卡方检验方法.ppt
合集下载
卡方检验.ppt
配对四格表资料的2检验
两种检验方法阳性率结果
可能的结果 甲
1
＋
2
＋
3
－
4
－
乙
频数
＋
a
－
b
＋
c
－
d
配对四格表资料的2检验
两种检验方法结果比较
荧光抗体法
＋ － 合计
常规培养法
＋
－
160(a) 26(b)
5(c)
48(d)
165
74
合计
186 53 239
配对四格表资料的实际数与理论数
实际数
5(c)
通过构造A与T吻合程度的统计量来反 映两样本率的差别!
实际数A
39
8
57
27
理论数T
34.44 12.56 61.56 22.44
χ2检验的基本思想(2)
如果H0假设成立，则实际频数与理论频数应该比
较接近。差值 A T 属于随机误差，用χ2 统计量
表示：
2
( A T )2 ~ 2分布 T
H0成立时，实际数与理论数的差别不会很大，出现较大χ2 值概率很小。 若P≤α，则拒绝H0； 若P＞α，则尚无理由拒绝它。
χ2检验的步骤(1)
（1）假设两总体率相等 H0：两组总体存活率相同，即π1=π2； H1：两组总体存活率不同，即π1≠π2；
α＝0.05。
χ2检验的步骤(2)
（2）实际数与理论数的差值服从χ2分布
理论频数的计算
理论频数＝47 73.3%
处理
存活 数
理论 频数
死亡数
理论 频数
合计
存活率 （%）
联合治疗 39 34.44 8 12.56 47 73.3 单纯治疗 57 61.56 27 22.44 84 73.3
卡方检验SPSS操作ppt课件
.000
N of Valid Cases
492
a.Not assuming the null hypothesis.
ing the asymptotic standard error assuming the null hypothesis
吸 烟史 * 基 因缺 失 Crosstabulation
列 联 系 数
矽 肺 期 次 * 肺 门 密 度 Crosstab ula tion
Count
矽肺 1 期次 2
3 Total
肺 门密 度
1 43
2 188
1
96
6
17
50
301
3 14 72 55
141
Total 245 169 78 492
Ch i-Squar e Te s t s
1
.018
概
Continuity Correctioan 3.544
1
.060
率
Likelihood Ratio
5.878
1
.015
Fisher's Exac t Test
.046
.029
Linear-by-Linear Association
5.352
1
.021
N of Valid Cases
21
Value Pearson Chi-Square 6.755a
Asymp. Sig.
df
(2-s ided)
ห้องสมุดไป่ตู้
3
.080
Likelihood Ratio
6.776
3
.079
Linear- by - Linear
卡方检验ppt课件
2检验 (chi-square test)
.5
.4
ν=1
.3
.2
ν=3
ν=6
.1
ν=பைடு நூலகம்0
0.0
0
5
10
15
20
25
1
主要内容
2分布
– 了解2分布的基本思想和2分布曲线
四格表资料的2检验
– 掌握应用条件、基本思想和检验过程
配对设计资料的2检验
– 掌握应用条件、基本思想和检验过程
2分布的形状依赖于自由度ν的大小，当 ν≤2时，曲线呈L型；随着ν的增加，曲线 逐渐趋于对称；当ν→∞时, 2分布趋向正 态分布。
3
2分布曲线
.5
.4
ν=1
.3
.2
ν=3
ν=6
.1
ν=10
0.0 0
5
10
15
20
25
4
2 检验
2检验是一种用途非常广泛的以2分布 为理论依据的假设检验方法，主要用于：
14
本例的2检验
H0：π1=π2，即两种给药方法的总体不良 反应发生率相同
H1：π1≠π2，即两种给药方法的总体不良 反应发生率不同
α=0.05
15
本例的2检验
2 (A T )2 (35 30.76)2 (74 78.24)2 (22 26.24)2 (71 66.76)2 1.771
实际频数：表内各格数字为实际资料的数字。
10
2 检验的基本思想
实际频数和理论频数差异的大小可以用2值的大
小来说明，当样本量n和各个按检验假设计算的理
论频数T都足够大时，比如n≥40，T≥5， 似于2分布，n越大，近似程度越好。
.5
.4
ν=1
.3
.2
ν=3
ν=6
.1
ν=பைடு நூலகம்0
0.0
0
5
10
15
20
25
1
主要内容
2分布
– 了解2分布的基本思想和2分布曲线
四格表资料的2检验
– 掌握应用条件、基本思想和检验过程
配对设计资料的2检验
– 掌握应用条件、基本思想和检验过程
2分布的形状依赖于自由度ν的大小，当 ν≤2时，曲线呈L型；随着ν的增加，曲线 逐渐趋于对称；当ν→∞时, 2分布趋向正 态分布。
3
2分布曲线
.5
.4
ν=1
.3
.2
ν=3
ν=6
.1
ν=10
0.0 0
5
10
15
20
25
4
