讲义5–庄文忠副教授世新大学行政管理学系.pptVIP

SPSS之應用(莊文忠副教授) SPSS之應用(莊文忠副教授) SPSS之應用(莊文忠副教授) SPSS之應用(莊文忠副教授) SPSS之應用(莊文忠副教授) 庄文忠 副教授 世新大学行政管理学系 2012/7/6 SPSS之应用(庄文忠副教授) 1 交叉表格分析 课程大纲 2012/7/6 SPSS之应用(庄文忠副教授) 2 交叉表格分析(Crosstabs analysis) 卡方检定(Chi-square test) 残差分析(Residual analysis) 关联性测量(Measures of association) 加入控制变数(Control variable)的交叉表格分析 交叉表格分析(Crosstabs analysis) 2012/7/6 SPSS之应用(庄文忠副教授) 3 次数分配(frequency)虽然得知类别变数的分布情形，了解各个类别或等第的分布情形是否过于集中或分散，但这是属于单变数分析，并无法告诉我们「为什么」会是这种分布，也不知道有哪些可能的解释原因。 交叉表格分析经常被用来查看类别数较少的两个变数(通常是名义的或等第的)之间的关系。 交叉表格的概率分布 边际概率(marginal probability distribution) 属于单变量的概率分布，P(X=i,Y=全部)或P(X=全部,Y=j)，即 联合概率(joint probability distribution) 属于多变量的概率分布，P(X=i,Y=j) 交叉表格的概率分布 条件概率(conditional probability distribution) 属于多变量的概率分布， P(X=i/Y=j)，公式： 独立概率(independent probability distribution)：统计上互为独立发生的事件。 建立交叉表格的步骤与原则 2012/7/6 SPSS之应用(庄文忠副教授) 6 交叉表应该有一个表头或标题。 在适当的位置(如表格内最上一列和最左一列、或表格下方的注脚处)陈述变数的内容。 依据自变数和依变数的属性各自分成数个类别，形成矩阵式表格。 分别计算表格内各个细格的个案数，再以边际个数和为分母计算横百分比(row percentage)和直百分比(column percentage)，或是利用总和为分母计算总和百分比(grand percentage)。 若资料中有遗漏值，在交叉分析时被舍弃不用，必须在表格的附注说明处交待遗漏值的个数及比例。 交叉表格的基本内容 2012/7/6 SPSS之应用(庄文忠副教授) 7 个数(Counts) 期望个数(Expected frequencies) 横百分比(Row percentage) 直百分比(Column percentage) 总和百分比(Grand percentage) 交叉表格分析 2012/7/6 SPSS之应用(庄文忠副教授) 8 2012/7/6 SPSS之应用(庄文忠副教授) 9 卡方检定(Chi-square test) 2012/7/6 SPSS之应用(庄文忠副教授) 10 卡方检定(Chi-square test)是用以决定两个变数之间，是否有统计上的显着关联性。如果这两个变数之间没有关系，就可以说是统计上独立，因此，卡方检定通常是指「独立性卡方检定」(Chi-square test of independence)。作为一种推论性统计，我们可以用样本的检定结果为基础，得知有关母体的结论。 公式： 卡方检定 2012/7/6 SPSS之应用(庄文忠副教授) 11 2012/7/6 SPSS之应用(庄文忠副教授) 12 残差分析(Residual analysis) 2012/7/6 SPSS之应用(庄文忠副教授) 13 残差(residual) 残差=观察个数-期望个数=Oij - Eij 标准化残差(standard residual) 调整后标准化残差(adjust standardized residual) 残差分析 2012/7/6 SPSS之应用(庄文忠副教授) 14 2012/7/6 SPSS之应用(庄文忠副教授) 15 关联性测量(Measures of association) 2012/7/6 SPSS之应用(庄文忠副教授) 16 卡方检定仅能证实这两个变数之间是否有统计上的显着关联性，但未能说明两者的关联「方向」与 「强度」。 由于卡方检定一方面要求随机抽取样本，另一方面卡方值的计算受样本数和分类数目所影响，因而无法提供关联强度的信息。 常见的关联量数 2012/7/6 SPSS之应用(庄文忠副教授) 17 Lambda值：利用X变数所提供