卡方检验SPSS实现.ppt

spss18.0 卡方检验 主要内容 1.两独立样本率比较的卡方检验 2.配对计数资料的卡方检验 3.分层资料的卡方检验 4.卡方的两两比较 一、两独立样本的卡方检验 列联表资料：指两个或者多个分类变量各水平组合频数分布表，又称频数交叉表，简称交叉表（Crosstabs）。 下表为四格表 操作过程 （1）建立数据文件（chi2_2.sav） 数据格式：4行3列（如下图） 分类变量（行变量）：变量名“group”，1=“抗病毒组”，2=“紫外线组”。 分类变量（列变量）：变量名”effect”，1=“有效”，2=“无效”。 频数变量：变量名“freq”，将四格表中的4个频数输入此列 （2）加权个案 加权个案是指对变量，特别是频数变量赋予权重。本例对变量“freq”进行加权。 Spss18.0操作 点击“数据”——选择“加权个案” 弹出下列窗口 选择加权个案，并将变量“freq”拉进框内 （3）卡方检验操作： 分别选择 “分析” “统计描述” “交叉表” 如右图 弹出交叉表（Crosstabs）主对话框 1.行变量 本例选择“group” 2.列变量 本例选择“effect” 点击右边“统计量”选项，弹出对话框（如下图） 选择“卡方”选项 （4）结果解释： Pearson 卡方：非校正卡方检验 连续校正：仅适用于四格表 Fisher 的精确检验：Fisher确切概率检验，也仅适用于四格表资料 似然比：似然比卡方检验，适用 表资料 线性和线性组合：线性相关性检验，两变量均为等级变量，且从小到大排列时方有意义，其他情况忽略 其他选项介绍 1.相关性：计算Pearson和Spearsmen相关系数，用以说明行变量和列变量的相关程度。 2相依系数：又称列联系数。也是用来说明相关性。 3.Gamma :测量两个等级变量之间关联度的统计量 4.Kappa：Kappa系数，见下文 观察值：观察频数 期望值：期望频数 行百分比：给出行变量百分比 列百分比：给出列变量百分比 不需要加权个案的数据 如果数据格式如下图（例：骨科数据） 每一行都是一个个体，无需加权。如果分析4种病变节段在性别分布有无差异，如下图： 2.配对计数资料的卡方检验 配对设计的特点是对同一样本的每一份样品分别用A、B两种方法处理，或者前后测量，观察其阳性和阴性例数。 文件chi_pair.sav为例 操作过程： 分析 统计描述 交叉表 行变量：treat_b 列变量：treat_a 统计量：McNemar 结果解释：所用方法是基于二项分布的McNemar检验，p=0.000（双侧），差异显著，即抗生素用于治疗呼吸道感染是有效的。 使用 系数分析吻合情况 文件diagnosis.sav为例 操作过程： 分析 统计描述 交叉表 行变量：treat_b 列变量：treat_a 统计量：McNemar Kappa 结果解释：McNemar 检验结果p=0.057，两法诊断结果差异无统计学意义 两种诊断吻合系数为 k=0.740，p=0.000，说明两种诊断方法的吻合度有统计学意义且较强。一般大于0.7表示吻合度较强。0.7~0.4一般，小于0.4表示较弱 例：Doll和Hill以709例肺癌患者做病例、709个非肿瘤患者做对照，按性别分层，研究吸烟与肺癌的关系，调查结果如下表。试做肺癌的病例对照分析。 如果不分层结果如下 结果解释：p=0.002，差异具有统计学意义 分层做法 操作:(1)建立数据文件 分层变量：选如“gender” （2）菜单选择 统计量主对话框下 风险 Cochran’s and Mantel-Haenszel统计量 结果1：男性卡方检验p=0.000 女性p=0.584 结果2：风险估计，男性组OR=14.043，95%置信区间不包括1。女性OR=1.222， 95%置信区间包括1。提示，对于男性而言吸烟史发生肺癌的危险因素，女性则不是。 关于OR值 Odds Ratio:相对危险度（也称比值比、优势比） 指病例组中暴露人数与非暴露人数的比值除以对照组中暴露人数与非暴露人数的比值。 涵义：暴露者的疾病危险度为非暴露者的多少倍。OR1说明疾病的危险度因暴露而增加，暴露与疾病为“正”关联。OR1说明疾病的危险度因暴露而减少，“负”关联 结果3：OR的均一性检验,用两种方法比较性别之间OR是否存在差异（p=0.001）。