15.6 CROSSTABS

CROSSTABS
        /TABLES=var_list BY var_list [BY var_list]…
        /MISSING={TABLE,INCLUDE,REPORT}
        /FORMAT={TABLES,NOTABLES}
                {AVALUE,DVALUE}
        /CELLS={COUNT,ROW,COLUMN,TOTAL,EXPECTED,RESIDUAL,SRESIDUAL,
                ASRESIDUAL,ALL,NONE}
        /COUNT={ASIS,CASE,CELL}
               {ROUND,TRUNCATE}
        /STATISTICS={CHISQ,PHI,CC,LAMBDA,UC,BTAU,CTAU,RISK,GAMMA,D,
                     KAPPA,ETA,CORR,ALL,NONE}
        /BARCHART

(Integer mode.)
        /VARIABLES=var_list (low,high)…

CROSSTABS 过程显示用户所请求的列联表。它可以为列联表中的每个单元格计算若干统计量。此外，还可以为每个表本身计算若干统计量。

TABLES 子命令用于指定要报告的表。允许任意维度数，每个维度也允许任意数量的变量。TABLES 子命令可根据需要重复多次。这是 general mode（通用模式）下唯一必需的子命令。

有时，可能希望调用一种称为 integer mode（整数模式）的特殊模式。通常，在通用模式下，PSPP 自动确定数据中出现了哪些值。在整数模式下，用户指定数据所取值的范围。要调用此模式，需指定 VARIABLES 子命令，为 TABLES 子命令中要使用的每个变量给出括号内的数据值范围。范围内的数据值会被截断为最接近的整数，然后赋给该值。若出现范围之外的值，则将它们丢弃。当使用该子命令时，VARIABLES 必须位于 TABLES 子命令之前。

在通用模式下，TABLES 上可指定数值变量和字符串变量。在整数模式下，只允许数值变量。

MISSING 子命令决定对用户缺失值的处理方式。设为默认值 TABLE 时，缺失值按表逐个丢弃。设为 INCLUDE 时，用户缺失值被纳入表和统计。设为 REPORT 时（仅允许在整数模式下），用户缺失值被纳入表，但会标注脚注，并排除在统计计算之外。

FORMAT 子命令控制要显示的列联表的特征。它有多种可选设置：

• TABLES（默认）会使列联表被输出。NOTABLES（等价于 CELLS=NONE）则抑制其输出。
• AVALUE（默认）使取值按升序排序。DVALUE 表示降序排序。

CELLS 子命令控制所显示的列联表中每个单元格的内容。可选设置如下：

COUNT

频数。

ROW

行百分比。

COLUMN

列百分比。

TOTAL

表百分比。

EXPECTED

期望值。

RESIDUAL

残差。

SRESIDUAL

标准化残差。

ASRESIDUAL

调整标准化残差。

ALL

以上全部。

NONE

完全抑制单元格。

未指定任何设置的 ‘/CELLS’ 会请求 COUNT、ROW、COLUMN 和 TOTAL。如果完全未指定 CELLS，则只选择 COUNT。

默认情况下，列联表和统计使用原始个案权重，不四舍五入。使用 /COUNT 子命令进行取整：CASE 在读取个案时对各个权重取整，CELL 在列联表构建完成后对其中各单元格的权重取整，ASIS 显式指定默认的不取整行为。请求取整时，默认 ROUND 按最接近的整数取整，TRUNCATE 向零取整。

