SPSS 卡方检验
相关主题
- 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)。
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
• 重新规定检验标准的估计方法有两种
• 1.多个实验组间的两两比较 分析目的为k个 实验组间，任两个率进行比较 ，公式如下
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。
• 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
• 结果4：又称协变量分析，将性别当做协变 量，即剔除性别这个影响后吸烟与肺癌的
关系。结果显示在剔除性别影响后，吸烟
和肺癌仍然显著相关，即吸烟史导致肺癌 的危险因素。
• 结果5：又称公共OR值估计，合并OR值为2.812，95%置 信区间不包括1，且与1相比差异有显著性（p=0.000）
• 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
• 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
R 似然比：似然比卡方检验，适用 C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
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
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，若不经过任何处理，而直接进行两两比 较，必须重新规定检验标准，其目的是为保
证检验假设中I型错误 的概率不变。
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
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
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）
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
• 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
（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”
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：
将“性别”和“病变节段”分别拖入行变量 和列变量，其他操作同需加权数据。
• 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
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。
• 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ຫໍສະໝຸດ Baidu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。OR>1说明疾病的危险度因暴露而 增加，暴露与疾病为“正”关联。OR<1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）。 说明男性高于女性
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
• 重新规定检验标准的估计方法有两种
• 1.多个实验组间的两两比较 分析目的为k个 实验组间，任两个率进行比较 ，公式如下
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。
• 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
• 结果4：又称协变量分析，将性别当做协变 量，即剔除性别这个影响后吸烟与肺癌的
关系。结果显示在剔除性别影响后，吸烟
和肺癌仍然显著相关，即吸烟史导致肺癌 的危险因素。
• 结果5：又称公共OR值估计，合并OR值为2.812，95%置 信区间不包括1，且与1相比差异有显著性（p=0.000）
• 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
• 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
R 似然比：似然比卡方检验，适用 C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
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
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，若不经过任何处理，而直接进行两两比 较，必须重新规定检验标准，其目的是为保
证检验假设中I型错误 的概率不变。
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
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
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）
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
• 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
（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”
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：
将“性别”和“病变节段”分别拖入行变量 和列变量，其他操作同需加权数据。
• 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
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。
• 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ຫໍສະໝຸດ Baidu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。OR>1说明疾病的危险度因暴露而 增加，暴露与疾病为“正”关联。OR<1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）。 说明男性高于女性