交叉表用于以结构化方式组合不同问题的结果和/或调查的运营数据，并允许您执行统计测试以识别显着差异。虽然您可以im体育官app使用分组显示彼此相邻的不同受访者子集的值，例如按部门划分的 NPS 分数。各组之间的差异是否具有统计学意义？好吧，交叉表会告诉你……

当然，通过逐个问题分析您的调查结果，您已经可以学到很多东西。但是，当您开始组合不同的问题并寻找它们之间的关系时，真正的乐趣就开始了。

一种方法是对图表应用 突破 。分组允许您以视觉上有吸引力的方式并排比较同一问题的不同子组的结果。

另一方面，交叉表给出了结果的更多数字表示，并包括一些高级统计可能性。因此，如果您想彻底调查您的数据（以及它们之间的关系）并寻找统计上的显着差异，那么交叉表就是您的不二之选！

在上面的示例中，im体育比较了 4 个不同年龄组的首选冰淇淋口味。显示的数据是每个年龄段选择 4 种口味中的每一种口味的受访者人数。包括行和列总计，并且im体育添加了每个年龄组和总计的列百分比。

在总计列中，im体育可以看到巧克力和草莓口味的最高偏好（均有 32% 的受访者偏爱）之间的差距很小。紧随其后的是香草口味 (27%)。柠檬爱好者是少数（9%）。

为了检查年龄组之间是否存在差异，im体育对这些数据进行了Z 检验（可靠性为 95%）。该表显示，与 16-30 岁和 46-60 岁年龄组 (24%) 相比，60 岁以上的人群对香草 (32%) 的偏好具有统计学意义。另一方面，草莓在最后两个年龄组中更受欢迎，与最年长的受访者组相比，在统计学上也存在显着差异。

通过im体育官app使用引用列标题的绿色和红色指示器，可以毫不费力地立即看到该表的关键学习点。您不必是统计专家，因为im体育的 ReportBuilder 会为您完成所有工作。

除了用于检测显着差异的 Z 检验之外，交叉表还提供了一些其他有趣的统计数据。

其中之一是Pearson 的卡方检验。这就是所谓的“拟合优度”测试。简单地说，测试会告诉您交叉表中观察到的结果是否与变量独立时的预期结果有很大差异（在im体育的示例中，每个年龄组都有相同的口味偏好）。如果计算出的卡方值高于“临界”卡方值，您可以声明自变量的“原假设”可以被拒绝，这对于特定的“ p 值”（拒绝原假设的概率虽然这是真的，但通常为此取 0.05）。在人类语言中，这强烈表明您的子组之间存在实际差异。

im体育还提供Fisher 精确检验，它类似于卡方检验，但只能在特定情况下应用，即当您有一个2×2 的分类变量表且单元格大小较小（预期值小于 5）时。对于较大的单元格大小，建议im体育官app使用“标准”卡方检验。

还可以计算Kendall 的 tau-b ，它是排序数据列之间关联的非参数度量（例如，针对 2 种不同考试的学生排名）。结果是排名相关系数返回 -1 到 +1 的值，其中 0 是没有关系，+1 是完美的正相关（“一致”对 > 所有学生在 2 次考试中的排名完全相同）和 -1完美的负相关关系（“不和谐”对 > 2 次考试的排名完全相反）。

有关这些测试的更多详细信息，请参阅每本统计手册。

解释统计测试的结果时要小心。这些测试都是基于一组特定的假设，如果不满足这些假设，您的结果就没有价值。样本量必须足够大（例如 Z 检验中每个子组 > 30），数据分布必须满足特定标准（例如 Z 检验的正态分布），数据点可以依赖或独立于每个其他等

因此，在开始统计“花招”之前，请确保您im体育自己在做什么。查阅统计手册或专门网站，以im体育有关这些测试的背景和基本假设的更多信息。这将帮助您选择要im体育官app使用的测试并正确解释结果。如果您不完全im体育测试的基础知识，最好将其留给其他人。

按照以下步骤将交叉表添加到您的调查报告：

1. 去调查。
2. 点击分析。
3. 单击报告。
4. 编辑现有报告或创建新报告。
5. 在报告中，选择您希望新元素出现在其后的元素。否则它将被添加到报告的末尾。
6. 单击添加元素。
7. 选择元素类型选项卡。
8. 选择交叉表。
9. 选择您的列数据（您要比较的组/段）。
10. 选择您的行数据（您的调查问题之一）。

该元素将出现。在“属性”窗格的“设置”选项卡下，您可以确定要如何准确显示数据以及要应用哪些统计检验。

在“数据”选项卡下，您可以更改或切换列和/或行数据。您的交叉表不限于 2 个变量，您可以根据需要添加其他变量。