2014年12月12日SPSS(卡方检验)(2)spss第二次课时讲
卡方检验与秩和检验的SPSS操作过程
b. G rouping V ariable: 组别
20
例10-6
某医院用3种方法治疗478例慢性喉炎，资料见表。问3种方法治疗慢性 喉炎的疗效有无差别？
疗效等级 （1）
无效 好转 显效 痊愈
甲法 （2）
24 26 72 186
乙法 （3）
20 16 24 32
丙法 （4）
20 22 14 22
合计 （5）
T est Statistics a
M ann-Whitney U
营养状况 544.000
Wilcoxon W
1534.000
Z
-3.215
A sy mp. Sig. (2-tailed)
.001
a. Grouping V ariable: 季 节
16
多组独立样本资料秩和检验SPSS操作过程
17
例10-5
用x表示状况： x=1、2、3 用group表示季节：group=1、2 用freq表示人数
14
例10-4 变量参数的确定
15
例10-4分析结果输出
Ra nk s
季节 营 养 状夏 况季
冬季 Total
N Mean RSaunm k of Ranks 40 50.90 2036.00 44 34.86 1534.00 84
92 196.41 78 169.60 478
Te st Statistics a,b
C hi-S quare df A sy mp. S ig.
疗效等 级 51.388 2 .000
a. Kruskal Wallis Test
b. Grouping V ariable: 治 疗 方 法
SPSS卡方检验具体操作
SPSS卡方检验具体操作SPSS（Statistical Package for the Social Sciences）是一种统计分析软件，它包含了许多常用的统计方法，包括卡方检验。
卡方检验是一种经典的假设检验方法，用于检验两个分类变量之间是否存在显著的关联性。
下面将介绍SPSS中进行卡方检验的具体操作步骤。
步骤一：导入数据在SPSS软件中，点击“文件（File）”菜单，然后选择“打开（Open）”选项，找到所需分析的数据文件，点击“打开”。
然后通过哪个方式导入数据，可以选择加载文本文件、Excel文件、数据库等不同的方式。
导入数据后，SPSS会将数据显示在主窗口的数据视图中。
步骤二：设置变量属性在进行卡方检验之前，需要设置变量的属性，告诉SPSS每个变量的测量尺度。
例如，在分析两个分类变量之间的关联性时，需要将这两个变量都设置为“标称（Nominal）”尺度。
步骤三：执行卡方检验在SPSS软件中，点击“分析（Analyse）”菜单，然后选择“描述统计（Descriptive Statistics）”选项，再选择“交叉表（Crosstabs）”。
在弹出的对话框中，将需要分析的两个变量分别选择到“行（Rows）”和“列（Columns）”框中。
然后点击“Statistics”按钮，选中“卡方（Chi-square）”复选框，然后点击“Continue”按钮。
最后，点击“OK”按钮，SPSS将进行卡方检验并生成结果报告。
步骤四：解读结果在SPSS生成的结果报告中，主要包括卡方检验统计量、自由度、卡方值、显著性水平以及卡方检验的判定结果等内容。
卡方检验统计量用于判断两个分类变量之间是否存在显著的关联性。
如果卡方值较大且显著性水平（p值）小于设定的显著性水平（通常为0.05），则说明两个变量之间存在显著的关联性。
如果卡方检验的判定结果为显著，可以进一步进行后续分析，如计算关联性指数（如Cramer's V或Phi系数）来了解两个变量之间的关联性程度。
最新第2讲.SPSS描述性统计分析PPT课件
待分析变量，移入右侧。 3）“显示频率表格”，勾选该复选
框，可输出频数分析表。
SPSS频数分析
二、几个重要的设置对话框 “统计量”按钮对应的对话框：
1）四分位数：显示25%、50%、 75%的分位数。 2）割点：勾选后可输入数值A， 将数据平分为A等分。例如，输 入5，表示输出20%、40%、 60%、80%的百分位数。 3）百分位数：选中后，可激活 右侧的文本框和列表。可输入、 更改和删除自定义的百分位数。
