03第3章统计描述答案.ppt

SPSS 16实用教程 第3章 统计描述 （7）系统还进行数据的茎叶情形描述。 图3-30 男孩身高的茎叶图 图3-31 女孩身高的茎叶图 （8）系统输出箱图，如图3-32所示。 图3-32 箱图 （9）输出Spread vs. Level图，如图3-33所示。 图3-33 Spread vs. Level图 （10）输出身高正态概率图（Normal Q-Q Plot of身高），如图3-34所示。 图3-34 男孩身高变量的正态概率图 图3-35 女孩身高变量的正态概率图 （11）输出离散正态概率图（Detrended Normal Q-Q Plot of身高），男孩身高如图3-36所示，女孩身高如图3-37所示。横坐标是身高，纵坐标是和正态分布的偏离。 图3-36 男孩身高离散正态概率图 图3-37 女孩身高离散正态概率图 3.12 交叉列联表分析 3.12.1 统计学上的定义和计算公式 定义：前面的分析都是对单个变量的数据分布情况进行分析。但在实际分析中，还需要掌握多个变量在不同取值情况下的数据分布情况，从而进一步深入分析变量之间的相互影响和关系，这种分析就称为交叉列联表分析。 交叉列联表分析除了列出交叉分组下的频数分布外，还需要分析两个变量之间是否具有独立性或一定的相关性。要获得变量之间的相关性，仅仅靠频数分布的数据是不够的，还需要借助一些变量间相关程度的统计量和一些非参数检验的方法。 常用的衡量变量间相关程度的统计量是简单相关系数（参见本书有关章节），但在交叉列联表分析中，由于行列变量往往不是连续变量，不符合计算简单相关系数的前提条件。因此需要根据变量的性质，选择其他的相关系数，如Kendall等级相关系数、Eta值等。 SPSS提供了多种适用于不同相关系数的相关关系，这些检验的零假设是：行和列变量之间彼此独立，不存在显著的相关关系。SPSS将自动给出检验的相伴概率，如果相伴概率小于显著性水平0.05，那么应拒绝零假设，认为行列变量之间彼此相关。 计算公式如下。 （1）卡方统计量检验是常用的检验行列变量之间是否相关的方法。交叉列联表的卡方检验零假设是：行列变量之间独立，计算公式为 卡方统计量服从（行数?1）×（列数?1）个自由度的卡方统计，SPSS在自动计算卡方统计量后，还会给出相应的相关概率。 （2）Contingency coefficient：列联系数。用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，公式为 其中，N为样本系数 （3）Phi and Cramer‘s V：ψ系数。用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，公式为 数值界于0～1之间，其中K为行数和列数较小的实际数。 3.12.2 SPSS中实现过程 ? 研究问题 用两个班级学生进行两个感冒疫苗的试验，两个班级学生患感冒结果如表3-10所示，问两个班级学生的患病比例有无差别。 表3-10 两班级学生的患病情况 4 40 2 20 53 1 不 患 病 患 病 班 级 ? 实现步骤 图3-38 “Weight Cases”对话框 图3-39 在菜单中选择“Crosstabs”命令 图3-40 “Crosstabs”对话框 图3-41 “Crosstabs：Statistics”对话框 图3-42 “Crosstabs：Cell Display”对话框 图3-43 “Crosstabs：Table Format”对话框 3.12.3 结果和讨论 （1）先输出如下个案处理摘要表。 （2）下面所示表格是“班级”变量和“患病”变量的交叉列联表结果表格。 （3）交叉分组下频数分布图形，如图3-44所示。 （4）输出卡方统计结果表。 （5）输出相对危险度表格如下所示。 3.10.2 SPSS中实现过程 ? 研究问题1 求某班级学生数学成绩的Z分数，数据如表3-1所示。 ? 实现步骤 图3-18 “Descriptives”对话框（二） 图3-19 “Descriptives：Options”对话框（二） 图3-20 数据编辑窗口 ? 研究问题2 从图3-20中可以看到学生数学成绩的Z分数有正有负，而且小数点位数较多，因此可以把它线性转换为T分数。 ? 实现步骤 图3-21 在菜单中选择“Compute Variable”命令 图3-22 “Compute Variable”对话框 ?图3-23 “Compute Variable：Type”对话框 图3-24 数据编辑窗口 3.10.3 结果和讨论 从Z分数（图3