SPSS 卡方检验之医学统计应用
医学统计学之卡方检验SPSS操作
医学统计学之卡方检验SPSS操作卡方检验（Chi-Square Test）是一种常用的统计方法，用于比较两个或多个分类变量的分布是否存在差异。
该方法主要用于处理分类数据，例如比较男女性别和吸烟与否对癌症发生的关系。
在SPSS（Statistical Package for the Social Sciences）软件中，进行卡方检验的操作主要分为数据准备、假设设定和计算步骤。
第一步：数据准备首先，需要在SPSS中导入数据。
假设我们需要在一个样本中比较男女性别和吸烟与否的关系，我们可以将性别和吸烟状况作为两个分类变量，分别用“Male”和“Female”表示性别，“Smoker”和“Non-smoker”表示吸烟状况。
将这些数据输入到SPSS中的一个数据表中。
第二步：假设设定接下来，需要设置假设。
在卡方检验中，我们通常有一个原假设和一个备择假设：-原假设（H0）：两个或多个分类变量之间没有显著差异。
-备择假设（H1）：两个或多个分类变量之间存在显著差异。
在本例中，原假设可以是“性别和吸烟状况之间没有显著差异”，备择假设可以是“性别和吸烟状况之间存在显著差异”。
第三步：计算步骤进行卡方检验的计算步骤如下：1.打开SPSS软件并导入数据。
2. 选择“分析（Analyse）”菜单，然后选择“非参数检验（Nonparametric Tests）”子菜单，最后选择“卡方（Chi-Square）”选项。
3.在弹出的对话框中选择两个分类变量（性别和吸烟状况），并将它们添加到变量列表中。
4.点击“确定（OK）”按钮，开始进行卡方检验的计算。
5.SPSS将计算卡方统计量的值和相关的P值。
如果P值小于指定的显著性水平（通常为0.05），则可以拒绝原假设，接受备择假设。
这样，就完成了卡方检验的SPSS操作。
需要注意的是，卡方检验是一种只能说明变量之间是否存在关系的方法，不能用于确定因果关系。
此外，在进行卡方检验之前，需要确保样本符合一些假设，例如每个单元格的期望频数应该大于5、如果不满足这些假设，可以考虑使用其他适用的统计方法。
利用SPSS17.0软件进行卡方检验
在医学论文写作中，通常要用到Pearson卡方检验。
用途：用于检验两个或多个率或构成比的差别有无统计学意义的方法。
它常用于四格表和行列资料的分析，基于无效假设成立时理论频数与实际频数的差别不大的思想进行假设检验。
它对样本量有一定的要求，样本量条件不满足时，需使用其他方法如校正卡方或确切概率法检验。
对下面一组数据分别进行卡方检验。
2005－2007年高一新生HBSAg检测结果
?
1.分组1＝男生 2＝女生；类别 1＝阳性人数 2＝阴性人数
2.打开SPSS界面：
3.编辑菜单，插入变量→类别、分组、频数。
4.在类别、分组、频数中输入相应数值。
5.数据菜单，个案加权→选中频数→单击确定。
6.分析菜单→描述统计→交叉表→把分组加入到行,把类别加入到列, 单击统计量，选中卡方，单击继续，单击确定。
7. 卡方检验（X2）结果显示如下：
8.依照上述方法可以对2006年及2007年进行卡方检验（X2）结果，其结果分别为、。
卡方检验SPSS操作
卡方检验SPSS操作卡方检验是一种统计方法，用于比较观察频数与期望频数之间的差异是否显著。
它适用于比较两个或多个分类变量之间的关系，并确定这些变量是否相互独立。
在SPSS中，可以使用交叉表和卡方检验命令来执行卡方检验。
首先，打开SPSS软件并导入待分析的数据文件。
然后，选择“数据”菜单中的“交叉表”选项。
在弹出的交叉表对话框中，将要分析的变量拖拽到“行”和“列”的方框中。
假设我们要比较性别和喜好电影类型之间的关系，那么将性别拖拽到“行”，将电影类型拖拽到“列”。
接下来，在交叉表对话框中，点击“统计”按钮。
在弹出的统计对话框中，选择“卡方”选项，并点击“继续”按钮。
然后，点击“确定”按钮生成交叉表。
SPSS将显示交叉表的结果，包括观察频数、期望频数、卡方值和p值等。
在卡方检验中，我们通过观察频数和期望频数之间的差异来判断两个变量是否相关。
如果差异较大，卡方值较大，p值较小，则说明两个变量之间存在显著关系。
不管是使用交叉表还是描述统计方法进行卡方检验，都需要注意以下几点：1.样本数据应该是随机抽取的，并且足够大。
2.对于交叉表中的每个单元格，期望频数应当大于等于5，以确保卡方检验的可靠性。
