多变量描述统计分析交叉表分析法
多变量描述统计分析
交叉表分析法
一、交叉表分析法的概念
交叉表（交叉列联表）分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法，此表格反映了这些只有有限分类或取值的离散变量的联合分布。
当交叉表只涉及两个定类变最时，交叉表又叫做相依表。
交叉列联表分析易于理解，便于解释，操作简单却可以解释比较复杂的现象, 因而在市场调查中应用非常广泛。
频数分布一次描述一个变量，交叉表可同时描述两个或更多变量。
交叉表法的起点是单变量数据，然后依研究日的将这些数据分成两个或多个细目。
下面是一个描述交叉表法应用的例子。
某保险公司对影响保户开车事故率的因素进行调研，井对各种因素进行了交叉表分析.
驾驶员的事故率
表
样就出现了二维交叉表2。
这个表的结果令男士懊恼，因为他们的事故率较女士驾车时涉及的事故率要高。
但人们会提出这样的疑问而否定上述判断的正确性，即男士的事故多，是因为他们驾驶的路程较长。
这样就引出第三个因素"驾驶距离"，于是岀现了三维交叉表3。
结果表明，男士驾驶者的高事故率是由于他们的驾驶距离较女士长，但并没有证明男士和女士哪个驾驶得更好或更谨慎，仅证明了驾车事故率只与驾驶距离成正比，而与驾驶者的性别无关。
二、两变量交叉列联表分析
例如.研究城镇居民在某地的居住时间与其对当地百货商场的熟悉程度之间
的关系，对“居住时间”和“熟悉程度”这两个变量进行交叉列联分析。
如表4 所
示。
表居住时间与对百货商场的熟悉程度的交叉列联分析（频数）
那么，到底居住时间与对商场的熟悉程度有没有关系呢？由表4可见，居住时
间低于30年的居民比居住时间在30年以上的居民似乎更熟悉百货商场。
进一步计算岀百分比.则可以看得更直观一些。
见表5。
表5 居住时间与对百货商场的熟悉程度的交叉列联分析（％）
行百分比与列百分比的选择取决于哪个变量是因变量哪个变量是自变量。
一般的规则是，在自变量的方向上.对因变量计算百分比。
以表5为例，居住时间为自变量，对商场的熟悉程度为因变量，因而可以对各居住时间分别计算熟悉程度的百分比。
由表5可见，53. 6%的居住时间低于13 年的人
和60. 9%的居住时间在13年~30年的人都熟悉该商店，而只有32. 9%的居住时间
在30年以上的人熟悉该商店。
看来，同样住在该地区的人，居住时间越长. 对购物环
境反而更不熟悉。
这个结论是有一定道理的，在一个地方居住很长时间的人一般相对
来说更没有动力去熟悉该商场。
如果我们在因变量的方向上对自变量计算百分比（如表6所示），则显然没意
义。
表6 居住时间与对百货商场的熟悉程度的交叉列联分析（%）
表6暗示，对当地商场不熟悉会影响居民在该地的居住时间，这显然是不合理的。
但是，居住时间与对百货商场的熟悉程度之间的联系可能受第三变量的影响，例如年龄。
居住时间越长的人可能年龄越大。
尽管分析结果表明年龄在此不是影响因素，但由此可见需要检查第三因素的影响。
三、三变量的交叉列联表分析
引入第三变量后再进行交叉列联分析，则可能出现以下四种结果：
（1）剔除外部环境的影响，使原先两变量间的关系更单纯。
例如，在表7中，
仅分析婚姻状况和衣服支岀水平这两个变量时，从数字上看未婚者在衣服支出方面比
已婚者更高一些。
但引入变量性别以后，发现对于男性来说，已婚者与未婚者在衣服
支岀方面没有显著差异，但对于女性未婚者与已婚者，在衣服支出方面的差异则很明显。
见表8。
表
8 婚姻状况和性别对衣服支出水平的交叉列联分析⑴
(2)否定原先两变量间的关系。
例如，根据表9可见，仅对受教育水平和私家
的拥有情况进行交叉列联分析，发现文化程度越高的人拥有私家车的比例越高。
但引入收
人变量后发现收入才是影响拥有私家车的真正原因，对于低收入者.不论文化程 度高低在
购买私家车方面没有差异。
见表10o 表9
受教育水平对私家车拥有状况的交叉列联分析(%)
表
受教育水平和收入对私家车拥有状况的交叉列联分析(%)
(3)尽管原先观察两变量间没有关系.第三变量的引入可能揭示了它们之间 的一些联系。
由表11可见，仅对年龄和出国旅行的欲望进行交叉列联分析.发现 两者之间没有
关系。
