(9)输出Spread vs.Level图，如图3-33所示。 图333 Spread vs.Level图 (10)输出身高正态概率图(Normal Q-QPlot of身高)，如图3-34所示 图334男孩身高变量的正态概率图 图3-35女孩身高变量的正态概率图 (I1)输出离散正态概率图(Detrended NormalQ-QPlot of身高)，男孩身高如图336 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。 图3-36男孩身高离散正态概率图 图3-37女孩身高离散正态概率图 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。 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。 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。 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 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 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。 (2)Contingency coefficient: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 (3)Phi and Cramer‘sV:中系数。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 （9）输出 Spread vs. Level 图，如图 3-33 所示。 图 3-33 Spread vs. Level 图 （10）输出身高正态概率图（Normal Q-Q Plot of 身高），如图 3-34 所示。 图 3-34 男孩身高变量的正态概率图 图 3-35 女孩身高变量的正态概率图 （11）输出离散正态概率图（Detrended Normal Q-Q Plot of 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。 图 3-36 男孩身高离散正态概率图 图 3-37 女孩身高离散正态概率图 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。 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。 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。 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。 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 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。 （2）Contingency coefficient：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 （3）Phi and Cramer‘s V：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