3.卡方检验只能检验两个或多个分类变量之间的关系，不能用于比较连续变量。
4.如果卡方检验结果显著，表明两个变量之间存在关联，但不能确定关联的性质或因果关系。
卡方检验在数据分析中有着广泛的应用，可以用于医学研究、市场调查、社会科学等领域。
通过SPSS软件的操作，可以便捷地进行卡方检验，并获取检验结果。
医学统计学之卡方检验SPSS操作共54页
26、要使整个人生都过得舒适、愉快，这是不可能的，因为人类必须具备一种能应付逆境的态度。——卢梭
▪
27、只有把抱怨环境的心情，化为上进的力量，才是成功的保证。——罗曼·罗兰
▪
28、知之者不如好之者，好之者不如乐之者。——孔子
▪
29、勇猛、大胆和坚定的决心能够抵得上武器的精良。——达·芬奇
▪
பைடு நூலகம்
30、意志是一个强壮的盲人，倚靠在明眼的跛子肩上。——叔本华
13、遵守纪律的风气的培养，只有领 导者本 身在这 方面以 身作则 才能收 到成效 。—— 马卡连 柯 14、劳动者的组织性、纪律性、坚毅 精神以 及同全 世界劳 动者的 团结一 致，是 取得最 后胜利 的保证 。—— 列宁 摘自名言网
15、机会是不守纪律的。——雨果
▪
谢谢！
54
医学统计学之卡方检验SPSS 操作
11、战争满足了，或曾经满足过人的 好斗的 本能， 但它同 时还满 足了人 对掠夺 ，破坏 以及残 酷的纪 律和专 制力的 欲望。 ——查·埃利奥 特 12、不应把纪律仅仅看成教育的手段 。纪律 是教育 过程的 结果， 首先是 学生集 体表现 在一切 生活领 域—— 生产、 日常生 活、学 校、文 化等领 域中努 力的结 果。— —马卡 连柯(名 言网)
SPSS数据分析的医学统计方法选择【精选文档】
SPSS数据分析的医学统计方法选择目录数据分析的统计方法选择小结........................................................................错误!未定义书签。
目录 (1)●资料1 (2)完全随机分组设计的资料 (2)配对设计或随机区组设计 (3)变量之间的关联性分析 (4)●资料2 (5)1。
连续性资料 (5)1.1两组独立样本比较 (5)1。
2两组配对样本的比较 (5)1.3多组完全随机样本比较 (6)1。
4多组随机区组样本比较 (6)2．分类资料 (6)2.1四格表资料 (6)2。
2 2×C表或R×2表资料的统计分析 (7)2。
3 R×C表资料的统计分析 (7)2。
4 配对分类资料的统计分析 (8)●资料3 (8)一、两个变量之间的关联性分析 (8)二、回归分析 (9)●资料4 (10)一．统计方法抉择的条件 (10)1．分析目的 (10)2．资料类型 (10)3．设计方法 (11)4．分布特征及数理统计条件 (12)二．数据资料的描述 (13)1．数值变量资料的描述 (13)2．分类变量资料的描述 (13)三．数据资料的比较 (14)1．假设检验的基本步骤 (14)2．假设检验结论的两类错误 (15)3．假设检验的注意事项 (15)4．常用假设检验方法 (16)四．变量间的相关分析 (17)1．数值变量（计量资料)的关系分析 (18)2．无序分类变量（计数资料)的相关分析 (18)3．有序分类变量（等级资料）等级相关 (18)●资料1完全随机分组设计的资料一、两组或多组计量资料的比较1.两组资料：1)大样本资料或服从正态分布的小样本资料(1)若方差齐性,则作成组t检验(2)若方差不齐，则作t’检验或用成组的Wilcoxon秩和检验2)小样本偏态分布资料，则用成组的Wilcoxon秩和检验2.多组资料：1)若大样本资料或服从正态分布，并且方差齐性,则作完全随机的方差分析.如果方差分析的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：LSD检验，Bonferroni检验等）进行两两比较.2)如果小样本的偏态分布资料或方差不齐，则作Kruskal Wallis的统计检验.如果Kruskal Wallis的统计检验为有统计学意义，则进一步作统计分析：选择合适的方法（如：用成组的Wilcoxon秩和检验，但用Bonferroni方法校正P值等)进行两两比较。
SPSS软件中几种常用的统计方法
独立样本的均值检验 配对样本的均值检验
单因素的方差分析
.
