用SPSS进行不同变量多组间两两比较卡方检验_百度文库
赠送免券下载特权
10W篇文档免费专享
部分付费文档8折起
每天抽奖多种福利
两大类热门资源免费畅读
续费一年阅读会员，立省24元！
用SPSS进行不同变量多组间两两比较卡方检验
阅读已结束，下载本文需要
想免费下载本文？
定制HR最喜欢的简历
你可能喜欢&　　在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合。这可以通过绘制样本数据直方图的方法来进行粗略的判断。如果需要进行比较准确的判断，则需要使用非参数检验的方法。其中总体分布的卡方检验（也记为&2检验）就是一种比较好的方法。
　　总体分布的卡方检验适用于配合度检验，是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显著差异。它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。
　　总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X的k个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k趋于无穷时，就近似服从X的总体分布。
因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q
，其中，Oi表示观察频数；Ei表示期望频数或理论频数。
　　可见Q值越大，表示观察频数和理论频数越不接近；Q值越小，说明观察频数和理论频数越接近。SPSS将自动计算Q统计量，由于Q统计量服从K-1个自由度的X平方分布，因此SPSS将根据X平方分布表给出Q统计量所对应的相伴概率值。
　　如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设HO，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异。
　　因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析。总体分布的卡方检验的数据是实际收集到的样本数据，而非频数数据。
　　某地一周内各日患忧郁症的人数分布如下表所示，请检验一周内各日人们忧郁数是否满足1:1:2:2:1:1:1。
实施步骤：
1、打开PAWS Statistics 18(即SPSS 18)，导入数据。
2、数据－－加权个案，如下图所示
3、分析－－非参数检验－－卡方检验
卡方检验：
阅读(...) 评论()毕业论文救急，请吃饭！求问大神关于SPSS卡方检验
毕业论文救急，请吃饭！求问大神关于SPSS卡方检验
毕业论文马上要交稿了，可是数据分析还没完全弄好，好心塞！求问哪位统计学/SPSS大神，SPSS卡方检验结果中Linear-by-Linear Association这项（见附件）适用的变量类型是怎样的？
网上有说分析一个分类变量与一个等级变量的，有说分析两个等级变量的，到底是怎样呢？
因为老师要求“Linear-by-Linear Association这项适用的变量类型”的答案要有明确的出处（书籍最好，也许可以是论文），可是楼主在图书馆泡了很久，翻了很多关于统计学和SPSS应用的书都找不到，欲哭无泪……
若有大神能告知答案和靠谱出处，楼主请吃饭，决不食言！
望眼欲穿中……
附件: 您所在的用户组无法下载或查看附件
回复 主楼 的帖子
你可以去人大经济论坛上咨询一下呢！！
那就直接用皮尔森不行吗
回复 主楼 的帖子
Clearly in Table 5, the row categories do have an important order and we would like a test which
takes the ordering of the categories into account. Several tests do this, including the Armitage chisquared
test for trend, the Mantel-Haenszel linear-by-linear association, and Kendall’ s rank
correlation tau b. SPSS does the Mantel-Haenszel linear-by-linear association chi-squared test,
whether you want it or not. This is almost identical to the Armitage test, which is the one described
in An Introduction to Medical Statistics. It gives a chi-squared statistic with one degree of freedom
which tests the null hypothesis that there is no linear relationship between the row and column
variables against the alternative that there is no linear relationship, although there may be a
relationship of some other kind.
What do we mean by a linear relationship? First, we assign numerical values to the categories.
Usually this is 1, 2, 3, 4, etc. Here Considerable improvement =1, Moderate or slight improvement
=2, No material change = 3, Moderate or slight deterioration =4, Considerable deterioration =5,
Death =6, and Streptomycin = 1, Control =2. We then say, given these numerical scales, is there a
relationship of the form
improvement = constant + another constant × treatment
Obviously, this cannot predict the improvement exactly, but the find the constants which give the
best prediction for these data and then test whether they predict the improvement better than we
would get by chance. All we are interested is the test statistic, and we do not even see the two
constants. We shall discuss linear trends more in Weeks 9 and 10.