但引入性别变量后，发现对于男性，年龄越大，出国旅游的 欲望越强；而对于女性正好相反，年龄越小，岀国欲望越强。
见表12。
表12 年龄和性别对是否希望岀国旅行的交叉列联分析（幻
（4）没有影响。
以表13为例，引入收入变量后，家庭规模与是否经常吃快餐之间仍旧没有关系。
见表14。
表13 家庭规模对是否经常吃快餐的交叉列联分析（%）
表14 家庭收入和家庭规模对是否经常吃快餐的交叉列联分析（%）
四、交叉表分析法的优缺点
交叉表被广泛用于商业市场调研，因为它有如下优点：
•交叉表的分析结果很容易直观地被理解；
•明了的解释加强了调研结果与经理行为的联系；
•一系列交叉表比务变屋分析更有助于理解复杂的问题：
•交叉表可减弱空格问题，这在多元离散变量分析中更突出;
•交叉表将复杂的数据简单化。
交叉表有两点局限。
其一，如果需要考虑多个变量，样本容量就应相当大；其二，很难确保对所有的相关变量进行了分析，如果变量选择不适当，就会得岀错误的结论。
即使变量选择的正确，研究者也许会因使用不当而无法找到真正的关系。
能否制作一个好的交叉表，取决于研究者选择关键变量以及根据这些变量组成交叉表的能力。
另外，用于交叉表分析的变量的类型和数量随研究的目的、性质而变化。
在描述性调研中，研究者有较大的自主权来选择这些变量。
在探索性研究中，研究者凭主观意识选择所有的用于交叉表的变量。
交叉表分析只能用于有数据基础的变量分析，它描述的是变量间的关系，但不一定是因果关系。
第十四章 交叉表分析法(课件)
多变量描述统计分析交叉表分析法一、交叉表分析法的概念交叉表(交叉列联表) 分析法是一种以表格的形式同时描述两个或多个变量的联合分布及其结果的统计分析方法，此表格反映了这些只有有限分类或取值的离散变量的联合分布。
当交叉表只涉及两个定类变量时，交叉表又叫做相依表。
交叉列联表分析易于理解，便于解释，操作简单却可以解释比较复杂的现象，因而在市场调查中应用非常广泛。
频数分布一次描述一个变量，交叉表可同时描述两个或更多变量。
交叉表法的起点是单变量数据，然后依研究目的将这些数据分成两个或多个细目。
下面是一个描述交叉表法应用的例子。
某保险公司对影响保户开车事故率的因素进行调研，并对各种因素进行了交叉表分析。
表1 驾驶员的事故率类别比率，%无事故61至少有一次事故39样本总数，人17800从初始表1中可以看出，有61%的保险户在开车过程中从未出现过事故。
然后，在性别基础上分解这个信息，判断是否在男女驾车者之间有差别。
这样就出现了二维交叉表2。
表2 男女驾驶员的事故率类别男，%女，%无事故5666至少有一次事故4434样本总数，人93208480这个表的结果令男士懊恼，因为他们的事故率较女士驾车时涉及的事故率要高。
但人们会提出这样的疑问而否定上述判断的正确性，即男士的事故多，是因为他们驾驶的路程较长。
这样就引出第三个因素"驾驶距离"，于是出现了三维交叉表3。
表3 不同驾驶距离下的事故率类别男，%女，%驾驶距离>1万公里<1万公里>1万公里<1万公里无事故51735073至少有一次事49275027故样本总数，人7170215024306050结果表明，男士驾驶者的高事故率是由于他们的驾驶距离较女士长，但并没有证明男士和女士哪个驾驶得更好或更谨慎，仅证明了驾车事故率只与驾驶距离成正比，而与驾驶者的性别无关。
二、两变量交叉列联表分析例如，研究城镇居民在某地的居住时间与其对当地百货商场的熟悉程度之间的关系，对“居住时间”和“熟悉程度”这两个变量进行交叉列联分析。
第五章交叉表分析ppt课件
资 金是运 动的价 值，资 金的价 值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
第7步：设置交叉表的显示。
资 金是运 动的价 值，资 金的价 值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
计算性别与英语四级的卡方值的效应量和统计检验力。 ➢ 第一步：效应量克莱姆V系数为0.279。 ➢ 第二步：根据Cohen（1992） 对克莱姆V系数效应量大小
