图3-35女孩身高变量的正态概率图第94页，共168页，星期日，2025年，2月5日（11）输出离散正态概率图（DetrendedNormalQ-QPlotof身高），男孩身高如图3-36所示，女孩身高如图3-37所示。横坐标是身高，纵坐标是和正态分布的偏离。第95页，共168页，星期日，2025年，2月5日图3-36男孩身高离散正态概率图第96页，共168页，星期日，2025年，2月5日图3-37女孩身高离散正态概率图第97页，共168页，星期日，2025年，2月5日3.12交叉列联表分析3.12.1统计学上的定义和计算公式定义：前面的分析都是对单个变量的数据分布情况进行分析。但在实际分析中，还需要掌握多个变量在不同取值情况下的数据分布情况，从而进一步深入分析变量之间的相互影响和关系，这种分析就称为交叉列联表分析。第98页，共168页，星期日，2025年，2月5日交叉列联表分析除了列出交叉分组下的频数分布外，还需要分析两个变量之间是否具有独立性或一定的相关性。要获得变量之间的相关性，仅仅靠频数分布的数据是不够的，还需要借助一些变量间相关程度的统计量和一些非参数检验的方法。第99页，共168页，星期日，2025年，2月5日常用的衡量变量间相关程度的统计量是简单相关系数（参见本书有关章节），但在交叉列联表分析中，由于行列变量往往不是连续变量，不符合计算简单相关系数的前提条件。因此需要根据变量的性质，选择其他的相关系数，如Kendall等级相关系数、Eta值等。第100页，共168页，星期日，2025年，2月5日SPSS提供了多种适用于不同相关系数的相关关系，这些检验的零假设是：行和列变量之间彼此独立，不存在显著的相关关系。SPSS将自动给出检验的相伴概率，如果相伴概率小于显著性水平0.05，那么应拒绝零假设，认为行列变量之间彼此相关。第101页，共168页，星期日，2025年，2月5日计算公式如下。（1）卡方统计量检验是常用的检验行列变量之间是否相关的方法。交叉列联表的卡方检验零假设是：行列变量之间独立，计算公式为第102页，共168页，星期日，2025年，2月5日卡方统计量服从（行数?1）×（列数?1）个自由度的卡方统计，SPSS在自动计算卡方统计量后，还会给出相应的相关概率。第103页，共168页，星期日，2025年，2月5日（2）Contingencycoefficient：列联系数。用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，公式为其中，N为样本系数第104页，共168页，星期日，2025年，2月5日（3）PhiandCramer‘sV：ψ系数。用于名义变量之间的相关系数计算。计算公式由卡方统计量修改而得，公式为数值界于0～1之间，其中K为行数和列数较小的实际数。第105页，共168页，星期日，2025年，2月5日3.12.2SPSS中实现过程?研究问题用两个班级学生进行两个感冒疫苗的试验，两个班级学生患感冒结果如表3-10所示，问两个班级学生的患病比例有无差别。表3-10 两班级学生的患病情况班级患病不患病153202404第106页，共168页，星期日，2025年，2月5日?实现步骤图3-38“WeightCases”对话框第107页，共168页，星期日，2025年，2月5日图3-39在菜单中选择“Crosstabs”命令第108页，共168页，星期日，2025年，2月5日图3-40“Crosstabs”对话框第109页，共168页，星期日，2025年，2月5日图3-41“Crosstabs：Statistics”对话框第110页，共168页，星期日，2025年，2月5日图3-42“Crosstabs：CellDisplay”对话框第111页，共168页，星期日，2025年，2月5日图3-43“Crosstabs：TableFormat”对话框第112页，共168页，星期日，2025年，2月5日3.12.3结果和讨论（1）先输出如下个案处理摘要表。第113页，共168页，星期日，2025年，2月5日（2）下面所示表格是“班级”变量和“患病”变量的交叉列联表结果表格。第114页，共168页，星期日，2025年，2月5日（3）交叉分组下频数分布图形，如图3-44所示。第115页，共168页，星期日，2025年，2月5日（4）输出卡方统计结果表。第116页，共168页，星期日，2025年，2月5