卡方检验数值分布表
卡方检验
卡方检验(Chi-square test)Li Junrongstat9@7.1 四格表资料的χ2检验χ2检验(Chi-square test)是现代统计学的创始人之一，K. Pearson（1857-1936）于1900年提出的一种具有广泛用途的统计方法，可用于两个或多个率（或者构成比）之间的比较，计数资料的关联度分析，拟合优度检验等。
一、卡方检验的基本思想卡方分布⏹属连续型分布⏹可加性是其基本性质⏹唯一参数，即自由度(1) 自由度为1的χ2分布若Z N ~(,),01则Z 2的分布称为自由度为1的χ2分布.(chi-square distribution),记为χ()12或χ21(). 图形:从纵轴某个点开始单调下降,先凸后凹.02468100.00.10.20.3 2220.05(1)0.05/22220.01(1)0.01/23.84(1.96)6.63(2.5758)Z Zχχ======(2) νZ Z Z ,...,,21互相独立,均服从N (,)01,则22221...νZ Z Z +++的分布称自由度为 ν的χ2分布,记为χν()2或)(2νχ,或简记为χ2.* 图形:单峰,正偏峰;自由度ν很大时,2()νχ近似地服从正态分布.有2()2(),22Z ννχνχννν-=服从均数为，方差为的正态分布.00.10.20.30.40.50369121518¿¨·½Öµ×Ý·ß×ÔÓɶȣ½1×ÔÓɶȣ½2×ÔÓɶȣ½3Óɶȣ½62/)12/(2222)2/(21)(χνχνχ--⎪⎪⎭⎫⎝⎛Γ=ef 3.847.8112.59P ＝0.05的临界值χ2分布（chi-square distribution ）性质:若χνχν2122(),()互相独立, 则χνχν2122()()+服从χ2分布, 自由度=+νν12 χνχν2122()()-服从χ2分布, 自由度=-νν12卡方检验的基本思想组别有效无效合计有效率(%)试验组99 5 10495.20(p 1)对照组7521 9678.13(p 2)合计1742620087.00(p c )表7-1两组降低颅内压有效率的比较实际频数A (actual frequency)理论频数T (theoretical frequency)nn n column row T C R =⨯=总例数合计列合计行)()(RC四格表(fourfold table)它反映了理论数与实际数的吻合情况，该统计量近似地服从自由度为ν的卡方分布。
09卡方检验
21）。 3.84 （ 0 05
21）。 6.63 （ 0 01
因为χ2=4.08*>3.84，p<0.05，按照统计决断 的一般规则，则应拒绝零假设，因此其结论为：今 年升学的男女生人数比例不符合该校长的经验。
例2 有人在某班进行了一项调查，问52名学生：“你 喜欢思想品德课吗？”回答有“喜欢”、“无所谓” 和“不喜欢”三种，调查结果如下，问3种意见的人 数是否不同？
根据df=K-1=2查附表6，得
2 （2）。 0 05
5.99
22）。 9.21 （ 0 01
再将实际计算得的χ2值与临界值比较。因为
χ2=9.96**>9.21，p<0.01，因此应拒绝零假设，其 结论为：该班学生对思想品德课的3种意见之间有极
其显著的差异。
例3 大量的研究表明，人群中超常儿童的比率为3%。最 近有人对某班54名学生做了一项智力测查，结果发现有 两名学生的智力属于超常，问该班超常儿童的比率与普 通人群中超常儿童的比率是否相同？
例题：
第二步：计算χ2值 因为根据零假设，则男女生的理论频数为：
2 f 118 41） 106 （ e1 3 1 f 118 41） 53 （ e2 3
（ 106 2 （41 53 2 118 ） ） 2 4.08 106 53
第三步：统计决断 根据df=2-1=1查χ2值表（附表6）,得
三．χ2检验的计算
表9-1 单向表χ2检验计算表
fo
分组Ⅰ
分组Ⅱ 分组Ⅲ 总和
fe
fo fe
fo fe
2
fo fe
fe
2
χ2
6卡方检验2002
H0：1
，任两对比组的总体有效率相等
2
H1： 1
，任两对比组的总体有效率不等
2
0.05
36
检验水准调整：
' =
k(k 1) / 2+1
三种疗法治疗周围性面神经麻痹的实例中，检验
水准调整为：
' 0.05 0.05 / 4 0.0125
3(3 1) / 2 1
