上机练习 3 列联表分析与方差分析
本上机练习的主要目的：熟悉如何利用SPSS与Excel进行列联表分析及方差分析。

本练习所使用数据文件为
和“Salary.sav”。

“carown.dat”、“fastfood.sav”
1. 列联表分析
Q：如何利用列联表分析考察家庭成员数与家庭所拥有汽车数之间
的关系？（数据文件为“Carown.dat”）
在这之前，我们首先检验各变量是否存在野码（wild code）或异常值
（outlier），这可以通过频数表以及箱形图（boxplot）来判断。

在家庭成员数的频数表中，我们发现，有一个样本的家庭成员数为0，而
，该样本取值在其范围之外，即为野码（wild 该变量的取值范围为[1, +∞］
code）。

对于野码的处理，一般可以采用将该样本的此变量设为缺失值或
直接去掉该样本的做法。

在家庭所拥有汽车数的频数表中，我们发现，有一个样本的家庭所拥有汽
车数为9，显然是一个极端值。

我们利用boxplot也证实了该样本为一个异常值（outlier）。

异常值处于该变量的正常取值范围内，但可能会对该
变量的相关统计结果产生较为严重的影响。

对于异常值的处理，一般可以
采用直接去掉该样本的做法或者根据情况进行调整。

而对于上述我们发现
的异常值来说，我们可以直接去掉该样本。

在上述数据清理的工作完成之后，我们可以开始进行列联表分析。

因为列
联表分析只适用于分类变量，我们需要利用Transform Recode Into
Different Variables…对家庭人数以及家庭所拥有汽车数进行分类，分别
定义新变量member1和cars1与之对应。

具体对应关系如下：
旧变量新变量新变量类别旧变量新变量新变量类别
定义含义
member member1 member1 cars cars1 cars1 1-2 1 1-2位成员 1 1 1辆
3 2 3位成员≥２ 2 2辆以上
≥４ 3 4位以上成员
下面我们以定义新变量cars1为例来对Recode函数功能进行说明。

打开对话框后，选中变量cars，并点击按钮，将其选入变量框中。

然后在
，接下来点击按钮
的“Name”中填入新变量名“cars1”
“Output Variable”。

，分别填入对应的新旧变量值后点击“Continue”
然后对相应的类别加以定义
定义新变量member1类似处理。

接下来我们进行列联表分析。

我们从主菜单
中选择Analyze Descriptive statistics Crosstabs...。

点击下面的Statistics…
按钮，选。

完成后我们点击“OK”。

择我们所需的统计指标。

选择好以后点击“Continue”
从上面的分析我们可以知道，家庭成员数对家庭所拥有汽车数具有显著的影响（Chi-square所对应的显著性水平<0.05）。

不过，从Phi系数、Cramer’s V和列联系数的大小来看，这两个变量之间的联系并不是很强。

2. 单因子方差分析
Q：如何利用单因子方差分析来判断不同种族类型员工的起薪是否
存在显著差异？（相应的数据文件为“Salary.sav”
）
数据文件进行下面的方差分析，该数据文件中的各变量我们利用“Salary.sav”。

定义参见数据字典“Salary_dct.doc”
要进行单因子方差分析，需要从主菜单中选择：Analyze Compare means One-Way ANOVA...。

然后，将变量salbegin选入“Dependent List（因变量）”，将变量
，在“Descriptive（描述性统race选入“Factor（因子）”。

点击下面的按钮“Options”
计）”和“Homogeneity of variance test（同方差检验）”前面打上勾。

用于对精细趋势检验和精确两两比较的选项进行定义，一般按钮“Contrast...”
用于选择进行各组（组数必须大于2）我们基本上不用此功能。

按钮“Post Hoc …”
间两两比较的方法，这里我们也不需要用到。

返回，点击“OK”。

我们得到以下结果：
点击“Continue”
上述描述性统计表明，少数族裔员工比白人员工的起薪低。

不过，这两组样本
的同方差假设被拒绝。

上述单因子方差分析的结果表明，白人员工与少数族裔员工的起薪存在显著差
异（显著性水平 = 0.001）。

不过，在没有控制影响起薪的其它因素
的情形下，我们需要小心使用得到的上述结论。

3. 多因子方差分析与协方差分析
Q：如何在控制了员工受教育年限（educ）作用的条件下考察员工
性别（sex）与种族（race）对员工起薪（salbegin）的影响？（相应的数
）
据文件为“Salary.sav”
数据文件进行多因子方差分析与协方差分析。

下面我们继续利用“Salary.sav”
要进行多因子方差分析与协方差分析，需要从主菜单中选择：Analyze General Linear Model Univariate...。

然后，将变量salbegin选入“Dependent Variable（因变量）”，将变量race和sex选入“Fixed Factor(s（固定因子）”，将变
，在“Descriptive 量educ选入“Covariate(s（协变量）”。

点击右边的按钮“Options”
（描述性统计）”和“Homogeneity of variance test（同方差检验）”前面打上勾。

点返回。

击“Continue”
为了获得变量race和sex的交互作用图，我们还需要点击主界面右边的按钮
中，然后点击
和“Separate lines”。

分别将race和sex选入“Horizontal Axis”
“Plots”
返回。

“Add”，并点击“Continue”
点击“OK”。

我们得到以下结果：
上述协方差分析结果表明，即使在控制了员工受教育年限（educ）作用的条件下，员工性别（sex）与种族（race）的主效应仍然非常显著。

不过，这两者之间的交互作用不显著。

下图说明了种族对员工起薪的影响对于男性和女性来说是类似的，即员工性别（sex）与种族（race）之间的交互作用不显著。

请继续使用Excel的“数据统计”功能完成以上各项任
务，具体操作可参考《Excel在统计中的应用》。

课堂练习。

1. 请试着借助SPSS软件重新完成以前布置过的作业：
《营销研究方法与应用》P240，练习题2；
练习4“方差分析”。

2. 请先将定量变量“最近三个月内去洋快餐店消费次数”转换成定类变量（0-1次为“几乎未去过”，2-5次为“有时会去”，6次以上为“经常去”），然后利用列联表方法分别考察受访者的性别、文化程度、个人月收入等特征与“最近三个月内去洋快餐店消费次数”之间的关系，并检验这些关系是否显著。

如果我们还想了解受访者
的年龄与“最近三个月内去洋快餐店消费次数”之间的关系，是否能利用列联表的方法？如果要利用列联表方法来考察它们之间的关系，应该怎样做呢？
3. 利用协方差分析方法考察受访者的性别、文化程度、个人月收入和年龄对其“最近三个月内去洋快餐店消费次数”（定量变量）的影响。