单一样本均值的检验
-检验样本所在总体的均值与 给定的已知值之间是否存在显著性 差异
.
18
单一样本均值的检验
对单一变量的均值加以检验
如检验今年新生的身高、体重等是否和往年有 显著差异；推断某地区今年的人均收入与往年 的人均收入是否有显著差异等等。
OR值即是相对危险度的精确估计值。
.
优势比（odds ratio，OR）
吸烟与食管癌关系的病例对照调查结果
吸 烟 的 优 势 309/5171.49非 吸 烟 的 优 势 126/3690.52
208/517
243/369OR1.49 Fra bibliotek.87 0.52
.
OR值的意义：
OR值等于1，表示该因素对疾病的发生不 起作用；
如，一组病人治疗前和治疗后身体的指标； 一个年级学生的期中成绩和期末成绩等等。
.
单因素方差分析
one-way ANVOA
-推断完全随机设计的多 个样本所代表的各总体均数是 否相等
.
31
完全随机设计（completely random design） 不考虑个体差异的影响，仅涉及一个处理 因素，但可以有两个或多个水平，所以亦 称单因素实验设计。在实验研究中按随机 化原则将受试对象随机分配到一个处理因 素的多个水平中去，然后观察各组的试验 效应；在观察研究（调查）中按某个研究 因素的不同水平分组，比较该因素的效应。
SPSS软件中几种常 用的统计方法
.
目录
1、卡方检验中的OR值 2、均值检验
.
.
卡方检验
χ2检验是以χ2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。
卡方检验的SPSS实现
卡方检验的SPSS实现简介卡方检验是一种统计方法，用于检验两个或多个分类变量之间是否存在相关性。
它基于观察值与期望值之间的差异，判断两个变量是否独立。
SPSS是一款常用的统计分析软件，提供了强大的功能来执行卡方检验以及其他统计分析任务。
本文将介绍如何使用SPSS进行卡方检验，并提供详细的步骤和示例。
步骤步骤一：导入数据在SPSS软件中，首先需要导入包含要进行卡方检验的数据集。
数据集可以是以.csv、.xlsx或者其他常用格式保存的文件。
1.打开SPSS软件。
2.选择“文件”菜单，然后点击“打开”选项。
3.在弹出的文件选择框中，找到并选择要导入的数据文件。
4.点击“打开”按钮，导入数据文件。
步骤二：选择变量在执行卡方检验之前，需要选择要分析的变量。
1.在SPSS软件中，选择“数据视图”选项卡，显示数据集的表格视图。
2.找到包含要分析的变量的列，将其选中。
可以按住Ctrl键选择多个变量。
3.点击菜单中的“分析”选项，然后选择“描述统计”子菜单。
4.在弹出的描述统计对话框中，选择“交叉表”选项，然后点击“统计量”按钮。
5.在统计量对话框中，选中“卡方”复选框，然后点击“确定”按钮。
步骤三：执行卡方检验选择变量之后，可以执行卡方检验。
1.在描述统计对话框中，点击“OK”按钮，开始执行卡方检验。
2.SPSS将生成一个交叉表，显示各个变量之间的交叉频数和期望频数。
3.检查交叉表中的卡方值和p值。
卡方值表示观察值与期望值之间的差异程度，p值表示该差异是否显著。
4.如果p值小于设定的显著性水平（通常为0.05），则拒绝原假设，即认为两个变量之间存在相关性。
步骤四：解读结果根据执行卡方检验的结果，可以得出一些结论。
1.如果卡方值较小，且p值较大，说明观察值与期望值之间的差异较小，两个变量之间可能独立。
2.如果卡方值较大，且p值较小，说明观察值与期望值之间的差异较大，存在一定程度的相关性。
需要注意的是，卡方检验只能判断两个变量之间是否存在相关性，不能说明变量之间的因果关系。
医学统计学之卡方检验SPSS操作
确切概率值
Exact Sig. (2-sided)
Exact Sig. (1-sided)
df
b
(2-sided) 1 1 1 .000 .000 .000
20.687 17.989 22.891
.000
.000
X2=20.687，p=0.000，按a=0.05水 准，拒绝H0，接受H1，差异有统计
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.43.