26
144
4.59
合计
282
44
326
P值
<0.0125 <0.00227 >0.0125
38
第六节 有序分组资料的线性趋势检验
年龄与冠状动脉硬化的关系
年龄(岁） （X）
20～ 30～ 40～
≥50 合计
冠状动脉硬化等级（Y）
— + ++ +++
70 22 4
2
27 24 9
3
16 23 13 7
绝H0，接受H1，可以认为两组降低颅内压总体有效率
不等，即可认为异梨醇口服液降低颅内压的有效率 高于氢氯噻嗪+地塞米松的有效率。
21
四格表资料连续性校正公式
(| ad bc | n)2 n
2 c
(a
b)(c
d )(a
2 c)(b
d)
1
22
对于四格表资料，通常规定：
（1）当n≥40且所有的T≥5时，用检验的基本公 式；当P≈α时，改用四格表资料的Fisher确切概率 法。
11
假设检验: H0：π1=π2 H1：π1≠π2 α=0.05
简单四格表卡方检验公式
简单四格表卡方检验公式
简单四格表卡方检验公式是用于检验两个分类变量之间是否独立的一种统计方法。
具体公式如下：
$X^2 = \frac{(O_{11} - E_{11})^2}{E_{11}} + \frac{(O_{12} -
E_{12})^2}{E_{12}} + \frac{(O_{21} - E_{21})^2}{E_{21}} + \frac{(O_{22} - E_{22})^2}{E_{22}}$
其中，$O_{ij}$ 表示观察值，$E_{ij}$ 表示期望值。
具体操作方法如下：
1. 计算期望频数：根据四格表中的理论概率计算期望频数。
2. 计算实际频数：根据实际观察数据计算实际频数。
3. 计算卡方值：将期望频数和实际频数的差值平方后除以期望频数，再将四个格子的卡方值相加得到总卡方值。
4. 计算自由度：简单四格表卡方检验的自由度为1。
5. 查表求临界值：根据自由度和给定的显著性水平（通常为或），查阅卡方分布表得到临界值。
6. 判断是否拒绝零假设：如果总卡方值大于临界值，则拒绝零假设，认为两个分类变量之间不独立；否则，无法拒绝零假设，认为两个分类变量之间可能独立。
第5课卡方检验
2）用CHITEST、CHIDIST求p值、CHIINV求χ2值 i）CHITEST 用途：已知观察值和期望值，求卡方分布的概率。 语法：CHITEST(actual_range，expected_range) 参数：Actual_range是观察值的数据区域， Expected_range是期望值的数据区域 =CHITEST(B2:B3,C2:C3)=0.211299682>0.05，接受 H0 ii）CHIINV 用途：已知卡方分布的概率和自由度，求卡方值。 语法：CHIINV(probability，degrees_freedom) =CHIINV(A5,1)=1.5625， =CHIINV(0.05,1)=3.84（df=1，p=.05的临界值） 1.5625<3.84，故接受H0 iii）CHIDIST 用途：已知卡方值和自由度，求卡方分布的概率。 语法：CHIDIST(x，degrees_freedom) = CHIDIST(C5,1)=0.211299682 (殊途同归)
学习统计学的有效方法是重复别 人的研究 (replicate) ，并且经常复 2 习，否则会忘记。 t 检验和 χ 检验 是最简单的检验，同一个实验也 可复杂化： 2个班学生，若不仅考 虑成绩, 还考虑性别(男、女)；若 不是笼统说英语成绩，而是比较 专项的听、说、读、写；若比较3 个班，要用方差分析 (Analysis of Variance, ANOVA)等统计方法。
第五课：卡方检验
5 卡方检验（chi-square test，χ2 test） 等距变量(interval variable)：60-70分为10等份， 称名变量(nominal variable)：男、女；赞成、反对； 李克特量表：非常同意、同意、不确定、不同意、非 常不同意。例如：用问卷 (questionnaire) 调查 64 人对 待文理分科的态度，37人赞成，27人反对。简单多数： 37>27；百分比：58%>42%；χ2检验：无显著差异。 卡方检验用于比较称名变量的频数，具体来讲， 是比较观察频数 (observed frequency) 或者实际频数 (actual frequency)与期望频数(expected frequency)或 者理论频数 (theoretical frequency) 之间是否有显著差 异。期望频数是根据某种理论模式，或是根据对某种 特征的分布所作的假设而期望得到或应该得到的频数。
