spss怎么两个自变量的交叉分析
两个多分类变量可以作相关分析么？
两个多分类变量可以作相关分析么？
我也是现学的，打开spss-分析-交叉表，行和列分别为要分析的两个分类变量点击统计，勾选卡方，继续，确定。皮尔逊卡方显著性小于0.05，即有显著相关性，大于0.05，没有显著相关性。
如何实现两变量之间的相关性分析？
1、首先,大家平时理解的变量是单纬的,而不是你说的多维的.因此,对spss而言,X1、X2、X3、Y1、Y2、Y3分别是6个变量.
2、spss的相关性分析中可以分别统计这6个变量间的相关性.通过他们之间相关性的计算,你或许可以得到你所说的X与Y之间的相关性,但这种相关性只是你推测的定性描述而已,是不能定量描述的.
3、主成分分析,目的是将分析对象的多个维度简化为少数几个维度,方便分析,这样做的前提是维度很多且其中的多个维度之间有较强的相关性.而不是你想象的可以把X1、X2、X3降维成一个变量,因为只有三个维度,已经很少了,这三个维度可以做降维分析的可能性几乎没有.
4、回归分析,只有一个因变量,可以有多个自变量,最终算得因变量与自变量间的回归关系.
估计你只是自己想象了一个例子,实际中一般是不会有这样的分析案例的.
交叉分析表怎么进行描述？
卡方检验是以卡方分布为基础的一种常用的假设检验方法，原假设为 H0：观察频数与期望频数没有差别。如果分析结果P值（统计量取极端情况的概率值）很小，说明观察值与期望值差别较大，应当拒绝原假设。
卡方检验最常用于考察
分类变量在两组或多组间的分布是否具备显著性差异。
也可用于检验两种方法的结果是否一致，比如使用两种方法诊断同一批人，结果是否一致。
SPSS的操作为：
第一步：将样本数据录入SPSS，在变量视图中设置好变量的类型；
第二步：分析——描述统计——交叉表，分别把要考察的分类变量和分组的变量放入行和列中。分类变量比如对某种诊断的反映结果（本例中为对问题1的选择结果，1或0）；分组变量比如1、0两个组，本例是考察这两个组在问题1的结果上是否具备显著差异性。
第三步：设置分析条件，点开”精确“按钮，设置置信水平为95%（或者更严格的99%），点击继续；点开”统计量“，选中卡方、“相关性”。其他选项默认或者按需选择即可。
第四步：结果解读。以上输出的结果如下，这里说一下卡方检验结果表。
表中给出了多种检验结果，其中Pearson卡方是最标准也是最常用的卡方检验结果，适用于样本量充足的情况（脚注中说明了0单元格的期望计数少于5，最小期望计数为6.3，说明该样本量已满足Pearson卡方的要求），只需要看Pearson的结果即可。
这里Pearson卡方检验结果sig0.05，说明这两个组在问题1上具有显著性差异，该差异满足95%的显著性水平。