幂估计：对每一组数据产生一个中位数的自然对数与四 分位数的自然对数的散列点图，达到方差齐次性要求的 幂次估计；并据此散布图，来估计将各组方差转换成同 方差所需的幂次。
转换：对原始数据进行变换。可在下拉列表中选 择转换的幂值。 未转换：不对数据进行转换，产生原始数据的散 布图。注：“无”是不产生该选项的图形。
二、按钮对应的界面介绍
统计量对话框
输出前面所讲述的各个描述统计量，并可设置均值的 置信5个最大值与最小值。在输出窗 口被表明为极端值。
“选项”对话 框
输出结果显示5%,10%,25%,50%,75%,90%和95% 的百分位数。
从所有分析中，将因变量或分组变量中带有缺失值的观测 量予以剔除。 从当前分析中，将有缺失值的观测量均予以剔除。
SPSS探索性统计分析整体分析与设计的内容
二、操作
探索性数据分析过程用于计算指定变量的探索性统计量和有关的图 形。从这个过程中可以获得箱图、茎叶图、直方图、各种正态检验 图、频数表、方差齐性检验等结果，以及对非正态或正态非齐性数据 进行变换，以表明和检验连续变量的数值分布情况。
(参考资料)SPSS卡方检验教程
（三）完全随机设计的多个样本率比较的假设检验
例6
患龋率
Pearson
P值
卡方值
（二）配对设计的两样本率比较的假设检验
例4 方法一 (SPSS菜单：Crosstabs)
交叉表
（二）配对设计的两样本率比较的假设检验
例4 方法一 (SPSS菜单：Crosstabs)
行 列
（二）配对设计的两样本率比较的假设检验
例4 方法一 (SPSS菜单：Crosstabs)
McNemar
（二）配对设计的两样本率比较的假设检验
实习五
分类变量资料的统计推断 第226～235页
一、率的抽样误差与标准误
（一）定义
在抽样研究中，由于抽样造成的样本率与总体率之间的 差异或者样本率之间的差异，称为率的抽样误差。
（二）计算：率的抽样误差大小用率的标准误来衡量。
σp =
π (1 − π )
n
一般情况下，由于我们研究的是样本，π未知，所以常用p 代替π ，得到率的标准误的估计值：
例4 方法一 (SPSS菜单：Crosstabs)
精确概率法
（二）配对设计的两样本率比较的假设检验
例4 方法二 （SPSS菜单：Nonparametric Tests）推荐
2个相关 样本
（二）配对设计的两样本率比较的假设检验
例4 方法二 （SPSS菜单：Nonparametric Tests）推荐
（一）完全随机设计的两样本率比较的假设检验
例2 见第544页计算分析题1。group:组别，1=新防护衣， 2=旧防护衣；effect:患病情况，1=患病，0=未患病；freq： 频数 。(SPSS软件操作步骤同例1)
SPSS卡方检验的详细解读
SPSS卡方检验的详细解读一、基本概念：卡方检验（一）定义卡方检验主要用于研究定类与定类数据之间的差异关系。
一般使用卡方检验进行分析的目的是比较差异性。
例如研究人员想知道两组学生对于手机品牌的偏好差异情况。
（二）卡方值卡方值表示观察值与理论值之间的偏离程度。
卡方值的大小与样本量（自由度）有关。
一般来说，卡方值越大越好，但并不准确。
比如5000和5010的差异为10；40和50的差异为10，明显后者差异更大。
最终查看卡方值对应的p 值更准确。
二、卡方检验分类（一）方法分类SPSSAU系统中，卡方检验分为【通用方法】中的交叉卡方，以及【医学/研究】模块中的卡方检验、配对卡方、卡方拟合优度、分层卡方五类。
（二）方法对比（1）交叉卡方适用于大部分场景之中，满足大部分用户需求，使用频率高，仅使用Pearson卡方，不支持加权数据。
交叉卡方仅输出一个交叉卡方分析结果如下图：可以看到卡方值为16.667，p =0.000<0.01，所以不同地区的饮食习惯情况呈现出显著性差异。
（2）卡方检验适用于实验医学研究方向，专业性更强，使用频率高。
从上表可知，利用卡方检验(交叉分析)去研究减肥方式对于胆固醇水平共1项的差异关系【独立性】，不同减肥方式样本对于胆固醇水平共1项呈现出显著性(p <0.05)。
总结可知：不同减肥方式样本对于胆固醇水平全部均呈现出显著性差异。
①Pearson卡方、yates校正卡方、Fisher卡方三类卡方，具体选择标准如下图上表格为卡方检验的中间过程值，由于本案例数据为3*2格式，且1 <=E<5 格子的比例大于20%（此处为33.33%），因而最终选择使用yates校正卡方值。