29
X2=3.348，p=0.341，按a=0.05水准，
不拒绝H0，差异无统计学意义，尚
不能认为不同类型原发性肝癌的 nm23-H1基因的表达率有差别。
学意义，可认为甲、乙两种疗法对尿
路感染治疗效果有差别，甲疗法优于
乙疗法。
38
group * effect Crosstabulation CounБайду номын сангаас eff ect 阴 转人 数 阳 性数 14 12 26 Total 44 44 88
甲、丙检 验结果
group
甲 丙
30 32 62
Total
Chi-Square Tests Asy mp. Sig. Value Pearson Chi-Square Continuity C orrection Likelihood Ratio Fisher's Exact Test Linear-by -Linear Association N of Valid Cases a. Computed only f or a 2x2 table b. 0 cells (.0%) hav e expected count less than 5. The minimum expected count is 13. 00. .216 88 1 .642
SPSS+卡方检验
CD43与临床病理因素间的关系-------卡方检验（方法同下）问题2010-06-04 10:23:59 阅读194 评论1 字号：大中小订阅1.在SPSS中录入数据将以下数据疗法有效无效物理疗法组1997药物治疗组16418外用膏药组11826按照SPSS数据格式录入疗法：1=“物理疗法组”，2=“药物治疗组”，3=“外用膏药组”疗效：1=“有效”，2=“无效”2.在Data下拉菜单中选择“weight cases”在弹出的对话框中，这样选3.列联表的卡方检验在analyze中选择“descriptive statistics”—“crosstabs”按照输入数据，选择row，colum点击statistics，根据自己的需要选择统计学方法等❖界面说明➢精确（Exact）子对话框：针对2×2以上的行×列表设计计算确切概率的方法。
➢统计量（Statistics）子对话框：用于定义所需计算的统计量-Chi-square 复选框：计算pearson卡方值，对四格表资料自动给出校正卡方检验和确切概率法结果。
-Correlations复选框：计算行列变量的pearson相关系数和Spearman等级相关系数。
-Kappa复选框：计算Kappa值，即内部一致性系数，介于0~0.7071之间；-Risk复选框：计算比数比OR值、RR值；-McNemanr复选框：进行配对卡方检验的McNemanr检验（一种非参数检验）-Cochran’s and Mantel-Haenszel statistics复选框：计算X2M-H统计量、X2CMH，可在下方输出H0假设的OR值，默认为1➢单元格（Cells）子对话框：用于定义列联表单元格中需要计算的指标。
-Counts复选框：是否输出实际观察数（Observed）和理论频数（Expected）-Percentages复选框：是否输出行百分数（Row）、列百分数（Column）以及合计百分数（Total）-Residuals复选框：选择残差的显示方式格式（Format）子对话框：用于选择行变量是升序还是降序排列❖统计量Statistics：√McNemar√ Kappa❖一致性检验：计算Kappa系数❖Kappa系数：为吻合度测量(measure of agreement)系数，用以测量两个观测者或两观测设备之间的吻合程度，取值在-1至+1之间，取值越大，说明吻合程度越高。
卫生统计学与SPSS软件应用(四)卡方检验
复选框组：选择是否输出反映有序分类资料相关性的指标， Ordinal 复选框组：选择是否输出反映有序分类资料相关性的指标，很少使 用。 复选框， γ 用于反映两个有序变量的对称相关性。 Gamma 复选框， 系数： 用于反映两个有序变量的对称相关性。 界于 0～ 之间，所有观察实际数集中于左上角和右下角时， 1 之间，所有观察实际数集中于左上角和右下角时，其值为 1； 复选框： 检验的非对称推广。 Somers'd 复选框：是 Gamma 检验的非对称推广。为独立变量上不存 在同分的偶对中，同序对子数超过异序对子数的比例； 在同分的偶对中，同序对子数超过异序对子数的比例； tau- 复选框： Kendall's tau-b 复选框：是对有血变量或秩变量相关性的非参数检 验，把有相同值的观察量也列入计算过程中。界于-1～1 之间； 把有相同值的观察量也列入计算过程中。界于之间； tau- 复选框：也是对有血变量或秩变量相关性的非参数 Kendall's tau-c 复选框：也是对有血变量或秩变量相关性的非参数 不同之处在于选中此项时将相同的观察值从计算中去除。 检，不同之处在于选中此项时将相同的观察值从计算中去除。 界于 之间； -1～1 之间；
卡方检验
• 完全随机设计的两样本率的检验 • 配对设计的两样本率检验
完全随机设计两样本率的检验
用磁场疗法治疗扭挫伤患者708人，腰肌劳损患者 347人，对前者有效（显著与好转）为673 人，有效率 为95.06%，对后者有效312 人，有效率为89.91 %。 问两组有效率有无差别?