2 检验
2检验是一种用途非常广泛的以2分布 为理论依据的假设检验方法，主要用于：
14
本例的2检验
H0：π1=π2，即两种给药方法的总体不良 反应发生率相同
H1：π1≠π2，即两种给药方法的总体不良 反应发生率不同
α=0.05
15
本例的2检验
2 (A T )2 (35 30.76)2 (74 78.24)2 (22 26.24)2 (71 66.76)2 1.771
实际频数：表内各格数字为实际资料的数字。
10
2 检验的基本思想
实际频数和理论频数差异的大小可以用2值的大
小来说明，当样本量n和各个按检验假设计算的理
论频数T都足够大时，比如n≥40，T≥5， 似于2分布，n越大，近似程度越好。
卡方检验 PPT
卡方检验基础
2值的计算：
2 (A E)2 E
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－卡方分布
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
相关问题－两个率或构成比的比较
❖ 这是一个比较两个性别的 职位构成比是否相同的统计 学问题，要用Descriptive中 的Crosstabs实现，与单个率 的比较不同。
相关问题－两个率或构成比的比较
❖ 分别指定行列 变量到Row（s） 和Columns中。
相关问题－两个率或构成比的比较
相关问题－两个率或构成比的比较
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。
卡方检验基础
利用单样本均值比较的t检验，可以检验样本所在总体
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
相关问题－两个率或构成比的比较
例2 某妇女联合会向工会提出质疑，认为该公司在对女 性员工的职位安排上存在歧视，因为该公司216名女性 雇员中，只有10人为经理，其余206名为办事员；而 258名男性雇员中，74名为经理。但是工会说，男女间 职位类别比例的差异，只是一个随机误差，并不是真 的存在性别歧视。哪种说法才是正确的呢？（数据见 employee data.sav）
SPSS 卡方检验(共45张PPT)
如果不分层结果如下
结果解释：，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 女性
结果2：风险估计，男性组，95%置信区间不 包括1。女性， 95%置信区间包括1。提示，
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，95%置信区间不包括 1，且与1相比差异有显著性（）
• 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
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
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。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
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“”，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
第十章 卡方检验.ppt
况下，4个基本数据当中只有一个可以 Nhomakorabea由取值。
样本率与总体率比较
例： • 全国高血压病调查结果：城市人口高血
压病患病率19.6%； • 某调查获得有高血压病家族史者358人，
其中高血压病者127人（P=35.47%） 问：有高血压病家族史者患病率是否高于
一般人群？
实际（A） 理论（T）
+
-
合计
127
Mantel-Haenszel Chi-Square
1 15.0822 0.0001
Phi Coefficient
0.5386
Contingency Coefficient
0.4742
Cramer's V
0.5386
关联性分析
• 行×列表的关联 P157：例10-8
Statistic Chi-Square Likelihood Ratio Chi-Square Mantel-Haenszel Chi-Square Phi Coefficient Contingency Coefficient Cramer's V
DF
Value Prob
6 15.3475 0.0177
6 14.7197 0.0226
1 3.5070 0.0611
0.1781
0.1753
0.1259
R × C表资料Chi-Square检验 应注意的问题
• 应用条件； • 多重比较问题 • 关联性分析问题 • 等级资料分析问题
– 双向无序单资料的分析 – 单向有序资料的分析 – 双向有序、属性不同资料的分析 – 双向有序、属性相同资料的分析
注意：不同年龄组可以合并，但不同血型就不能合
相关主题