SSS中的交叉分析主要用于验证两个变量之间是否有关系或者是否独立，假设该零在两个变量之间没有关系。 在实际工作中，经常使用交叉表来分析比例是否相等。 例如，分析不同性别的报纸选择有什么区别。
SSS交叉表分析方法和步骤：
1、用spss打开数据，依次打开analyze---descriptive---- crosstabs，打开交叉表对话框
2、将性别放入行列表，将读物选择变量放入列，构成交叉表
3、设置输出结果，点击statistics打开新对话框
4、选中chi-square (卡方检验)，选中phiandcramer'sV，点击continue返回交叉表对话框
5、点击cells，设置要在cell上展示的数据
6、现在单击observed (每个单元格的观测次数、行单元格的百分比)、continue，返回到交叉表对话框
7、单击ok按钮，输出检查结果
8、前面看到的第一张表是交叉表，性别为行，选择的读物为列
9、卡方检验结果：主要从人员卡方检验来看，由于sig值小于0.05，不同性别周末读物选择差异显著
10、最后的表输出了phi值和v值。 这两个变量都表示两个变量之间关系的紧密性。 数值小于0.1表示关系紧密，即性别与周末读物选择无明显关系。 这个结论与上面的卡方检验不同，需要再做两个比较。
2、通过将性别放入行列表，将针对读物的选择变量放入列，构成交叉表
4、选中chi-square (卡方检验)，选中phiandcramer (SV )，点击continue返回交叉表对话框
6、在此点击observed (各单元格的观测次数)、row (行单元格的百分比)、continue，返回交叉表对话框
8、前面看到的第一张表是交叉表，性别为行，选择的读物为列
9、卡方检验结果：主要从皮尔逊卡方检验来看，由于sig值小于0.05，不同性别周末读物选择差异显著
10、最后的表输出了phi值和v值。 这两个变量都表示两个变量之间关系的紧密性。 数值小于0.1表示关系紧密，即性别与周末读物选择无明显关系。 这个结论与上面的卡方检验不同，需要再做两个比较。
中文：
死亡是否顺利“准确”为默认值，“统计量”选择卡和文件； “单元格显示”选择所有计数和百分比，“格式”为默认设置。
在上右图中选择风险==。 未注册的订单
ratios(or ) and 95 % confidence intervals (95 % ci ) of
可变的。
结果：
Value=卡方值； df=自由度； ASYMP.sig=P值=伴随概率。 p大于0.05 (自己设定的显著性水平)接受原假设，否则拒绝。 也就是说，认为p值小于0.05时，结果有明显差异。 注意表下的评论： b。
0cells(.0% ) haveexpectedcountlessthan5. theminimumexpected
count is 191.89，这句话很重要，关系到结果是否可靠！ 理论度数小于5单元的比例为20以下，即小于5的单元的数量为25%以下，或者四分之一(25% )的单元的理论数量小于5。 结果可靠，采用Pearson Chi-Square的p值-ASYMP.sig。 理论度数小于5的cells (晶格)的比例超过20%时，应该看到Exact
Test (精确概率法-Fisher'sExact
测试)或
连续性校正值。 选择未修正卡侧、修正卡侧、正确的概率法3种方法即可。
给定的Asymp. Sig
用卡方值计算。
天数和死亡的关系
最常用的医学统计：
TTest -独立模板t检验估计两总体独立样本均值是否存在显著差异。 分析比较
meanPaired-Samples T Test。 t为负值表示前一个样本的平均值低于后一个样本的平均值。
交叉表-不同性别不同疾病的选择有什么区别，使用该分析法，即卡片检查、卡片检查
三组以上比较-平均值比较-”单因素anova
Logist回归-确定两个或多个变量之间的相关性、相关性方向、强度或相互依赖的定量关系
SPSS中单因素方差分析中各指标的含义
1 )、Mean:均值、均值
2 ) Std.Deviation:标准偏差
3 )、Std.Error :标准错误
4 )会议Inter cal for mean )平均数的可信区间
5 )、Lower Bound :平均数可靠区间的下限
6 )、Upper Bound :平均数可靠区间的上限
7 )、最小值：最小值
8 )、最大值：最大值
9 )、Sum of Squares )平方和、距离平均差平方和，即SS
10 )、df:degree of freedom、自由度
11 )、Mean Square :喷方，即MS=SS/df
12 )、f ) f值，两圩方之比