5第五章交叉表分析资料.ppt

第三个表格：甲教师、乙教师的卡方检验表。在卡方检验表中，皮尔逊卡方检验的卡方值为32.621，显著值Sig值为0.0000.05，应拒绝原假设，即认为甲教师与乙教师的评审之间不独立的，两变量之间存在着关联。 课后练习：卡方检验的效应量和统计检验力由学生课后在计算 第四个表格：甲教师、乙教师的Kappα系数 [分析]：根据Kappa的标准： Kappa≥0.75两者一致性较好；0.75Kappa≥0.4两者一致性一般；Kappa0.4两者一致性较差。在本例中的结果，Kappa值为0.590，属于两者一致性一般。 第五章 交叉表分析 第一节 交叉表格的独立性检验及效应量计算 第二节 分层交叉表的独立性检验 第三节 一致性卡方检验 第四节 列联表的品质相关分析 第五节 交叉表格分析的报告参考样例 第四节 列联表的品质相关分析 分析两个分类变量之间的相关分析。 这里只讨论φ相关系数、C相依系数。斯皮尔曼（Spearman）相关系数、皮尔逊（Pearson）相关系数将在第八章中讲述。 案例：在关于儿童从众行为与儿童的思维类型（场独立性、场依存性）之间是否有关联，儿童的从众回答人数情况表如下： (需要同学们思考怎么在SPSS中输入此表格的数据？) 第1步：输入数据。汇总表中涉及到两个变量“思维类型”，“回答类型”；变量“思维类型”有两个水平：1为场独立性，2为场依存性；“回答类型”有两个水平：1为从众回答，2为不从众回答；变量“人数”为计数频数。 第2步：进行人数加权。在单击菜单命令【数据】?【个案加权】，打开【个案加权】对话框。选择单选按钮“⊙个案加权系数”，再将变量“人数”选入“频率变量”框，单击【确定】按钮，完成变量“人数”加权。 第3步：启动分析过程。点击菜单【分析】?【描述统计】?【交叉表】菜单命令 第4步：设置分析变量。选择 “儿童思维类型”变量选入“行：”变量框中。选择“儿童从众回答”变量选入“列：”变量框中。 第5步：统计量选择。点击【统计】按钮，选中“ 卡方”、“ Phi和克莱姆V”这两个复选按钮。 第6步：在主对话框中点击【确定】按钮，提交执行。 第7步：结果分析。 第一个表格：个案处理摘要。（略） 第二个表格：儿童思维类型 * 儿童从众回答 交叉表 儿童思维类型、儿童从众回答这两个变量之间的独立性检验的卡方值为15.266，对应的P值为0.000，小于0.05，拒绝原假设，即儿童思维类型与儿童从众回答这两个变量存在关联性。 对应的效应量和统计检验力由同学们课后计算。 第四个表格：对称测量 儿童思维类型、儿童从众回答之间的Phi相关系数为-0.135，对应的P值为0.000，小于0.05，拒绝原假设，即儿童思维类型与儿童从众回答这两个变量存在显著的相关性。 同理，儿童思维类型、儿童从众回答之间的Cramer V相关系数（也就是C系数）为0.135，对应的P值为0.000，小于0.05，拒绝原假设，即儿童思维类型与儿童从众回答这两个变量存在显著的相关性。 特别说明：儿童思维类型、儿童从众回答之间的Phi相关系数为-0.135，这里的负值表示2*2四分格中， ad 小于 bc 案例：【例5-6】某一大学进行研究生的英语学位考试，获取该次考试中的部分试题作答数据和考生最后的成绩评定，数据文件为“英语学位考试成绩.sav”，试分析这些试题的区分度（Phi相关系数）。 SPSS操作步骤： 第1步：打开数据。 打开数据文件“英语学位考试成绩.sav”。 第2步：启动分析过程。点击菜单【分析】?【描述统计】?【交叉表】菜单命令， 第3步：设置分析变量。选择 “v1，v2……v20”这20道试题变量选入“行：”变量框中。选择“学位英语成绩评定”变量选入“列：”变量框中。 第4步：统计量选择。点击【统计】按钮，弹出“交叉表：统计”的对话框。本例选中 “ Phi和克莱姆V”这两个复选按钮。其他复选框都不选择。 第5步：在主对话框中点击【确定】按钮，提交执行。 第6步：结果分析。在结果窗口中查看计算结果，主要输出内容如下。 第一个表格：个案处理摘要。（略） 第二、三个表格：v1 * 学位英语成绩评定 交叉表和对称测量表 在对称测量表格中，v1 与学位英语成绩评定两个变量的Phi相关系数为0.142，对应的，对应的渐进显著性P值为0.000，小于0.05，拒绝原假设，即v1 与学位英语成绩评定两个变量有关联。这也就是说，v1试题的区分度Phi相关系数显著，或者说，v1试题的区分度较高，有较高的区分能力。 在这20道试题中，与v1的Phi相关系数检验相似，区分度较高、有较高的区分能力的试题还有v3，v4，v5，v7，v8，v9，v10，v11，v12， v14，v15，v16，v17，v19，v20。 第四、五个表