x2检验或卡方检验和校正卡方检验的计算
x2检验或卡方检验和校正卡方检验的计算x2检验（chi-square test）或称卡方检验x2检验（chi-square test）或称卡方检验，是一种用途较广的假设检验方法。
可以分为成组比较（不配对资料）和个别比较（配对，或同一对象两种处理的比较）两类。
一、四格表资料的x2检验例20.7某医院分别用化学疗法和化疗结合放射治疗卵巢癌肿患者，结果如表20-11，问两种疗法有无差别？表20-11 两种疗法治疗卵巢癌的疗效比较表内用虚线隔开的这四个数据是整个表中的基本资料，其余数据均由此推算出来；这四格资料表就专称四格表（fourfold table），或称2行2列表（2×2 contingency table）从该资料算出的两种疗法有效率分别为44.2%和77.3%，两者的差别可能是抽样误差所致，亦可能是两种治疗有效率（总体率）确有所不同。
这里可通过x2检验来区别其差异有无统计学意义，检验的基本公式为：式中A为实际数，以上四格表的四个数据就是实际数。
T为理论数，是根据检验假设推断出来的；即假设这两种卵巢癌治疗的有效率本无不同，差别仅是由抽样误差所致。
这里可将两种疗法合计有效率作为理论上的有效率，即53/87=60.9%，以此为依据便可推算出四格表中相应的四格的理论数。
兹以表20-11资料为例检验如下。
检验步骤：1.建立检验假设：H0：π1=π2H1：π1≠π2α=0.052.计算理论数（TRC），计算公式为：TRC=nR.nc/n 公式（20.13）式中TRC是表示第R行C列格子的理论数，nR为理论数同行的合计数，nC为与理论数同列的合计数，n为总例数。
第1行1列：43×53/87=26.2第1行2列：43×34/87=16.8第2行1列：44×53/87=26.8第2行2列：4×34/87=17.2以推算结果，可与原四项实际数并列成表20-12：表20-12 两种疗法治疗卵巢癌的疗效比较因为上表每行和每列合计数都是固定的，所以只要用TRC式求得其中一项理论数（例如T1.1=26.2），则其余三项理论数都可用同行或同列合计数相减，直接求出，示范如下：T1.1=26.2T1.2=43-26.2=16.8T2.1=53-26.2=26.8T2.2=44-26.2=17.23.计算x2值按公式20.12代入4.查x2值表求P值在查表之前应知本题自由度。
5-卡方检验
但接下来的问题是，如果两变量之间存在相关性，它们之
间的关联程度有多大？针对不同的变量类型，在 SPSS 中 可以计算各种各样的相关指标，而且Crosstabs过程也对此 提供了完整的支持，此处只涉及两分类变量间关联程度的 指标，更系统的相关程度指标见相关与回归一章。
两分类变量间关联程度的度量
♣ 相对危险度RR：是一个概率的比值，指暴露组人群反应
合计
90
16
106
四格表卡方检验
四格表卡方检验
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。
四格表卡方检验
四格表卡方检验
四格表卡方检验
四格表卡方检验
四格表卡方检验
四格表卡方检验
♣ 几种卡方检验的比较：
♠ 连续性校正2检验：
仅适用于四格表资料，在 n>40 ，所有期望频数均大于 1 ，只
检验
2
王怡 温州医学院环境与公共卫生学院 Email:25257291@
目的与要求
♣ 掌握利用SPSS进行完全随机设计四格表资料卡方检验、 配对设计四格表资料卡方检验、行列表资料卡方检验的 操作方法，以及结果的阅读解释等。
♣
熟悉确切概率法。
知识点回顾
2检验的基本思想
假设H0成立，即两个总体的有效率相同
知识点回顾
2检验的基本步骤
（1）建立假设，确定检验水准
H0：π1= π2 ,即两总体阳性率相等； H1：π1≠π2 ，即两总体阳性率不等； α=0.05 （2）计算检验统计量2值和自由度
2 ( A T ) 2 T
ν=(R-1)(C-1)
（3）确定P值，作出结论
根据自由度ν查2界值表，确定P。
医学统计方法之卡方检验
医学统计方法之卡方检验卡方检验（Chi-square test）是一种常用的医学统计方法，用于比较观察频数与期望频数的差异，以判断两个或多个类别变量之间是否存在相关性或差异。