分组 扭挫伤 腰肌劳损
结果分析 从左到右：检验统计量值、自由度、双侧近似概率、 双侧精确概率、单侧精确概率 从上到下：Pearson卡方、连续性校正卡方、对数 似然比卡方、Fisher’s确切概率法、线性相关卡方、 有效记录数 当n≥40且所有T≥5时，用普通的卡方检验。若所 得P≈α，改用确切概率法； 当n≥40但有1≤T＜5时，用校正的卡方检验； 当n<40或有T＜1时，改用确切概率法 有观点认为，实际应用中对数似然比卡方比确切 概率法更准确。
spss-卡方检验
际频数相加，使重新计算的理论频数增大。
(4) 删去理论频数太小的格子所对应的行或列。 上述合并或删除的方法都会损失信息，损害样本的随机性。
13
配对生化测定诊断低血钾的价值，
分别采用两种方法对79名临床确诊的低血钾患者进行诊断。 问两种方法的检测结果有无差别？（例6.sav）
例5：为了解新型农村合作医疗对于农村贫困居民住院服务
利用的影响，某研究在经济条件相似的甲、乙两个国家级贫
困县(其中甲县2006年已开展新型农村合作医疗，乙县2006年 尚未开展)分别进行抽样调查，得到2006年应住院未住院原因， 见表11.5。问甲、乙两县应住院未住院原因构成是否不同？ （例5.sav）
试验。两组纳入分析的病例数分别为32和33人。问两药治 疗下呼吸道感染的有效率有无差异？ （例2.sav）
8
例3：某研究者欲了解某新药联合某常规药物治疗急性重 症胰腺炎的效果，将28例患者随机分为两组，试验组采用 新药+常规药物联合治疗，对照组仅采用常规药物治疗，
治疗10天后，疗效见表11.15。试问两种治疗方案的有效
率有无差别？（例3.sav）
9
R×C表资料的卡方检验
例4：某研究者欲比较A、B、C 3种方案治疗轻、中度高血
压的疗效，将年龄在50~70岁的240例轻、中度高血压患者随
机等分为3组，分别采用3种方案治疗。一个疗程后观察疗效。 问3种方案治疗轻、中度高血压的有效率有无差别？（例 4.sav）
10
R×C表资料的卡方检验
11
R×C表χ2检验应注意的问题
注意χ2检验的条件
R×C列联表χ2检验条件：理论数必须>1 ,且理论数<5的格子数不能超过 总格子数的1/5。
非常实用的SPSS卡方检验具体操作
假设检验：又称显著性检验，是指由样本间存在的差别对样本所代表的总体间是否存在着差别做出判断。
04
定性资料的统计分析
定性资料的假设检验：行×列表卡方检验
基本思想：检验实际频数和理论频数的差别是否由抽样误差引起，也就是由样本率或样本构成比来推断总体率或总体构成比。 行×列表的简单形式是：四格表；当行和或列大于2时，统称行×列表，或R×C表。 卡检验的基本公式： A：表示实际频数，即实际观察到的例数。T：理论频数，即如果假设检验成立，应该观察到的例数。 ：求和符号。 R：行数， C：列数。自由度： 如果假设检验成立，A与T不应该相差太大。理论上可以证明 服从卡方分布，计算 出值后，查表判断这么大的 是否为小概率事件，以判断建设检验是否成立。 适用条件：表中不宜有1/5以上格子的理论频数小于5，或有一个格子的理论频数小于1。
SPSS进行卡方检验具体操作 ——SPSS在医学统计中的应用
单击添加副标题
定性资料的统计分析 行×列表分析
定性资料的统计分析
CONTENTS
主要内容
单击此处添加标题
单击添加文本具体内容
02
单击此处添加标题
单击添加文本具体内容
统计推断：用样本信息推论总体特征的过程。
01
包括：
02
参数估计: 运用统计学原理，用从样本计算出来的统计指标量，对总体统计指标量进行估计。
