選擇“兒童思維類型”變量選入“行：”變量框中。選擇“兒童從眾回答”變量選入“列：”變量框中。第5步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，選中“卡方”、“Phi和克萊姆V”這兩個復選按鈕。第4步：設置分析變量。選擇“兒童思維類型”變量選入“行：”第6步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。

第7步：結果分析。第一個表格：個案處理摘要。（略）第二個表格：兒童思維類型*兒童從眾回答交叉表第6步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。第一個表格兒童思維類型、兒童從眾回答這兩個變量之間的獨立性檢驗的卡方值為15.266，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在關聯(lián)性。對應的效應量和統(tǒng)計檢驗力由同學們課后計算。兒童思維類型、兒童從眾回答這兩個變量之間的獨立性檢驗的卡方值第四個表格：對稱測量兒童思維類型、兒童從眾回答之間的Phi相關系數為-0.135，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在顯著的相關性。同理，兒童思維類型、兒童從眾回答之間的CramerV相關系數（也就是C系數）為0.135，對應的P值為0.000，小于0.05，拒絕原假設，即兒童思維類型與兒童從眾回答這兩個變量存在顯著的相關性。特別說明：兒童思維類型、兒童從眾回答之間的Phi相關系數為-0.135，這里的負值表示2*2四分格中，ad小于bc第四個表格：對稱測量兒童思維類型、兒童從眾回答之間的Phi相案例：【例5-6】某一大學進行研究生的英語學位考試，獲取該次考試中的部分試題作答數據和考生最后的成績評定，數據文件為“英語學位考試成績.sav”，試分析這些試題的區(qū)分度（Phi相關系數）。SPSS操作步驟：第1步：打開數據。打開數據文件“英語學位考試成績.sav”。案例：【例5-6】某一大學進行研究生的英語學位考試，獲取該次第2步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉表】菜單命令，第2步：啟動分析過程。點擊菜單【分析】【描述統(tǒng)計】【交叉第3步：設置分析變量。選擇“v1，v2……v20”這20道試題變量選入“行：”變量框中。選擇“學位英語成績評定”變量選入“列：”變量框中。第4步：統(tǒng)計量選擇。點擊【統(tǒng)計】按鈕，彈出“交叉表：統(tǒng)計”的對話框。本例選中“Phi和克萊姆V”這兩個復選按鈕。其他復選框都不選擇。

第5步：在主對話框中點擊【確定】按鈕，提交執(zhí)行。

第6步：結果分析。在結果窗口中查看計算結果，主要輸出內容如下。第3步：設置分析變量。選擇“v1，v2……v20”這20道第一個表格：個案處理摘要。（略）第二、三個表格：v1*學位英語成績評定交叉表和對稱測量表第一個表格：個案處理摘要。（略）在對稱測量表格中，v1與學位英語成績評定兩個變量的Phi相關系數為0.142，對應的，對應的漸進顯著性P值為0.000，小于0.05，拒絕原假設，即v1與學位英語成績評定兩個變量有關聯(lián)。這也就是說，