【特别备注： Pearson卡方和yates校正卡方完全相同是正常现象，多数情况下二者完全相等】②加权数据数据格式如下③效应量指标（研究差异幅度情况，效应量值越大说明差异幅度越大，通常情况下效应量小、中、大的区分临界点分别是 0.20，0.50 和 0.80）卡方检验时,通常有5个指标均可表示效应量大小，区别在于使用场合不一样，选择标准如下图：上表格为效应量指标，由于本案例数据为3*2格式，所以使用Cramer V 研究差异幅度情况。
SPSS统计分析实用教程(第2版)
探索性分析
03
均值比较与t检验
总结词
单样本t检验用于检验单个样本的均值是否与已知的某个值或参考值存在显著差异。
详细描述
在单样本t检验中，我们将已知的某个值或参考值作为检验标准，然后比较单个样本的均值与此标准之间的差异。通过计算t统计量和对应的p值，我们可以判断样本均值与标准值是否存在显著差异。
单样本t检验
通过图形方式展示两个变量之间的关系，可以直观地观察到它们之间的模式和趋势。
相关分析
散点图
相关系数
预测模型
通过一个或多个自变量预测因变量的值，建立预测模型，并评估模型的拟合优度和预测能力。
回归系数
描述自变量对因变量的影响程度，通过回归系数可以了解各个自变量对因变量的贡献。
线性回归分析
非线性关系
协方差分析是在考虑一个或多个协变量的影响后，比较两个或多个分类变量对数值型变量的影响。通过控制协变量的影响，可以更准确地评估各组之间的差异，并确定分类变量对数值型变量的真实效应。
总结词
详细描述
协方差分析
05
非参数检验
适用范围
01
卡方检验主要用于比较实际观测频数与期望频数之间的差异。
计算方法
02
通过卡方统计量，即实际观测频数与期望频数的差的平方与期望频数的比值，来评估两者之间的差异程度。
聚类分析
聚类分析基于观测数据之间的相似性或距离将它们分组，使得同一聚类中的数据尽可能相似，不同聚类中的数据尽可能不同。
聚类分析在市场细分、生物信息学和社交网络等领域有广泛应用。
THANKS FOR
WATCHING
感谢您的观看
详细描述
探索性分析
总结词
探索性分析还可以用于预测和分类，例如决策树、逻辑回归等。
SPSS卡方检验具体操作
18
88
7
95
25
183
四、分层卡方检验：数据输入
四、分层卡方检验：指定频数变量
四、分层卡方检验：按某一变量分层
四、分层卡方检验：统计方法选择
四、分层卡方检验：结果解读（一）
四、分层卡方检验：结果解读（二）
四、分层卡方检验：结果解读（三）
结束语
行列表卡方检验要求理论频数不宜太小， 否则就会导致分析的偏倚。
愈合 54 44 98
合计 62 64 126
一、（简单的行列表卡检验）四格表卡方检验：数据输入
一、四格表卡方检验：指定频数变量
一、四格表卡方检验：进行卡方检验
一、四格表卡方检验：进行卡方检验
一、四格表卡方检验：进行卡方检验（选择概率计算方法）
一、四格表卡方检验：进行卡方检验（选择统计方法）
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。
一、四格表卡方检验：实例
实例：某医生用国产呋喃硝胺治疗十二指 肠溃疡，以甲氰咪胍作对照组，请问两方 法治疗效果有无差别（《医学统计学》p37）
处理 呋喃硝胺 甲氰咪胍
合计
未愈合 8 20 28
SPSS进行卡方检验具体操作
——SPSS在医学统计中的应用
定性资料的统计分析 行×列表分析
定性资料的统计分析
主要内容
一、四格表卡方检验 二、确切概率的计算 三、配对卡方检验 四、分层卡方检验
定性资料的统计分析
统计推断：用样本信息推论总体特征的过程。
包括： 参数估计: 运用统计学原理，用从样本计算出来本一致，诊断水平有
无差别。
医生乙诊断结果
卡方检验SPSS操作ppt课件
2.行×列表： 有无1/5格子的理论频数大于1小于5或有
一个格子T<1。若有，则考虑 （１）增加样本； （２）相邻组进行合理合并； （３）采用确切概率法。
3.SPSS不会自动做两两比较
3
一、四格表资料x2检验(两样本率比较) 第9-1题，P84
4
步骤： 1、定义变量
5
步骤： 2、输入数据
34
做出统计结论和专业结论
因x2＝297.38,p=0.000<0.05,按a＝０.