四、分层卡方检验：结果解么计算对吗？
二、确切概率法：这么计算对吗？
三、配对卡方检验：实例
实例：两位放射科医生对一批矽肺片独自做出矽肺分级诊断，结果如下表，请问他们的诊断结果是否基本一致，诊断水平有无差别。
医生乙诊断结果
Ⅰ级
Ⅱ级
Ⅲ级
合计
卫生统计学与SPSS软件应用(四)卡方检验
结果分析 从左到右：检验统计量值、自由度、双侧近似概率、 双侧精确概率、单侧精确概率 从上到下：Pearson卡方、连续性校正卡方、对数 似然比卡方、Fisher’s确切概率法、线性相关卡方、 有效记录数 当n≥40且所有T≥5时，用普通的卡方检验。若所 得P≈α，改用确切概率法； 当n≥40但有1≤T＜5时，用校正的卡方检验； 当n<40或有T＜1时，改用确切概率法 有观点认为，实际应用中对数似然比卡方比确切 概率法更准确。
分组 扭挫伤
有效例数 无效例数 治疗例数 673 35 798
有效率 95.06
腰肌劳损
312
35
347
89.92
例子：group:组别，1=旧剂型，2=新剂型； effect:疗效，1=治愈，2=未愈；freq：频数。
行
【Display clustered bar charts复选框】显示每 组中各 变量的分类条形图。 【Suppress table复选框】只输出统计量，禁止 输出行列表。
• Chi-square复选框： 表示是否进行卡方检验。 通常情况下显示Pearson卡方检验、似然比卡方
检验、线性相关卡方检验（linear-by-linear association chi-square test）、fisher’s确切概率、 yete’s校正卡方检验的检验结果。 • Correlations复选框：选中时将进行相关系数的检验， 有两项结果显示：Pearson相关系数（r）用来检验 两个变量的线性相关程度；Spearman等级相关系 数用来检验秩序之间的关联程度。
Nominal by interval 选项组，按区间标定：该选项只有一个复选框 Eta， 用于检验相关性，其值在 0-1 之间，0 表示没有相关性，接近 1 时有很强的 相关性。其平方值可认为是应变量受不同因素影响所致方差的比例； Kappa 复选框：表示使用 Cohen’s kappa 系数来检验内部一致性，即对同 一对象的两种评价是否具有一致性；其值在 0-1 之间，1 表示两种评价完全 一 致 ， 0 表示 两 种 评估 没 有 共 同 点 。 Kappa ≥ 0.75 两 者 一致 性较 好 ； 0.75>Kappa≥0.4 两者一致性一般；Kappa<0.4 两者一致性较差。输出结果 中，Value 为计算出的 Kappa 值， Approx. Sig.为对应的 P 值，Value 的值 越大，表明两者的一致性就越好，对应的 P 值就越小。 诊断试验的一致性检验经常用在下列两种情况中：一种是评价待评价 的诊断实验方法与金标准的一致性；另一种是评价两种化验方法对同 一个样本（化验对象）的化验结果的一致性、两个医务工作者对同一 组病人的诊断结论的一致性、同一医务工作者对同一组病人前后进行 两次观察作出的诊断的一致性等等。
spss卡方检验
Likelihood Ratio
73.739
9
.000
Linear-by -Linear
A s sociation
63.389
1
.000
N of Valid Cases
278
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 5.42.
