IBM SPSS Statistics的列聯表分析，也稱為交叉表分析，用于分析兩個或以上分組變量的相關關系，在分析影響滿意度的因素、藥物有效性等方面都有很好的應用。

本文將以較為簡單的二乘二列聯表卡方檢驗為例，介紹一下IBM SPSS Statistics的列聯表分析功能。

一、打開數據文件

首先，我們打開如圖1所示的一組數據，包含了性別、地區與滿意度的數據，用以研究性別與滿意度的相關關系。

由于當前數據中的滿意度變量包含了非常不滿意、比較不滿意、一般、比較滿意、非常滿意五個變量值，為了構建二乘二列聯表，需要轉換一下數據。

圖1：示例數據

二、構建二乘二表格

如圖2所示，打開IBM SPSS Statistics的轉換菜單，并選擇其中的“重新編碼為相同的變量”選項。

圖2：重新編碼為相同變量

接著，如圖3所示，將滿意度變量添加到右側的字符串變量中，并單擊下方的“舊值與新值”進行變量的重新編碼。

圖3：選擇滿意度變量

如圖4所示，在匹配舊值與新值的操作中，我們需依次將非常不滿意、比較不滿意、一般匹配為不滿意；將較滿意、非常滿意匹配為滿意。然后，單擊繼續。

圖4：匹配滿意度變量的新舊值

如圖5所示，可以看到，數據中的滿意度變量已重新編碼為“滿意”與“不滿意”兩個變量值，可與性別組成二乘二列聯表。

圖5：完成滿意度的重新編碼

三、應用二乘二列聯表分析

完成數據的轉換后，就可以打開IBM SPSS Statistics分析中的“交叉表”選項。

圖6：交叉表分析

在交叉表的設置面板中，包含了變量選擇面板以及分析選項功能。

分別將變量添加于列聯表中的行與列，即可構建列聯表。除了構建一層列聯表外，我們還可以通過層選項構建多層的列聯表，分析更為復雜的相關關系。

完成變量的選擇后，即可使用右側的分析選項探究變量間的相關關系。在下一節中，我們會使用轉換好的數據演示功能。

圖7：交叉表設置

本文中，我們已經做好了數據的轉換，并簡單了解了列聯表的變量選擇面板。下一節，將會通過實例進一步探究變量間的相關關系。

在IBM SPSS Statistics中我們已經將滿意度重新編碼為僅包含滿意、不滿意兩個變量值的變量，并簡單了解了列聯表的變量選擇面板。本節，將會通過實例進一步探究滿意度與性別間的相關關系。

一、選擇變量

為了研究性別與滿意度的相關關系，如圖1所示，我們需要分別將性別、滿意度變量添加到右側的行、列中，形成二乘二的列聯表。

圖1：選擇變量

二、設置精確檢驗方法

然后，再單擊“精確”選項，設置分析所用的精確檢驗方法。在進行非參數檢驗時，需要設置精確檢驗方法，用于計算檢驗對應的P值。

一般情況下，選擇“僅漸進法（適用于較大樣本或服從漸進分布的數據）”，如果數據不符合漸進分布，則要選擇蒙特卡洛法。“精確”法，是在小樣本量的情況下使用，計算量較大，對計算機的內存要求較高。

圖2：精確檢驗選項

三、設置統計選項

完成精確檢驗設置后，如圖3所示，打開“統計”按鈕，選擇其中的“卡方”選項，并在“名義”選項框中選擇“列聯系數”，以獲得二乘二的卡方檢驗結果。

圖3：設置統計選項

四、設置單元格顯示

最后，在單元格顯示選項中，可以進一步設置分析結果的數據呈現方式。我們選擇了以實測計數，并顯示行（性別百分比）。

圖4：單元格顯示選項

五、分析結果

完成以上設置后，運行結果。首先，如圖5所示，從頻率表看到，男性與女性的滿意占比都較不滿意占比高，而且男性的滿意占比似乎高于女性。

圖5：頻率表

為了進一步驗證男性與女性的滿意占比是否有顯著性差異，我們可以觀察卡方檢驗的數據。

如圖6所示，可以看到，卡方的漸進顯著性為0.015<0.05，表明男性與女性的滿意占比有顯著性差異，男性的滿意占比顯著高于女性。

圖6：卡方檢驗與列聯系數