的评定表（查询表5- 2），效应量0.279，很接近0.30，为 中效应量。 ➢ 第三步：根据克莱姆V系数值的大小和自由度查表确定统计 检验力。这里卡方检验为中效应量，总自由度为（2－1）* （2－1）＝1，总体N为286，查询表5-3统计检验力表，可 知统计检验力为大约0.99，即99%左右。 由以上计算可知，在本例中，统计量检验显著（P小于0.05 ，拒绝原假设），并且是中效应量。此时说明统计结论（拒 绝原假设的结论）的可靠性尚可，基本可以认同此结论（拒 绝原假设）
总之，在本例中，统计量检验显著（P小于0.05，拒绝原 假设），并且是小效应量。此时说明统计结论的可靠性较低， 还需进一步的研究资料佐证此结论，研究结果推广时要慎重。
资 金是运 动的价 值，资 金的价 值是随 时间变 化而变 化的， 是时间 的函数 ，随时 间的推 移而增 值，其 增值的 这部分 资金就 是原有 资金的 时间价 值
二、品质相关性检验：是指两个或两个以上的 分类变量（顺序变量）之间相关性程度的假设 检验。原假设 为：所观测的两个分类变量之间 的相关性为0。备择假设 为：所观测的两个分 类变量之间的相关性显著。
资料的统计分析——双变量及多变量分析
资料的统计分析——双变量及多变量分析双变量及多变量分析是指在统计分析中，同时考察两个或多个变量之间的关系。
通过对多个变量进行综合分析，可以更全面地了解变量之间的相互作用和影响。
双变量分析是指考察两个变量之间的关系，常用的方法包括相关分析和回归分析。
相关分析是用来评价两个变量之间的线性关系的强度和方向。
常用的相关系数有皮尔逊相关系数和斯皮尔曼相关系数。
皮尔逊相关系数适用于两个变量都为连续型变量的情况，而斯皮尔曼相关系数适用于至少一个变量为有序分类变量或者两个变量都为有序分类变量的情况。
回归分析是用来探究一个变量（因变量）与一个或多个变量（自变量）之间的关系的强度和方向。
常用的回归分析方法有简单线性回归分析和多元线性回归分析。
简单线性回归分析是用来研究一个自变量与一个因变量之间的线性关系的情况，而多元线性回归分析则可以同时研究多个自变量与一个因变量之间的关系。
在进行双变量分析之前，需要先进行数据的描述性分析。
描述性分析是对数据的基本特征进行总结和描述，包括样本数量、均值、方差、最小值、最大值等。
多变量分析是指同时考虑多个变量之间的关系。
常用的方法包括多元方差分析、聚类分析和因子分析。
多元方差分析是用来比较多个因素对于一个或多个因变量的影响的强度和方向。
聚类分析是用来将样本按照其中一种相似度划分为不同的群组，从而研究变量之间的内部关系。
因子分析是用来探究多个变量之间的潜在结构，从而找出变量之间的共性和差异。
除了以上方法，还可以采用交叉表分析、卡方检验和回归分析等方法来研究多个变量之间的关系。
在进行双变量及多变量分析时，需要注意以下几个问题：首先，需要选择合适的统计方法，根据变量的类型和变量之间的关系特点来选择合适的分析方法。
其次，需要注意变量之间的相关性，避免多重共线性的问题。
此外，还需要注意样本的选择和样本量的大小，以及结果的解释和推断的注意事项。
总之，双变量及多变量分析是一种重要的统计方法，可以帮助我们更全面地了解变量之间的相互作用和影响。
市场调查与分析——项目、任务与案例(第2版)课件项目五 分析市场调查数据
（三）频数分布表和频数分布图制作
1、单选题频数分布表和频数分布图制作
频数分布表制作：
打开SPSS数据库，点击菜单“分析→描述统计→频率” ，制作单 选题频数分布表。参看图3左边部分。
频数分布图制作： 方法1：在打开的频率对话框中，点击“图表”按钮，选择“图表类型”， 点击“继续”和“确定”按钮，即可输出频数分布图。见图3右边部分。 方法2：将利用SPSS制作的频数分布表复制到EXCEL工作表中，使用 “插入→图表”制作统计图。EXCEL制作的统计图比较丰富多彩和漂亮。
频数分布图制作：可将表格复制到EXCEL工作表中制作频数分布图。
图6
课堂练习3
利用SPSS进行单变量排序题统计整理
课前提问
1、市场调查中常用的描述统计分析方法有哪些？ 2、如何制作单选题频数分布表和频数分布图？ 3、如何制作多选题频数分布表？ 4、如何对排序题进行分析？
三、单变量描述统计分析法
QD=Q3-Q1
（9）