例6 某医院观察了三年间四个季节中四种甲状腺疾病检出情 况，整理资料如表6，问四种甲状腺疾病检出情况是否与 季节有关联？
表6 某院季节与甲状腺疾病检出情况关联性分析
甲状腺疾病分类
季节
合计
春
夏
秋
冬
甲亢
411
451
294
284
1440
亚甲炎
249
329
331
204
1113
甲低
60
61
59
52
232
甲状腺肿瘤
Estimate ln(Estimate) Std. Error of ln(Estimate)
2.791 1.026
.177
Asymp. Sig. (2-sided)
Asymp. 95% ConfidencCeommon Odds
Interval
Ratio
Lower Bound Upper Bound
*
卫生统计学教研组
SPSS卡方检验
河北医科大学公共卫生学院 卫生统计学教研组
内容
1
完全随机设计两样本率比较的假设检验
2
配对设计四格表资料的假设检验
3
卡方检验的SPSS应用
卡方检验的SPSS应用院系：基础医学院班级：10级生物技术1班姓名：学号：卡方检验的SPSS 应用1.卡方检验：卡方检验是一种用于判断样本是否来自于特定分布的总体的检验方法，其根据样本的频数来推断总体分布与理论分布是否有显著差异。
2.卡方检验的基本原理与方法：2.1卡方检验的基本原理：卡方检验的零假设为：样本所属的总体的分布与理论分布无显著差异。
卡方检验的检验统计量公式为：()∑=E E -O =ki ii i 122χ其中i O 表示观测频数，i E 表示理论频数。
2χ值越小，表示观测频数与理论频数越接近，该2χ统计量在大样本条件下渐进服从于自由度为k-1的卡方分布。
如果该2χ统计量小于由显著性水平和自由度确定的临界值，则认为样本所属的总体的分布与理论分布无显著差异。
2.2卡方检验的步骤：（1）提出无效假设0H ：观测值与理论值的差异由抽样误差引起，即观测值=理论值。
同时给出相应的备择假设A H ：观测值与理论值的差值不等于0，即观测值≠理论值。
（2）确定显著水平α。
一般可确定为0.05或0.01。
（3）计算样本的2χ。
求得各个理论次数i E ，并根据各实际次数i O ，带入卡方检验的检验统计量公式，计算样本的2χ。
（4）进行统计推断。
由于df=k-1,从表中查出2αχ值，如果实得2χ<2αχ，即表明P>α，应接受0H ，否定A H ，则说明在α显著水平下理论值与实际值差异不显著，二者之间的差异系由抽样误差引起；如果实得2χ>2αχ，即表明P<α，应否定0H ，接受A H ，则说明在α显著水平下理论值与实际值差异是显著的，二者之间的差异是真实存在的。
由于2χ分布是连续的，而计数资料或属性资料是离散的，故所得的2χ值是一个近似值。
为了使离散型变量的计算结果与连续型变量2χ分布的概率相吻合，在计算2χ时应注意以下两个问题：（1）任何一组的理论次数i E 都必须大于5，如果iE ≤5，统计量会明显偏离2χ分布，则需要并组或增大样本容量，以满足i E >5。
SPSS 卡方检验医学
•
20
• 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。
21
使用 系数分析吻合情况
例：116例患者的诊断结果见下表及数据 “diagnosis.sav〞，使用kappa系数法分析 影像CT诊断和病理诊断的吻合情况。
• 注意：经OR值均一性检验各层OR值有显著差异时，不宜 计算公共OR值
36
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
37
多个率间的多重比较
• 多个率比较的资料可以整理成多个2乘k表资 料，假设不经过任何处理，而直接进展两两 比较，必须重新规定检验标准，其目的是为
'
2(k 1)
39
SPSS进展两两比较
有两种方式 1.第一种，直接通过“选择个案“来筛选数据。
40
• 第二种方法：SPSS语法修改。 • 选择“黏贴〞选项，进展修改。
41
• 通过修改个案选择和黏贴穿插表的语法 • 也可以直接进展穿插表语法的修改
42
练习
• 练习一：某医院欲比较异梨醇口服液〔实 验组〕和氢氯噻嗪+地塞米松〔对照〕降低 颅内压的疗效。将200例颅内压增高患者随 机分为两组。见下表。问两组降低颅内压 的总体有效率有无差异
22
• 文件diagnosis.sav为例
• 操作过程：
• 分析
• 统计描述
•
穿插表
• 行变量：treat_b
• 列变量：treat_a
• 统计量：McNemar
•
Kappa
医学统计学之卡方检验SPSS操作_2022年学习资料
注意事项：-1.四格表资料：1a、b、c、d四个基本数据是否给出？-2是否需要校正！-完全随机设计四格表资 检验条件-①当n≥40且所有T≥5，用普通X2检验-当≥n<40 T≤1时，用四格表确切概率法。-④-若P≈，改用四格表确切概率法-配对设计四格表资料检验条件-当b+c≥4 用普通配对X2检验-②当b+c<40用校正的X2检验或确切概率法-2.行×列表资料：-有无1/5的格子的理 数小于5大于1或有格子的理论-数T<1。-3.SPSS不会自动做两两比较
