2 列联表分析（Crosstabs）
列联表是指两个或多个分类变量各水平的频数分布表，又称频数交叉表。

SPSS的Crosstabs过程，为二维或高维列联表分析提供了22种检验和相关性度量方法。

其中卡方检验是分析列联表资料常用的假设检验方法。

例子：山东烟台地区病虫测报站预测一代玉米螟卵高峰期。

预报发生期y为3级（1级为6月20日前，2级为6月21-25日，3级为6月25日后）；预报因子5月份平均气温x1（℃）分为3级（1级为16.5℃以下，2级为16.6-17.8℃，3级为17.8℃以上），6月上旬平均气温x2（℃）分为3级（1级为20℃以下，2级为20.1-21.5℃，3级为21.5℃以上），6月上旬降雨量x3（mm）分为3级（1级为15mm以下，2级为15.1-30mm，3级为30mm以上），6月中旬降雨量x4（mm）分为3级（1级为29mm以下，2级为29.1-36mm，3级为36mm以上）。

数据如下表。

山东烟台历年观测数据分级表（）
注：摘自《农业病虫统计测报》 131页。

1) 输入分析数据
在数据编辑器窗口打开“”数据文件。

数据文件中变量格式如下：
2)调用分析过程
在菜单选中“Analyze-Descriptive- Crosstabs”命令，弹出列联表分析对话框，如下图
3)设置分析变量
选择行变量：将“五月气温[x1]，六月上气温[x2]，六月上降雨[x3]，六月中降雨[x4]”
变量选入“Rows:”行变量框中。

选择列变量：将“玉米螟卵高峰发生期[y]”变量选入“Columns:”列变量框中。

4)输出条形图和频数分布表
Display clustered bar charts: 选中显示复式条形图。

Suppress table: 选中则不输出多维频数分布表。

5)统计量输出
点击“Statistics”按钮，弹出统计分析对话框（如下图）。

Chi-Square: 卡方检验。

选中可以输出皮尔森卡方检验（Pearson）、似然比卡方检验（Likelihood-ratio）、连续性校正卡方检验
（Continuity Correction）及Fisher精确概率检验（Fisher’s Exact test）的结果。

Correlations: 选中输出皮尔森（Pearson）和Spearman相关系数，用以说明行变量和列变量的相关程度。

Nominal: 两分类变量的关联度（Association）测量
Contingency Coefficient: 列联系数，其值越大关联性越强。

Phi and Cramer’s V：Cramer列联系数，其值越大关联性越强。

Lambda: 减少预测误差率，1表示预测效果最好，0表示预测效果最差。

Uncertainty Coefficient: 不定系数
Ordinal: 两有序分类变量（等级变量）的关联度测量
Gamma: 关联度，+1表示完全正关联，-1表示负关联，0表示无联。

Somers’d：列联度，其取值范围和意义同上。

Kendall’s tau-b：
Nominal by Interval: 一个定性变量和一个定量变量的关联度
Eta：关联度统计量。

Kappa：吻合度系数，其取值-1至+1，其值越大吻合程度越高。

Risk：危险度分析。

McNemar：配对计数资料的卡方检验。

Cochran’s and Mantel-Haenszel statistics：检验在协变量存在下，两个二分类变量是否独立。

6) 设置列联表的显示
单击“Cells”按钮，弹出列联表显示内容对话框（如下图）。

Counts: 频数
Observed: 观测频数。

Expected: 期望频数。

Percentages: 百分比
Row: 占本行的百分比。

Column: 占本列的百分比。

Total: 占全部的百分比。

Residuals: 残差分析
Unstandardized: 非标准化残差分析。

Standardized: 标准化残差分析。

Adj. Standardized: 调整的标准化残差分析。

Noninteger Weights:
⊙ Round cell counts: 临近列计算。

○ Truncate cell counts:。

○ Round case Weights临近记录度量
○ Truncate case Weights
○ No adjustments: 不调整。