卡方检验适用于分类数据的分析，常用于研究疾病与相关因素的关系、药物与不良反应的关系等。
卡方检验的基本原理是通过计算观察频数与期望频数之间的差异，并比较差异的程度来判断两个或多个分类变量之间的关联性。
卡方值越大，观察频数与期望频数之间的差异越大，相关性越显著。
卡方检验的零假设（Null hypothesis）是假设变量之间没有关联性，即观察频数与期望频数之间的差异是由随机误差引起的。
卡方检验的计算步骤如下：1.建立零假设与备择假设。
例如，我们想要研究其中一种药物与不良反应的关系，零假设可以是“该药物与不良反应之间没有关联性”，备择假设可以是“该药物与不良反应之间存在关联性”。
2.构建两个变量的列联表，计算观察频数。
列联表是将两个或多个分类变量交叉组合生成的一个二维表格。
例如，我们可以将药物使用与不良反应按行和列分别组合，得到一个2×2的列联表。
3.计算期望频数。
期望频数是在零假设成立的情况下，根据总体总数和变量之间的独立性计算的理论频数。
期望频数可以通过计算每个组合的行合计、列合计以及总体合计来得到。
4.计算卡方值。
卡方值是观察频数与期望频数之间的差异的平方和除以期望频数的总和，即卡方值=Σ((O-E)²/E)，其中O为观察频数，E为期望频数。
5.比较卡方值与临界值。
通过查找卡方分布表，根据给定的显著性水平（一般为0.05或0.01），确定临界值。
如果卡方值大于临界值，则拒绝零假设，认为两个变量之间存在关联性。
如果卡方值小于等于临界值，则无法拒绝零假设，认为两个变量之间不存在关联性。
6.进行推论。
如果拒绝零假设，可以推断两个变量之间存在关联性。
反之，如果无法拒绝零假设，不能推断两个变量之间存在关联性。
需要注意的是，卡方检验对样本容量有一定要求，通常要求每个格子的期望频数不低于5、如果期望频数低于5，需要采取合适的修正方法或使用其他适用于小样本的检验方法。
卡方检验
SPSS操作
四格表卡方检验
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）
两种治疗方法的疗效比较
疗效 处理 药物加化疗 单用药物 有效 42 48 无效 13 3 合计 55 51
合计
90
16
106
四格表卡方检验
首先建立数据文件，如下。
合计
1281 387 1668
④ 计算检验统计量 2 值
386 346.4
2
2
346.4
895 934.6
934.6
2
65 104.6
104.6
2
32 4.527 1.678 14.992 5.553 26.750
如果个别单元格的T小于5，但大于1，处理方法有以下四种：
1、单元格合并法 2、增加样本数 3、去除样本法 4、使用校正公式
注：当n<40,T<1时，用四格表确切概率法。
完全随机设计两样本率比较的四格表
处理 1 2 合计 阳性 A11(T11) A21(T21) m1 属性 阴性 A12(T12) A22(T22) m2 合计 n1（固定值） n2（固定值） n
儿童组 成人组 合计
50 105 155
48 10 58
18 7 25
72 23 95
188 145 333
R×C表卡方检验
对频数加权
R×C表卡方检验
R×C表卡方检验
R×C表卡方检验
结果
四格表
行×列卡方
合并后可能成为 四格表资料
T＜5格 ＞20％
卡方检验及校正卡方检验的计算
2X 检验或卡方检验和校正卡方检验的计算私立广厦学校 郭捷思在教育学量的研究中，各种各样的统计方法已经被广泛的应用，特别是由于统计软件（如：SPSS ）的不断成熟，给教育研究者提供了多种量的研究方法。
但是，这并不是无论什么量的研究都要通过统计软件来实现，也不是所有量的研究一定要运用统计软件才能快捷，简便的实现。
本文将教给大家几种简便的方法来实现卡方检验。
2X 检验（chi-square test ）或称卡方检验方法可以根据样本数据，推断总体分布与期望分布或某一理论分布是否存在显著差异，是一种吻合性检验，通常适于对有多项分类值的总体分布的分析。
它的零假设是样本来自的总体分布与期望分布或某一理论分布无显著差异。
根据卡方检验基本思想的理论依据，对变量总体分布的检验就可以从对各个观察频数的分析入手。
为检验实际分布与理论分布（期望分布）之间是否存在显著差异，可采用卡方检验统计量。