医学统计学之卡方-检验SPSS操作
实习x2检验-一、目的要求：-。掌握x2检验的基本思想-●-掌握完全随机设计四格表资料x2检验-掌握配对设 四格表资料x2检验-掌握行×列表资料的x2检验-1多个样本率比较及两两比较-2两组或多组构成比的比较-●掌 行×列表资料的关联性检验（相关分析）-掌握四格表资料的确切概率法应用
Untitled SP55 Data Editor-Eile-View Data-Transform-An lyze Graphs-北cilities-Window-Help-它日-Reports-中年-Descr ptive Statistics-Erequencies...-Tables-Descriptives.. -group-effect-Compare Means-Explore...-var-1-General inear Model-Crosstabs...-Mixed Models-Ratio...-Correl te-3-Regression-步骤：-4、分析：选Analyze一-12-13-14-15-16-17rosstabs...-18-19-20-21-Data Vie Variable View-Crosst abs-SPSS Processor is ready-Weight On-中6蹈目-費开始-急的山0中⊙ 畅-乐必里-16:12-▣Microsoft PowerPoint-【.…-Untitled-SPSS D ta Editor-0爵☑科
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
卡方检验之医学统计应用
高淼林
2010311856 【实例】：
分析使用长托宁和阿托品致全麻患者术后谵妄的比较。
如果我们随机抽取100 人，其中50 人使用长托宁，50 人使用阿托品。
使用长托宁致术后谵妄的有23 人，使用阿托品致术后谵妄的有8 人。
我们分析两者在致术后谵妄方面是否有区别。
【解题过程】：
一、输入数据
首先录入数据组，运行软件后，点击变量视图，输入三组变量：组别，是否患病，人数。
得到下图：
然后点击如图所示的“组别”后面的数值栏的…按钮，弹出如下图所
示的数值标签，分别输入两个数值：1 为安托宁，2 为阿托品。
同理为是否患病建立两个数值：1 为患病，2 为未患病。
建立好变量后，点击数据视图，录入数据，见下图：
二.建立加权变量
选择菜单栏的“数据”—“加权个案”，弹出下图：
对话框中先选中左边的“人数”变量，然后选择单选按钮“加权个案”，再添加到右边，最终点确定。
这样就建立好了加权变量了。
三、交叉表设置
选择菜单栏的“分析”—“描述统计”—“交叉表”，将会弹出交叉表对话框。
如下图所示：
在对话框中，分别将组别和是否患病两个变量添加到行和列中。
如下图所示：
然后选择图右方的“统计量”按钮，弹出“交叉表：统计量”对话框，将其中的“卡方”选框选中。
如图所示。
然后点继续。
然后选择图右方的“单元格”按钮，弹出“交叉表：单元格显示”对话框，将其中的“观察值”，“期望值”和“行”选框选中。
如图所示。
然后点继续。
然后选“确定”，将进行数据分析，并弹出下图：
交叉表
附注
创建的输出07-6月-2013 11时09分49秒注释
输入数据G:\565656.sav
活动的数据集数据集0
过滤器<none>
权重人数
拆分文件<none>
工作数据文件中的N 行 4 缺失值处理对缺失的定义用户定义的缺失值被视为缺失。
使用的案例每个表的统计量基于各表内对指定范围
内所有变量都具有有效数据的所有案
例。
语法CROSSTABS
/TABLES=组别BY 是否患病
/FORMA T=A VALUE TABLES
/STA TISTICS=CHISQ
/CELLS=COUNT EXPECTED ROW
/COUNT ROUND CELL.
资源处理器时间00 00:00:00.015 已用时间00 00:00:00.036
要求的维数 2
可用单元格174762 [数据集0] G:\565656.sav
组别* 是否患病交叉制表
是否患病
合计
1 2
组别安托宁计数8 42 50
期望的计数15.5 34.5 50.0
组别中的% 16.0% 84.0% 100.0% 阿托品计数23 27 50
期望的计数15.5 34.5 50.0
组别中的% 46.0% 54.0% 100.0%
合计计数31 69 100
期望的计数31.0 69.0 100.0
组别中的% 31.0% 69.0% 100.0%
【结果分析】
图卡方检验中上面的那个表格就是四格表，里面标示出了实际频数，理论频数以及百分比。
下面的那个表格就是卡方检验的结果了。
根据卡方检验的使用条件：在四格表中当N≥40，切理论频数T≥5 的时候，适合采用Pearson Chi-Square 检验。
所以应该从第一栏中读取结果：卡方值为10.519，自由度为1，双侧概率为0.001。
如果按照常用的判断临界值双侧P=0.05 来看的话，由于P<<0.05 所以可以认为两组对导致术后谵妄方面是有明显区别的。