四分位差：适用于对存在极端值的定距数据和定比数
据离散趋势的测度。
3、变异系数
是标准差与平均变量值之比。
V x 100%
（10）
变异系数：适用于比较平均水平不相等的两组或多组
数据的离散程度。
单变量描述统计分析案例
管理教育在中国发展迅速，生源的争夺也愈演愈烈。
择校时考生非常关心的一项指标就是毕业生的平均起薪。但 是，在同届毕业生起薪差异很大的情况下，用平均起薪代表 某校毕业生的起薪水平具有明显的误导作用。
图8
表4 卡方检验
渐进 Sig. (双
值
df
侧)
Pearson 卡方 98.456
16
a
.000
使用SPSSSPSS中文版统计软件的统计分析操作方法
使用SPSSSPSS中文版统计软件的统计分析操作方法SPSS（Statistical Package for the Social Sciences）是一种用于统计分析的软件工具，它可以帮助研究人员对数据进行处理、分析和解释。
下面将介绍SPSS中文版统计软件的常见统计分析操作方法。
一、数据导入和预处理1. 启动SPSS软件后，在主界面选择"文件"->"打开"->"数据"，然后选择要导入的数据文件，如Excel或CSV格式文件。
2.在数据导入对话框中，选择正确的数据类型和分隔符，并指定变量名和数据属性。
3.完成数据导入后，可以对数据进行预处理操作，如数据清洗、变量选择、数据转换等。
二、描述统计分析1.在数据导入后，在主界面选择"统计"->"描述性统计"->"频数"，然后选择要进行频数分析的变量。
2.设置所需的统计量和显示选项，如均值、标准差、最小值、最大值等，并生成描述统计表。
三、数据可视化1.在主界面选择"图表"->"柱形图"，然后选择要进行柱形图分析的变量。
2.设置柱形图的样式、颜色和标题等，并生成柱形图。
3.可以根据需要选择其他类型的统计图表，如折线图、散点图、饼图等，以进行数据可视化展示。
四、假设检验1.在主界面选择"分析"->"描述统计"->"交叉表"，然后选择要进行交叉表分析的变量。
2.设置所需的交叉表分析选项，如分组变量、交叉分类表等，并生成交叉表。
3.可以根据需要进行卡方检验、t检验、方差分析等假设检验方法来比较两个或多个变量之间的差异。
五、回归分析1.在主界面选择"回归"->"线性"，然后选择要进行回归分析的因变量和自变量。
《统计分析和SPSS的应用（第五版）》课后练习的答案解析（第4章）
《统计分析和SPSS的应⽤（第五版）》课后练习的答案解析（第4章）《统计分析与SPSS的应⽤（第五版）》（薛薇）课后练习答案第4章SPSS基本统计分析1、利⽤第2章第7题数据采⽤SPSS频数分析，分析被调查者的常住地、职业和年龄分布特征，并绘制条形图。
分析——描述统计——频率，选择“常住地”，“职业”和“年龄”到变量中，然后，图表——条形图——图表值（频率）——继续，勾选显⽰频率表格，点击确定。
Statistics户⼝所在地职业年龄N Valid 282 282 282Missing 0 0 0户⼝所在地Frequency Percent ValidPercentCumulativePercentValid 中⼼城市200 70.9 70.9 70.9 边远郊区82 29.1 29.1 100.0 Total 282 100.0 100.0职业Frequency Percent ValidPercentCumulativePercentValid 国家机关24 8.5 8.5 8.5 商业服务业54 19.1 19.1 27.7 ⽂教卫⽣18 6.4 6.4 34.0 公交建筑业15 5.3 5.3 39.4 经营性公司18 6.4 6.4 45.7 学校15 5.3 5.3 51.1 ⼀般农户35 12.4 12.4 63.5 种粮棉专业户4 1.4 1.4 64.9种果菜专业户10 3.5 3.5 68.4 ⼯商运专业户34 12.1 12.1 80.5 退役⼈员17 6.0 6.0 86.5 ⾦融机构35 12.4 12.4 98.9 现役军⼈ 3 1.1 1.1 100.0 Total 282 100.0 100.0年龄Frequency Percent ValidPercent Cumulative PercentValid 20岁以下 4 1.4 1.4 1.4 20~35岁146 51.8 51.8 53.2 35~50岁91 32.3 32.3 85.5 50岁以上41 14.5 14.5 100.0 Total 282 100.0 100.0分析：本次调查的有效样本为282份。
