双向有序且属性不同的列联表分析的SPSS操作教程及结果解读

摘要：在上一期，我们已经讲完了单向有序的列联表分析，这期开始讲双向有序且属性不同的列联表分析，我们主要从双向有序且属性不同的的列联表分析介绍及案例的SPSS操作演示这几方面进行讲解。

作者/风仕

在上一期，我们已经讲完了单向有序的列联表分析，这期开始讲双向有序且属性不同的列联表分析，我们主要从双向有序且属性不同的的列联表分析介绍及案例的SPSS操作演示这几方面进行讲解。

双向有序且属性不同的列联表分析介绍

当列联表列变量为有序变量（等级变量），且行变量也为属性不同的有序变量时，我们对这种资料有两种处理方法，第一种是将行变量视为无序变量，则资料转化为单向有序列联表, 我们可以釆用多组独立样本秩和检验进行分析;第二种我们可以将行变量视为有序变量，来考察这行变量和列变量之间的关系，釆用Spearman等级相关分析。若研究目的是分析两个有序分类变量间是否存在线性变化趋势，用有序分组资料的线性趋势X²检验。

案例的SPSS操作演示

分析示例

现有一份170例某病患者的治疗效果资料，按年龄和疗效两种属性交叉分类，结果见下表。

数据录入

1. 变量视图

名称 age 标签患者年龄

名称 result 标签疗效

名称 weight 标签权重

2.数据视图

数据预处理

这是对数据的预定义，在数据(D) 下拉菜单框中完成，即设置权重变量，该操作是R×C

表运算的基本操作。

研究方向1:关心组间差别(秩和检验)

研究假设

H0：3个年龄组疗效的总体分布位置相同。

H1：3个年龄组疗效的总体分布位置不全相同。

α=0.05

操作流程

1.下图指出了非参数检验对于数据的要求：非参数检验不假定您的数据呈正态分布。至于目的，默认为自动比较不同组间的分布，我们先不用管它，因为还需要在其他地方进行设置。

2. 下图为字段选项卡，检验字段(测量指标)框选入疗效 result,而组(分组变量)框则选入患者年龄age。值得注意的是，有时检验字段的类型必须为数值，组变量的类型必须为字符，变量类型可以在变量视图窗口进行修改。

3. 我们的研究问题为3个年龄组之间疗效是否存在差异，因此将3个年龄组之间视为无序，该资料转变成单向有序的列联表分析，所采用的方法为多组独立样本的秩和检验，所以检验方法选用Kruskal-Wallis单因素ANOVA。可见同一数据可以根据分析目的的不同可采用不同的方法，从而得出不同的结论。我们不应选择中位数检验，它虽然直接检验多个样本所代表的各总体的中位数是否相同，但是检验效能很低，很难发现组间的差别。

结果解释

1.下表对检验结果作了简单介绍，原假设为各年龄组的疗效的分布相同，检验方法为 Kruskal-Wallis 检验，即多组独立样本的秩和检验，检验结果为P

2.在结果窗口双击假设检验摘要表格，弹出详细结果窗口，其结果如下：

这是常见的箱式图(box plot),常用于描述不符合正态分布的连续变量的分布特征，此处用于表示多组等级资料，但该图大家需要特别注意，纵轴所代表的疗效并非原始数据，而是排序后形成的疗效秩次的总体，图形能帮助大家直观地感受各组之间的数据分布。

3.下表给出了具体的统计值，调整后检验统计量为17.605,相当于教科书中的H 值，P

研究方向2:关心两变量之间是否相关(秩相关)

研究假设

研究问题：疗效和年龄之间是否相关

操作流程

下图对话框中选择相关性检验方法，这里有相关系数的三个选项，主要体现在对两个变量的要求不同。

(1)Pearson: 又称线性相关系数(linear correlation coefficient),是定量表述两个连续变量间线性关系密切程度和相关方向的统计指标。

(2)Kendall 的 tau-b(K) 和 Spearman:Spearman相关系数(秩相关系数)和Kendall's等级相关系数均对数据进行排序，但区别在于秩相关是以复合样本整体进行排序，而Kendall's等级相关则以每个样本单独进行排序，考察其方向的一致性。Spearman等级相关系数比较常用。