For the data of Table 5, the Mantel-Haenszel linear-by-linear chi-squared = 17.76, 1 d.f.,
P & 0.0001. (For comparison, Armitage chi-squared test for trend gives chi-squared = 17.93, 1 d.f.,
P & 0.0001, which is very similar.)
These trend tests should be valid even when the contingency chi-squared test is not, provided we
have at least 30 observations. They can be significant even when the contingency chi-squared is
not. They give a more powerful test against a more restricted null hypothesis.
回复 主楼 的帖子
维基 Differential item functioning& & 然后 是
Mantel-Haenszel[edit]
A common procedure for detecting DIF is the Mantel-Haenszel (MH) approach.[12] The MH procedure is a chi-squared contingency table based approach which examines differences between the reference and focal groups on all items of the test, one by one.[13] The ability continuum, defined by total test scores, is divided into k intervals which then serves as the basis for matching members of both groups.[14] A 2 x 2 contingency table is used at each interval of k comparing both groups on an individual item. The rows of the contingency table correspond to group membership (reference or focal) while the columns correspond to correct or incorrect responses. The following table presents the general form for a single item at the kth ability interval.
后面有参考文献 lz 可以自己找着去看 都是很老的文献了。
楼主可以试一下去IvyBulb找一下,那边有老师可以一边视频一边给你改文,现在有免费试用。如何快速掌握 SPSS ？ - 知乎<strong class="NumberBoard-itemValue" title="被浏览<strong class="NumberBoard-itemValue" title="8,485分享邀请回答3.7K169 条评论分享收藏感谢收起book.douban.com/subject/4907691/问卷版：吴明隆《问卷统计分析实务：SPSS操作与应用》。这本书的特点是，假如你需要处理问卷数据，哪怕在你想研究啥都不知道的情况下，只要照着这本书一步一步做下去就可以搞定；这是老博士自己当年处理问卷时的亲身经历，强烈建议每一个需要详细做问卷的同学都要备一本。豆瓣链接： 工具书版：张文彤《SPSS统计分析基础教程》、《SPSS统计分析高级教程》。强烈建议每一个需要用到SPSS的研究生，无论什么学科，无论什么年级，一定要常备这两本书，说不定啥时候就用到了。目前基础教程是17年刚出的第三版（豆瓣上还显示是第二版没更新：），高级教程还是13年出的第二版（豆瓣：）最后对于统计基础不扎实的同学推荐一本统计书：北大甘怡群老师的《心理与行为科学统计》。很薄的一本书，但是可以救你于水火，并且任何学科都通用。豆瓣：45353 条评论分享收藏感谢收起已解决问题
SPSS中，卡方检验（Chi Square Test）的事后分析.请大家帮忙
浏览次数：2171
用手机阿里扫一扫
最满意答案
这个地方的确是需要采用卡方检验的，而卡方检验中没有提供方差检验中的两两比较。如果希望知道两两比较的情况，可以通过对对数logit模型，但是这个做起来比较复杂，一般可以通过计算lambda、gamma等相关系数，这里变量都是定序变量，因此可以计算Gamma或者spearman相关系数来看他们的情况，或者通过列联表的数据总结他们之间的规律，只要卡方检验通过统计检验，具体显著性，就可以通过这样来看看两两之间的关系。
答案创立者
以企业身份回答&
正在进行的活动
生意经不允许发广告，违者直接删除
复制问题或回答，一经发现，拉黑7天
快速解决你的电商难题
店铺优化排查提升2倍流量
擅长&nbsp 店铺优化
您可能有同感的问题
扫一扫用手机阿里看生意经
问题排行榜
当前问题的答案已经被保护，只有知县（三级）以上的用户可以编辑！写下您的建议，管理员会及时与您联络！
server is ok}