统计学软件及应用_实验8_交叉表和多重响应
《统计学软件及应用》上机试验报告试验名称：实验8 交叉表和多重响应成绩：对于多选题也可以用交叉表进行分析。
选择交叉表，再选择行列变量，注意变量范围。
运行得到结果进行分析；8.3 多维交叉表做多维交叉表，是在二维交叉表的基础上再以性别分层，为了简化表格，将单元格里的百分数去掉，使表格小一点，按确定键运行；若想把静态表格转换为动态表格，双击表格进行激活编辑。
若是双击后“透视托盘”对话框未出现，点击上方菜单栏中的枢轴，将透明托盘选项选中即可。
将性别直接拖拉到左侧的栏框里，关闭对话框，此时就可单独选中不同性别来查看数据。
如果还想要添加一个变量进行交叉描述，及制作多维度的交叉表格，则需要切换到下一层，及点击下一张，此时，该栏框变为层2的2，将所需变量键入即可。
之后可按照所需的数据进行处理。
课堂试验内容五、实验步骤（请截图展示详细的操作过程）S2.性别 * S4.学历 * 月份交叉表占 S2.性别的百分比月份S4.学历总计初中/技校或以下高中/中专大专本科硕士或以上200704 S2.性别男13.9% 27.3% 27.3% 23.6% 7.9% 100.0% 女22.2% 32.6% 26.7% 17.0% 1.5% 100.0% 总计17.7% 29.7% 27.0% 20.7% 5.0% 100.0% 200712 S2.性别男17.4% 28.4% 22.6% 21.9% 9.7% 100.0% 女19.5% 29.5% 21.5% 23.5% 6.0% 100.0% 总计18.4% 28.9% 22.0% 22.7% 7.9% 100.0% 200812 S2.性别男10.5% 28.5% 30.2% 28.5% 2.3% 100.0% 女14.4% 28.8% 25.8% 25.0% 6.1% 100.0%总计12.2% 28.6% 28.3% 27.0% 3.9% 100.0% 200912 S2.性别男 4.1% 20.0% 40.7% 32.4% 2.8% 100.0% 女 2.1% 21.3% 40.4% 34.0% 2.1% 100.0% 总计 3.3% 20.5% 40.6% 33.1% 2.5% 100.0% 总计S2.性别男11.6% 26.2% 30.0% 26.5% 5.7% 100.0% 女15.7% 28.6% 27.5% 24.1% 4.1% 100.0% 总计13.4% 27.3% 28.9% 25.5% 5.0% 100.0%课堂试验内容分析：对于“性别”和“学历”“月份”三个问题都作出回答的被调查者，结果可以看出，月份为2007年4月、2007年12月的受访者，无论男女，均是高中/中专人数最多。
报告中的变量分析和统计推断方法
报告中的变量分析和统计推断方法统计方法在数据分析和研究中起着至关重要的作用。
变量分析和统计推断方法是其中的两个重要部分。
本文将通过对变量分析和统计推断方法的详细论述，探讨其在报告中的应用。
一、数据类型与变量分析方法不同类型的数据需要采用不同的分析方法。
常见的数据类型有数值型和分类型。
数值型数据可以分为连续型和离散型，而分类型数据则可以按照有序性分为有序分类型和无序分类型。
对于不同类型的数据，我们需要选择相应的变量分析方法进行分析。
1.1 连续型数据的变量分析方法连续型数据的变量分析方法包括描述性统计、频率分布分析、平均数比较、相关分析和回归分析等。
在报告中，我们可以利用这些方法来描述和分析样本的连续型变量，比如年龄、收入、成绩等。
通过描述性统计，我们可以揭示变量的中心趋势和离散程度，提供基本的数据描述。
频率分布分析可以帮助我们了解变量的分布情况，从而对样本进行分类。
平均数比较可以用于比较不同组别之间的均值差异。
相关分析和回归分析可以用于研究变量之间的关系，包括线性和非线性关系。
