大家好，又见面了，我是你们的朋友全栈君。
spss中交叉分析主要用来检验两个变量之间是否存在关系，或者说是否独立，其零假设为两个变量之间没有关系。在实际工作中，经常用交叉表来分析比例是否相等。例如分析不同的性别对不同的报纸的选择有什么不同。
spss交叉表分析方法与步骤：
1、在spss中打开数据，然后依次打开：analyze–descriptive–crosstabs，打开交叉表对话框
2、将性别放到行列表，将对读物的选择变量放到列，这样就构成了一个交叉表
3、设置输出的结果，点击statistics，打开一个新的对话框
4、勾选chi-square(卡方检验)，勾选phi and cramer’s V(衡量交互分析中两个变量关系强度的指标)，点击continue，回到交叉表对话框
5、点击cells，设置cell中要展示的数据
6、在这里勾选observed(各单元格的观测次数)，勾选row(行单元格的百分比)，点击continue，回到交叉表对话框
7、点击ok按钮，输出检验结果
8、先看到的第一个表格就是交叉表，性别为行、选择的读物为列
9、卡方检验结果：主要看pearson卡方检验，sig值小于0.05，因此认为不同的性别的人对周末读物的选择有显著的差别
10、最后一个表格，输出的是phi值和V值，两个都代表两个变量之间的关系的紧密度，数值小于0.1说明关系不紧密，即性别与周末读物的选择没有明显的关系，这个结论和上面的卡方检验有出入，所以需要进一步进行两两比较。
▼2、将性别放到行列表，将对读物的选择变量放到列，这样就构成了一个交叉表
▼4、勾选chi-square(卡方检验)，勾选phi and cramer’s V(衡量交互分析中两个变量关系强度的指标)，点击continue，回到交叉表对话框
▼6、在这里勾选observed(各单元格的观测次数)，勾选row(行单元格的百分比)，点击continue，回到交叉表对话框
▼8、先看到的第一个表格就是交叉表，性别为行、选择的读物为列
▼9、卡方检验结果：主要看pearson卡方检验，sig值小于0.05，因此认为不同的性别的人对周末读物的选择有显著的差别
▼10、最后一个表格，输出的是phi值和V值，两个都代表两个变量之间的关系的紧密度，数值小于0.1说明关系不紧密，即性别与周末读物的选择没有明显的关系，这个结论和上面的卡方检验有出入，所以需要进一步进行两两比较。
中文：
是否死亡放置于行好一些；“精确”为默认，“统计量”选卡方和Phi；“单元显示”将计数和百分比全选，“格式”为默认。
选择上右图风险==》unadjusted odds
ratios (OR) and 95% confidence intervals (95% CI) of
variables.
结果：
Value=卡方值；df=自由度；ASYMP.sig=P值=相伴性概率。p大于0.05(自己设定的显著性水平)，接受原假设，否则拒绝，即P值小于0.05认为结果有显著性差异。注意表格下面的注解：b.
0 cells (.0%) have expected count less than 5. The minimum expected
count is 191.89，这句话很重要，关系到结果是否可靠！理论频数小于5的cells(格子)比例不超过20，即小于5的格值数不应超过25%，或四分之一(25%)的格子理论数小于5
。结果可靠，采用Pearson Chi-Square的P值-ASYMP.sig。当理论频数小于5的cells(格子)比例超过20%，应看Exact
Test(确切概率法-Fisher’s Exact
Test)or
连续性校正的值(Continuity Correction)。 需要在未校正卡方、校正卡方和确切概率法三种方法之间选择即可。
给出的Asymp. Sig
是通过卡方值算的。
▼天数与死亡的关系
最常用的医学统计：
TTest – 独立样板T检验，推断两个总体的总体的独立样本均值是否存在显著差异。Analyze→Compare
mean→Paired-Samples T Test。T为负值表示前面一组样本的均值低于后面一组的均值。
交叉表 – 不同的性别对不同疾病的选择有什么不同用此分析法,即卡方检验，卡方检验
三组以上比较 – 比较均值 -》单因素anova
Logist 回归 – 确定两种或两种以上变数间是否相关、相关方向与强度，即相互依赖的定量关系
SPSS中的单因素方差分析中，各项指标的含义
1)、Mean: 平均数，均数
2)、Std.Deviation: 标准差
3)、Std.Error：标准误
4)、Confidence Intercal for Mean：均数的可信区间
5)、Lower Bound：均数的可信区间的下限
6)、Upper Bound：均数的可信区间的上限
7)、Minimum：最小值
8)、Maximum：最大值
9)、Sum of Squares：平方和，离均差平方和，即SS
10)、df：degree of freedom，自由度
11)、Mean Square：圴方，即MS=SS/df
12)、F：F值，两圴方之比
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/145545.html原文链接：https://javaforall.net
![[深度学习] FM & FFM 算法基本原理](https://javaforall.net/wp-content/uploads/2020/11/2020110817443450-480x300.jpg)