典型的卡方统计量是pearson 卡方，其基本公式为：∑=-=ki o i e i o i f f f X 12)( 式中k 为子集个数，o f 为观察频数，e f 为期望频数，2X 服从k —1个自由度的卡方分布。
如果2X 值较大，则说明观测频数分布与期望频数分布差距较大；反之，如果2X 值较小，则说明观测频数分布与期望频数分布较接近。
我们将通过代入数据运算这条公式，计算出2X统计量的观测值，并依据卡方分布表计算观测值对应的概率p值。
下面，将通过几个实际例子来探究如何进行卡方检验。
一、四格表资料的卡方检验例1：某学校分别运用传统教学和多媒体教学在两个平行班的数学课上进行试验，目的为了检测两种教学方法对学生的成绩影响是否有差异。
本实验把学生的成绩划分为优秀人数（80分以上）和非优秀人数。
表1：两种教学方法学生成绩优秀率的比较表内这四个数据（斜体）是整个表中的基本资料，其余数据均由此推算出来；这四格资料表就专称四格表（fourfold table），或称2行2列表（2×2 contingency table）从该资料算出的；两种教学的优秀率分别为40%和68.6%，两者的差别可能是抽样误差所致，亦可能是两种教学效果确有所不同。
卡方检验 非四格表-概述说明以及解释
卡方检验非四格表-概述说明以及解释1.引言1.1 概述卡方检验是一种常用的统计方法，用于确定观察数据与理论预期之间的差异是否具有统计显著性。
它是通过对观察频数与预期频数之间的差异进行计算和比较来评估研究假设的一致性的。
卡方检验最常见的应用是测试两个分类变量之间是否存在相关性。
在这种情况下，我们可以使用一个称为四格表的数据结构，其中行表示一个分类变量的水平，列表示另一个分类变量的水平。
然而，并不是所有的数据都能被整理成四格表的形式。
非四格表指的是那些不符合四格表结构的数据集。
这些数据集可能包含多个分类变量，或者具有其他特殊的结构。
卡方检验在处理非四格表数据时也具有广泛的应用。
本文将探讨卡方检验的基本原理，并重点介绍非四格表的定义和特点。
我们将进一步阐述在非四格表中应用卡方检验的方法和步骤，并通过一些实际案例来展示其应用范围和效果。
通过本文的研究，我们希望读者能够深入理解卡方检验的原理和应用，并认识到非四格表在统计分析中的重要性和潜在的应用前景。
最后，我们将对卡方检验和非四格表进行总结，并展望其未来在实际研究和数据分析中的发展趋势。
通过对卡方检验和非四格表的研究，我们可以更好地理解数据之间的关系，并为实际问题的解决提供科学和可靠的方法。
这将有助于促进统计学在各行业中的应用和发展，为决策提供更加准确和可靠的依据。
1.2文章结构文章结构部分的内容可以写作：1.2 文章结构本文共分为三个主要部分，每个部分都有其特定的目标和内容。
以下是各个部分的简要介绍：第一部分是引言，主要介绍卡方检验和非四格表研究的背景和意义。
在引言的概述部分，将简要介绍卡方检验和非四格表的基本概念和定义，以便读者能够对文章的主题有一个整体的了解。
接着，文章将给出论文的整体结构，以帮助读者对接下来的内容进行合理的组织和理解。
最后，目的部分将明确本文的研究目标和解决的问题，以便更好地引导读者理解本文的内容和意义。
第二部分是正文，将深入探讨卡方检验的基本原理和非四格表的定义与特点。
四格表卡方检验
六、应用卡方检验应注意取样设计
注意取样的代表性
主要内容
第一节 卡方检验的原理 第二节 配合度检验 第三节 独立性检验 第四节 同质性检验
配合度检验
配合度检验主要用于检验单一变量的实 际观察次数分布与某理论次数分布是否 有差别。
一、配合度检验的一般问题
统计假设
虚无假设：实际数等于理论数 备择假设：实际数不等的原理 第二节 配合度检验 第三节 独立性检验 第四节 同质性检验
为什么叫作卡方检验
计数数据一般应用属性统计方法，因为 这类数据是按照事物属性进行多项分类 的。 而且，对这些计数数据的统计分析是根 据卡方分布进行的。
卡方检验的功能
处理一个因素两项或多项分类的实际观 察频数与理论频数分布是否相一致的问 题，或者说有无显著差异的问题。
举例：正态分布吻合性检验
例题：p.336
四、比率或百分数的配合度检验
如果计数资料用百分数表示，最后计算 出来的卡方值要乘以100/N后，再与查表 所得的临界值进行比较。 例题：p.337
五、二项分类的配合度检验与比 率显著性检验的一致性
二者实质相同，只是表示方式不同。 相比较而言，配合度检验计算方法更为 简单。