1.2 分类型数据的变量分析方法对于分类型数据，我们通常使用频数分析、交叉表分析和卡方检验等方法。
频数分析可以帮助我们计算各类别的频数和频率，了解样本中不同类别的分布情况。
交叉表分析用于研究两个分类型变量之间的关系，可以揭示出变量之间的关联性。
卡方检验则用于检验两个分类型变量之间的独立性。
二、统计推断方法的应用统计推断方法是在样本数据的基础上，利用概率理论对总体参数进行估计和推断的一种方法。
通过样本数据的分析推断得出总体的统计特征，从而对研究对象进行全面的了解。
2.1 参数估计方法参数估计方法是用样本数据来估计总体参数，常见的方法有点估计和区间估计。
点估计是通过样本统计量来估计总体参数，比如利用样本均值估计总体均值。
区间估计则是通过计算样本统计量的置信区间来估计总体参数的真实值。
在报告中，我们可以使用点估计和区间估计来推断总体参数，并给出相应的置信水平。
数据交叉列表分析
数据交叉列表分析
二、交叉列表分析中变量的确定
▪ 在使用交叉列表进行分析时，变量的选择和确定是一个关键性问题，它直接关系 到分析结果正确与否。选择和确定交叉列表分析中的变量，包括其内容和数量， 应根据调查项目的特点具体确定。
2020/12/14
数据交叉列表分析
三、双变量交叉列表分析
市场调查与预测
谢谢观看！
2020/12/14
▪ 双变量交叉列表分析是最基本的交叉列表分析方法。
2020/12/14
数据交叉列表分析
四、三变量交叉列表分析
▪ （一）更精确地反映原有双变量之间的关系 ▪ （二）原有双变量之间的联系是虚假的 ▪ （三）显示出原有双变量之间被隐含的关系 ▪ （四）显示原有两变量之间的关系没有变化
2020/12/14
市场查与预测
数据交叉列表分析
2020/12/14
数据交叉列表分析
一、交叉列表分析的含义
▪ 交叉分析表是指同时将两个或两个以上有一定联系的变量及其变量取值按一定的 顺序交叉排列在同一张统计表内，使各变量值成为不同变量的结点，进而分析变 量之间的相互关系，最终得出结论的一种数据分析技术。变量之间的分项必须交 叉对应，从而使得交叉表中的每个结点的值反映不同变量的某些特征。
多重响应变量交叉表分析的实例[共2页]
131多重响应分析 第 7 章是同行的N 除以有效的总客户个数得到的比例。
7.4 多重响应变量集的交叉表分析对多重响应变量集做交叉表分析，就是为代表多选题答案的变量集生成二维交叉表。
只有在成功定义了多重响应变量集后，才能进行对变量集的交叉表分析，所以本节接着7.2节的例子来说明如何做多选题的交叉表。
多重响应变量交叉表分析的实例1．问题和数据描述本节接着第7.2节的例子进行分析，所用数据的格式如图7-1所示。
前面已经定义了多重响应变量集services ，下面就来做关于变量集services 的交叉表分析。
2．交叉表过程的参数设置依次单击菜单“分析→多重响应→交叉表...”，执行多重响应变量集的交叉表分析功能，其主设置界面如图7-5所示。
（1）分析变量设置。
在图7-5左下侧的“多响应集”列表中单击选中“$services ”变量集，单击从上至下第一个按钮，将其指定为行变量；在左上侧的变量列表单击选中“custcat ”变量，单击从上至下第二个按钮，将其指定为列变量。
● 左上侧的变量列表显示了当前数据集中的可用变量。
● 左下侧的“多响应集”列表显示了当前定义的所有多重响应变量集。
● “行”列表用于选入输出表格的行变量。
● “列”列表用于选入输出表格的列变量。
● “层”列表用于选入输出表格的分层变量，对分层变量的每个取值（或取值组合），将输出一个相应行列变量的二维交叉表。
普通变量、多重响应变量集都可以作为行变量、列变量、分层变量中的任意一个。
选中“列”列表中的“custcat ”变量，单击底部的“定义范围”按钮，弹出如图7-6所示的取值定义对话框，在“最小值”、“最大”后分别输入“1”、“4”，单击“继续”按钮返回主界面。
选入“行”、“列”和“层”列表框的普通变量，还必须为其设置取值范围，但不能设置变量集的取值范围。
取值范围的定义在图7-6所示的对话框中进行：“最小值”、“最大”输入框分别用于指定要在输出表中显示的变量取值的最小值和最大值。