Tavole di contingenza è una funzione nel software statistico SPSS . Il suo scopo è quello di visualizzare informazioni sulla relazione bivariata tra due variabili . Quando si utilizzano campi incrociati , gli utenti hanno la possibilità di includere i test del Chi Quadrato . Questo produce due tabelle correlate : uno per tabelle a campi incrociati e una per Chi Quadrato . Mentre campi incrociati con Chi Quadrato è una funzione semplice da utilizzare , la sua uscita può sembrare confuso e complicato per alcuni utenti di SPSS . Per interpretare correttamente l'output della funzione di tabelle a campi incrociati , è necessario conoscere la forma di base delle tabelle visualizzate su di uscita . Attraverso la comprensione di questa forma , rendendo interpretazioni circa la relazione bivariata tra le due variabili in questione diventa facile . Istruzioni
1

Controllare la cella appartenente alla prima riga e l'ultima colonna della tabella del Chi Quadrato . L'ultima intestazione di colonna è denominata " asymp . Sig . " Il primo numero in questa colonna è il p-value per il test del Chi Quadrato . Se il p -value è inferiore al valore alfa , questo implica che il test del Chi Quadrato è riuscito, e che si dovrebbe rifiutare l'ipotesi nulla del test del Chi Quadrato ( cioè , che le due variabili sono indipendenti l'uno dall'altro ) . Ricordiamo che è necessario decidere il valore alfa , 0.05 è il valore alfa più comune nelle scienze sociali . Così, ad esempio , se si vede che il numero nella prima riga e l'ultima colonna della tabella del Chi Quadrato è inferiore a 0,05 , si può concludere che le variabili che avete incluso nel vostro studio sono probabilmente legati a che sono a carico di ciascun altro .
2

Controllare la tabella a campi incrociati per capire perché il test del Chi Quadrato riuscita o meno . Nella tabella crosstabs , ogni cella contiene un numero corrispondente di "contare " e un altro corrispondente a " conteggio previsto . " Differenze più grandi tra questi due valori nelle loro cellule portano a una maggiore probabilità del test del Chi Quadrato successo ( cioè , che porta a rifiutare l'idea che le due variabili sono indipendenti ) . Trovare le celle con le maggiori differenze assolute (ignorare se i valori sono positive o negative) tra il "count" e variabili " attesi contano" . Queste cellule sono dove l'ipotesi di indipendenza tra variabili non riesce più . Fai una menzione di questo nella vostra interpretazione (ad esempio, "Quando il valore della variabile x è stata" Mongolia , " abbiamo scoperto che y variabile aveva una grande probabilità di essere" 1 . " ) .
3

controllare i conteggi attesi della tabella a campi incrociati per assicurare che il test del Chi Quadrato è accurato . il test del Chi Quadrato non deve essere eseguita nel caso in cui una qualsiasi delle cellule ha un conteggio atteso nei bassa singole cifre . Cioè, se si trovare una cella che ha un conteggio atteso inferiore al 6 , segnalare questo risultato e stato che il test del Chi Quadrato non può essere valido per i vostri dati . Se i conteggi attesi sono tutti di alta , non c'è una vera preoccupazione . potete interpretare questo come il Chi square test essendo un test accurato per l'ipotesi che le variabili di interesse sono indipendenti .

• Passi per la creazione manuale di un database in Oracle 
• Procedura: query gerarchiche in Oracle