STATISTICS 子命令选择要计算的统计量：

CHISQ

皮尔逊卡方、似然比、费歇尔精确检验、连续性校正、线性-by-线性关联。

PHI

Phi 系数。

CC

列联系数。

LAMBDA

Lambda。

UC

不确定系数。

BTAU

Tau-b。

CTAU

Tau-c。

RISK

风险估计。

GAMMA

Gamma。

D

Somers’ D。

KAPPA

Cohen’s Kappa。

ETA

Eta。

CORR

斯皮尔曼相关、皮尔逊 r。

ALL

以上全部。

NONE

无统计量。

所选统计量仅在适用时才计算。某些统计量要求特定大小的表，有些统计量仅在整数模式下计算。

未指定任何设置的 ‘/STATISTICS’ 会选择 CHISQ。如果未给出 STATISTICS 子命令，则不计算任何统计量。

‘/BARCHART’ 子命令为每个表的前两个变量生成簇状条形图。如果表的变量超过两个，则第三个及后续层级的计数会被聚合，图表会像只有两个变量一样生成。

请注意： 当前 CROSSTABS 的实现存在以下限制：

• 某些方向性度量的显著性未计算。
• 未计算 Goodman 和 Kruskal 的 tau 或对称 Somers’ d 的渐近标准误。
• 未计算对称不确定系数的近似 T。

欢迎修复上述任何缺陷。

15.6.1 列联表示例

一位研究者希望了解在某行业中，个人的性别是否与其职业相关。为了调查这一点，她确认 personnel.sav 是一个具有代表性的、随机选取的人员样本。该研究者的零假设是：个人的性别与其职业无关。她使用卡方独立性检验来研究该假设。

get file="personnel.sav".  crosstabs 	/tables= occupation by sex 	/cells = count expected 	/statistics=chisq.

示例 15.3： 对 sex 和 occupation 变量运行列联表

示例 15.3 中的语法执行了卡方独立性检验。行 /tables = occupation by sex 表示 occupation 和 sex 是要制表的变量。要使用图形用户界面完成此操作，必须将这些变量名分别放入“Row”（行）和“Column”（列）字段，如截图 15.3 所示。

截图 15.3： 已选择 sex 和 occupation 变量的列联表对话框

类似地，“Cells”（单元格）按钮会显示一个对话框，用于选择 count 和 expected 选项。对于此检验，可以取消选择所有其他单元格选项。

可使用“Format”（格式）和“Statistics”（统计）按钮为 FORMAT 和 STATISTICS 子命令选择选项。在本例中，“Statistics”只需勾选“Chisq”选项。其他所有选项都应取消勾选。“Format”对话框不需要特殊设置。

如结果 15.1 所示，CROSSTABS 生成一个列联表，其中包含每个性别和每个职业的观测频数和期望频数。期望频数是在零假设成立时本应观测到的频数。

Pearson 卡方值的显著性远大于通常接受的 0.05，因此无法拒绝零假设。于是研究者只能得出：个人的性别与其职业无关。

	N	Percent	N	Percent	N	Percent
	Cases
	Valid	Missing	Total
occupation × sex	54	96.4%	2	3.6%	56	100.0%
			sex	Total
			Male	Female
occupation	Artist	Count	2	6	8
Expected	4.89	3.11	.15
Baker	Count	1	1	2
Expected	1.22	.78	.04
Barrister	Count	0	1	1
Expected	.61	.39	.02
Carpenter	Count	3	1	4
Expected	2.44	1.56	.07
Cleaner	Count	4	0	4
Expected	2.44	1.56	.07
Cook	Count	3	2	5
Expected	3.06	1.94	.09
Manager	Count	4	4	8
Expected	4.89	3.11	.15
Mathematician	Count	3	1	4
Expected	2.44	1.56	.07
Painter	Count	1	1	2
Expected	1.22	.78	.04
Payload Specialist	Count	1	0	1
Expected	.61	.39	.02
Plumber	Count	5	0	5
Expected	3.06	1.94	.09
Scientist	Count	5	2	7
Expected	4.28	2.72	.13
Scrientist	Count	0	1	1
Expected	.61	.39	.02
Tailor	Count	1	1	2
Expected	1.22	.78	.04
Total	Count	33	21	54
Expected	.61	.39	1.00
	Value	df	Asymptotic Sig. (2-tailed)
Pearson Chi-Square	15.59	13	.272
Likelihood Ratio	19.66	13	.104
N of Valid Cases	54

结果 15.1： sex 与 occupation 之间独立性的检验结果