08、卡方检验课件.pptVIP

?2检验是以?2分布为基础的一种假设检验方法，主要用于分类变量，根据样本数据推断总体的分布与期望分布是否有显著差异，或推断两个分类变量是否相关或相互独立。其原假设为： H0：观察频数与期望频数没有差别 ?2值的计算： 例1 某种药物加化疗与单用某种药物治疗的两种处理方法，观察对某种癌症的疗效，结果见下表。（数据见cancer.sav） 连续性校正?2检验： 仅适用于四格表资料，在n40，所有期望频数均大于1，只有1/5单元格的期望频数大于1小于5时； Fisher精确概率法： 在样本含量40或有格子的期望频数1的列联表，应该采用该法； 似然比?2检验： 当n40，最小期望频数5时，结论与Pearson ?2基本一致； 在Pearson 卡方检验中，对行变量和列变量的相关性作检验，其中行变量和列变量是一个事物的两个不同属性。 在实际中，还有一种列联表，其行变量和列变量反映的是一个事物的同一属性的相同水平，只是对该属性各水平的区分方法不同。其特征是：行的数目和列的数目总是相同的。如果希望检验这两种区分同一属性的方法给出的结果是否一致，则不应当使用Pearson ?2检验，而应该采用Kappa一致性检验对两种方法一致程度进行评价。 例4 某研究人员对3家医院的卫生服务情况进行了调查，现希望分析寻求就诊和性别之间有无联系。（数据见cmh.sav） 注意： Kappa检验会利用列联表的全部信息，而McNemar 检验只会利用非主对角线单元格上的信息。因此，对于一致性较好，即绝大多数数据都在主对角线的大样本列联表，McNemar检验可能会失去实用价值。 一致性检验 两分类变量间关联程度的度量 ?2检验可以从定性的角度说明两个变量是否存在关联，当拒绝原假设时，在统计上有把握认为两个变量存在相关。但接下来的问题是，如果两变量之间存在相关性，它们之间的关联程度有多大？针对不同的变量类型，在SPSS中可以计算各种各样的相关指标，而且Crosstabs过程也对此提供了完整的支持，此处只涉及两分类变量间关联程度的指标，更系统的相关程度指标见相关与回归一章。 两分类变量间关联程度的度量 相对危险度RR：是一个概率的比值，指试验组人群反应阳性概率与对照组人群反应阳性概率的比值。数值为1，表明试验因素与反应阳性无关联；小于1时，表明试验因素导致反应阳性的发生率降低；大于1时，表明试验因素导致反应阳性的发生率增加。 优势比OR：是一个比值的比，是反应阳性人群中试验因素有无的比例与反应阴性人群中试验因素有无的比例之比。 当关注的事件发生概率比较小时（0.1），优势比可作为相对危险度的近似。 两分类变量间关联程度的度量 例3 某次食物中毒，现想通过调查发现，吃某海产品（food）和食物中毒发生（poison）是否具有相关性，以及吃了某食物的人是没吃海产品的人的几倍。数据文件见poison.sav。 两分类变量间关联程度的度量 两分类变量间关联程度的度量 分别指定行列变量到Row（s）和Columns中。 选中可得到RR值 两分类变量间关联程度的度量 两分类变量间关联程度的度量 结果分析 这就是两变量的四格表。 两分类变量间关联程度的度量 结果分析 这是卡方检验的结果，说明吃食物与食物中毒相关。 两分类变量间关联程度的度量 结果分析 结果显示，OR＝3.00，说明吃了该食物者发生食物中毒的可能性是没有吃该食物者的3.00倍？ 分层卡方检验 浙江大学医学院流行病与卫生统计学教研室 沈毅 浙江大学医学院流行病与卫生统计学教研室 沈毅 ` 卡方检验 卡方检验基础 四格表卡方检验 配对卡方检验与一致性检验 两分类变量间关联程度的度量 分层卡方检验 小结 内容提要 卡方检验基础 首先假设H0成立，计算出?2值，它表示观察值与理论值之间的偏离程度。根据?2分布，?2统计量以及自由度可以确定在H0成立的情况下获得当前统计量及更极端情况的概率P。如果P 很小，说明观察值和理论值偏离程度太大，应当拒绝原假设，表示比较资料之间有显著性差异；否则就不能拒绝原假设，尚不能认为样本所代表的实际情况与理论假设有差别。 卡方检验基础 ?2检验的基本思想 由英国统计学家Karl Pearson首次提出，故被称为Pearson ?2 。 卡方检验基础 当n比较大时， ?2 统计量近似服从k -1个自由度的?2分布。在自由度固定时，每个?2值与一个概率值（P 值）相对应，此概率值即为在H0成立的前提下，出现这样一个样本或偏离假设总体更远的样本的概率。如果P 值小于或等于显著性水准，则拒绝H0，接受H1，即观察频数与期望频数不一致。如果P 值大于显著性水准