你好。 今天,我们一起学习在线分析。 内联分析通过度数交叉表研究两个以上变量之间是否存在关联。 并提供了各种双向表检验和相关性测量。 基本思路与假设检验基本一致。 首先建立零假设,认为两个变量之间没有关联,然后进行卡方检验,计算概率,根据概率是否达到显著水平进行判断,接受或拒绝零假设。
不用说。 直接操作。
原始数据
原始数据
操作:
分析-说明统计-交叉表
交叉表
准确无误
准确无误
正确检查:
仅限渐进法:基于渐进分布计算出的概率值,一般认为值小于0.05
Monte zjdhmgsjx (是基于准确、显著水平无偏估计选择的思想,可靠性、样本数;
准确:准确计算概率,认为小于0.05时较为明显,行变量和列变量相互独立,适合期望值小于5时,因此每次检查的时间限制为5分钟;
统计量
统计量
卡方)卡方检验包括Pearson卡方检验、似然比卡方检验等,当两个变量都是定量变量时,用于验证行变量和列变量之间是否存在相关性。
相关: Spearman相关系数用于测量等级系数之间的相关,如果这两个变量都是定量变量,则会生成人员相关系数。
依赖系数:在基于卡方检验的相关测量中,值介于0和1之间。 其中0表示行变量和列变量之间不相等,值越接近1表示变量之间的相关性越强。
Phi和Cramer变量:基于卡方统计的相关测量,取值也在0和1之间,同上;
Lambda :也是反映使用自变量值预测原因变量值的相关测量。 误差比按比例缩小,取值也在0和1之间。 值越接近1,表示自变量的值越能完全预测原因变量。
不确定性系数:一个变量的值用于预测其他变量的值,也是表示误差线性程度的相关测量。 取值也在0和1之间,值越接近1,表示该变量的值越能顺利预测其他变量的程度。
秩序井然
伽玛:测量两个有序变量之间对称相关性的统计量。 取-1和1之间的值,1表示完全正相关,-1表示完全负相关,0表示不相关;
somers’d :值在-1和1之间,1表示两个变量之间有很高的关联度;
顺序变量和排序变量的非参数相关性检查
Kendall的tau-b考虑了子句
Kendall的tau-c没有考虑子句
按区间标定
Eta :也是关联度的统计量。 取值在0和1之间,越接近1表示两个变量高度相关,越接近0表示两个变量的关联度越低。
Kappa :用于验证对同一变量的两种观测方法是否一致。 取值也在-1和1之间,取值越接近1,两者接近一致的概率越高,值为0表示两者之间没有关联。
风险:用于危险度分析,显示事件发生与某一因素的相关性,若某一因素发生的可能性非常小,用比值统计量测定相对危险度;
McNemar )两个二分变量相关性的非参数检验,用卡方分布检验响应变化,用于检测事件干扰引起的变量变化;
cochran’sandman tel-haenszel统计量:两个二分变量独立性检验的统计量。 条件是可以在另一个或多个层次变量中定义协调变量的模式并输入框中。 相对风险检查的0假设值在系统默认情况下为1。
单元格
单元格
计数
观察值:显示实际度数
期待值:显示期待的度数
隐藏次数少:隐藏次数少于指定次数。 系统默认值为5
z检验
比较列的比例
:计算列属性的成对比较,并指出给定行数哪些列明显不同;调整P值:用Bonferroni法进行修正,可以将多个比较后,调整观测值的显著性水平
百分比
行:行百分比;列:列百分比;总计:单元格频数占全部观测量的百分比
残差
未标准化:观察值与期望值之差;
标准化:残差除以其标准差的补给;
调节的标准化:单元格的残差除以其标准误差的估计值;
非整数权重
四舍五入单元格计数:单元格中的个案权重按原样使用,在累计权重中四舍五入;
四舍五入个案权重:对个案权重进行四舍五入;
截短单元格计数:在计算任何统计之前,让权重按原样使用,截短单元格中的累计权重,截取整数部分;
截短个案权重:对个案权重截取整数部分;
无调节:不对单元格进行调节
输出结果
案例处理摘要
案例
有效的
缺失
合计
N
百分比
N
百分比
N
百分比
性别 * 工作满意度
258
100.0%
0
0.0%
258
100.0%
上表可知,样本数是258个,无缺失值。
性别* 工作满意度 交叉制表
工作满意度
合计
非常不满意
不满意
一般满意
比较满意
很满意
性别
女
计数
30
28
25
30
26
139
期望的计数
27.5
25.9
29.6
28.0
28.0
139.0
性别 中的 %
21.6%
20.1%
18.0%
21.6%
18.7%
100.0%
工作满意度 中的 %
58.8%
58.3%
45.5%
57.7%
50.0%
53.9%
男
计数
21
20
30
22
26
119
期望的计数
23.5
22.1
25.4
24.0
24.0
119.0
性别 中的 %
17.6%
16.8%
25.2%
18.5%
21.8%
100.0%
工作满意度 中的 %
41.2%
41.7%
54.5%
42.3%
50.0%
46.1%
合计
计数
51
48
55
52
52
258
期望的计数
51.0
48.0
55.0
52.0
52.0
258.0
性别 中的 %
19.8%
18.6%
21.3%
20.2%
20.2%
100.0%
工作满意度 中的 %
100.0%
100.0%
100.0%
100.0%
100.0%
100.0%
.
卡方检验
值
df
渐进 Sig. (双侧)
Pearson 卡方
3.075a
4
.545
似然比
3.075
4
.545
有效案例中的 N
258
a. 0 单元格(0.0%) 的期望计数少于 5。最小期望计数为 22.14。
上表卡方检验中Pearson卡方的渐进Sig(双侧)的值为0.545大于0.05,接受原假设,说明男女性别对工作满意度无显著性差异。(相反若Sig值小于0.05,说明拒绝原假设,说明有显著性差异。)
今天的数据分析就学习到这里,有任何问题可以评论留言,如有想看的操作讲解,可以私信我。谢谢大家的点赞、关注和转发。