二、四格表的独立性检验
独立样本四格表卡方检验
利用基本公式或简捷公式 例题：p.347
相关样本四格表卡方检验
用简捷公式较为简单 例题：p.349
二、四格表的独立性检验
四格表卡方值的近似校正
当四格表的任一格理论次数小于5时，要用Yates连续 性校正公式计算卡方值（具体公式见书p.349）。
实际数不等于理论数自由度的确定通常为分类数减去1理论次数的计算根据某种经验或理论二配合度检验的应用1检验无差假说理论次数总数1分类项数例题p3322检验假设分布的概率理论次数的计算按照理论分布求得例题p333三连续变量分布的吻合性检验对于连续随机变量的计量数据有时在实际研究中预先不知道其总体分布而是要根据对样本的次数分布来判断是否服从某种指定的具有明确表达式的理论次数分布
卡方分布表
卡方分布表卡方分布表卡方分布表是一个重要的数学工具，在统计学和实验设计中经常被使用。
卡方分布表揭示了卡方分布在不同程度上的概率密度值，它可根据样本数、自由度和期望值，计算出卡方分布的概率密度函数。
卡方分布表能够帮助统计学家检验假设和求解不同的统计问题，尤其在研究方差分析和卡方检验等方面有着广泛的应用。
卡方分布卡方分布是一种特殊的概率分布，在统计学中有着十分广泛的应用。
卡方分布通常是由一系列相互独立且在总体上是正态分布的变量构成的。
在卡方分布中，每个变量都乘以一个系数，将它们加起来就得到了卡方值。
卡方分布在一个样本的数据分布、两个样本的独立性检验和拟合度检验等方面均有广泛应用。
卡方分布的应用卡方分布在实际应用中有着广泛的应用。
它通常用于试验设计、广告效果分析、市场研究、金融风险管理、医学统计分析等领域。
卡方分布常常被用来检验假设，例如检验两个样本之间的独立性、检验一个样本的频率分布是否符合期望分布等。
卡方分布表则可以帮助统计学家更加轻松地完成一系列检验，提高工作效率。
卡方分布表的使用步骤卡方分布表的使用方法相对简单，主要包括以下几个步骤：1. 计算卡方值：在卡方检验中需要先计算卡方值，其计算公式是：X2=Σ(Oi-Ei)2/Ei。
其中，Oi为观察值，需要通过实验或者数据统计获取；Ei为期望值，通常是由独立性假设或者完全随机假设得出的。
计算出卡方值之后，即可查找相应的卡方分布表。
2. 确定自由度：自由度的数量是根据数据的情况而定。
在卡方分布中，自由度数量即为样本数减1：df=n-1。
3. 查找卡方分布表：在卡方分布表中，根据自由度和显著性水平，可以查到卡方值的概率密度函数值。
4. 进行统计检验：通过比较计算出的卡方值和查找到的卡方分布表中的概率密度函数值，可以判断样本数据是否符合假设，从而进行相应的统计检验。
卡方分布表的注意事项在使用卡方分布表时，需要注意以下几个问题：1. 样本数必须大于等于自由度数，否则不能进行卡方检验。
卡方检验的SPSS操作
沈毅 沈毅
配对卡方检验
选中进行配对 卡方检验
浙江大学医学院流行病与卫生统计学教研室 浙江大学医学院流行病与卫生统计学教研室
沈毅 沈毅
配对卡方检验
Chi-Square Tests
结果分析
Asymp. Sig. Exact Sig. Exact Sig. (2-sided) (2-sided) (1-sided) 1 1 1 .000 .001 .000 .000 13.910 1 .000 .013c 58 .000
配对卡方检验
配对卡方检验公式：
若b+c>40，则用公式：
χ
2
(b − c ) = b + c
2
若b+c≤40，则用公式：
χ =
2
( b − c − 1) b+c
2
浙江大学医学院流行病与卫生统计学教研室 浙江大学医学院流行病与卫生统计学教研室
沈毅 沈毅
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
浙江大学医学院流行病与卫生统计学教研室 浙江大学医学院流行病与卫生统计学教研室
沈毅 沈毅
一致性检验
一般认为， 当Kappa≥0.75时，表明两者一致性较好； 0.75>Kappa ≥0.4时，表明一致性一般； Kappa<0.4时，表明两者一致性较差。
浙江大学医学院流行病与卫生统计学教研室 浙江大学医学院流行病与卫生统计学教研室
浙江大学医学院流行病与卫生统计学教研室 浙江大学医学院流行病与卫生统计学教研室
沈毅 沈毅
四格表卡方检验
浙江大学医学院流行病与卫生统计学教研室 浙江大学医学院流行病与卫生统计学教研室