（优质）统计学教程-卡方检验（详细解读）.pptx

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; ?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; 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。;?2值的计算：; 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，则不拒绝H0，认为观察频数与期望频数无显著性差异。P 值越小，说明H0假设正确的可能性越小；P 值越大，说明H0假设正确的可能性越大。; 检验某个连续变量的分布是否与某种理论分布一致，如是否符合正态分布，Possion分布等 检验某个分类变量各类的出现概率是否等于指定概率 检验两个分类变量是否相互独立，如吸烟是否与呼吸道疾病有关 检验控制某种或某几种分类变量因素的作用之后，另两个分类变量是否独立，如上例控制年龄、性别之后，吸烟是否与呼吸道疾病有关 检验两种方法的结果是否一致，如两种诊断方法对同一批人进行诊断，其诊断结果是否一致; 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）;首先建立数据文件，如下。; 注意：由于上表给出的不是原始数据，而是频数表数据，应该进行预处理。;;;;;;结果分析;结果分析;连续性校正?2检验： 仅???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；;配对卡方检验;配对卡方检验; 例2 某实验室分别用乳胶凝集法和免疫荧光法对58名可疑系统性红斑狼疮患者血清中抗核抗体进行测定，结果见下表，问两种方法的检测结果有无差别？（数据见McNemar.sav）;首先建立数据文件，如下。;配对卡方检验;在此选入频数变量即可进行下一步的分析。;配对卡方检验;;配对卡方检验;;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。;; 一般认为， 当Kappa≥0.75时，表明两者一致性较好； 0.75Kappa ≥0.4时，表明一致性一般； Kappa0.4时，表明两者一致性较差。; 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。;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;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;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;两分类变量间关联程度的度量; 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）;分层卡方检验;;分层卡方检验;分层卡方检验;; 1.卡方检验是以?2 分布为基础的一种常用假设检验方法，常用作计数资料的显著性检验。 其基本思想是：首先假设观察频数与期望频数没有差别。而统计量?2 值表示观察值与理论值之间的偏离程度。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 值与一个概率值相对应，此概率即为在H0假设成立的