０５水准，拒绝H０，差别有统计学意 义，可认为三个不同地区的人群血型 分布不同。
35
作业 P94 第2、4、6题
36
要获得卡方值，需用非参数检验中的非参数配对检验中的
McNemar检验（其实也是常用的配对卡方检验）
19
20
21
非参数配对检验中的 McNemar检验，得到卡方值 和p值。 （ b+c>25时，可获得卡方值）
22
三、行×列表资料的x2检验 例8-3，P154
23
其 (SPSS的操作步骤与四格表相同)
实习 x2检验 一、目的要求： ●x2检验的基本思想 ●四格表资料x2检验(两样本率比较) ●配对设计四格表资料x2检验(两样本率比较) ●行×列表资料的x2检验(多个样本率比较) ●样本构成比的比较 ●四格表资料的确切概率法
1
注意事项： 1.四格表：⑴a、b、c、d四个基本数据是否给出？
⑵是否需要校正？ 四格表资料检验条件： （１）当n≥40且所有T≥5,用普通X2检验 （２）当n≥40，但1≤T<5时, 用校正的X2检验 （３）当n<40 或 T ≤ 1时，用四格表资料的确切概率法。 （４）若P≈α，改用四格表资料的确切概率法 （５）配对设计中25≤ b+c<40，需校正；b+c<25时，用配 对设计四格表资料的确切概率法
卡方检验(2x2)-SPSS教程
卡方检验（2x2）-SPSS教程一、问题与数据学了这么多连续变量的统计分析，那么对于计数资料可咋整。
小伙伴会问了：如果我想看不同患者人群的术后复发率有没有差异，怎么办？这时候就需要欢迎我们的统计小助手——卡方检验闪亮登场啦！卡方检验可是一位重量级选手，凡是涉及到计数资料分布的比较都需要他的帮忙。
和t检验一样，卡方检验也会用在成组和配对设计资料分析中，本期我们一起聊聊独立样本四格表的χ2检验。
用药物A治疗急性心肌梗死患者198例，24小时内死亡11例，病死率为5.56%，另42例治疗时采用药物B，24小时内死亡6例，病死率为14.29%，提问：两组病死率有无差别？表1. 两种药物急性心肌梗塞患者治疗后24小时内死亡情况二、对问题分析“生存”，还是“死亡”，这是个问题，但更是一个典型的二分类结局指标，我们关注的重点是两种药物治疗后“生存”和“死亡”的分布（或者说病死率）有无差别，由此组成的2*2列联表就是χ2检验中经典的“四格表”（如表1）。
下面一起看看SPSS怎样搞定χ2检验。
三、SPSS操作1. 数据录入(1) 变量视图(2) 数据视图2. 加权个案：选择Data→weight cases→勾选Weight cases by，将频数放入Frequency Variable→OK。
因为本例中数据库每一行代表多个观测对象，所以需要对其进行加权处理。
当然，如果数据是以单个观测对象的形式，即每一行代表1个观测对象，则无需加权（如下图）。
3. 选择Analyze→Descriptive Statistics→Crosstabs4. 选项设置(1) 主对话框设置：将分组变量Drug放入Row(s)框中→将指标变量Outcome 放入Column(s)框中（实际上χ2检验是关注实际和理论频数是否一致，这里Row(s)框和Column(s)框内变量也可以颠倒放，并不影响最终结果）。
(2) Statistics设置：勾选Chi-square，确定使用成组计数资料的卡方检验→Continue(3) Cells设置：Counts中勾选Observed和Expected，输出实际观测频数和理论频数；Percentages中勾选Row，输出每组转归百分比→Continue→OK四、结果解释表2 统计汇总表2中不仅有服用两种药物后患者实际转归（生存/死亡）的频数和相应百分比，还输出了相应的理论频数（所在行列合计数乘积/总例数）。
SPSS 卡方检验 PPT
• 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
• 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）
结果1：男性卡方检验p=0.000 女性p=0.584
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
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
大家有疑问的，可以询问和交流
可以互相讨论下，主对话框 1.行变量 本例选择“group” 2.列变量 本例选择“effect”
证检验假设中I型错误 的概率不变。
• 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
'
k(k 1)/21
例 3个实验组间的两两比较，其检验水准 ' 用上 面公式估计如下
• 点击右边“统计量”选项，弹出对话框 （如下图）
SPSS学习系列2卡方检验
24.卡方检验卡方检验，是针对无序分类变量的一种非参数检验，其理论依据是：实际观察频数f0与理论频数力(又称期望频数)之差的平方再除以理论频数所得的统计量，近似服从72分布，即(f - f )2 V”、—0 ---------- -- -------- 72( n)fe卡方检验的一般是用来检验无序分类变量的实际观察频数和理论频数分布之间是否存在显著差异，二者差异越小，X2值越小。
卡方检验要求：(1)分类相互排斥，互不包容；(2)观察值相互独立；(3)样本容量不宜太小，理论频数三5,否则需要进行校正(合并单元格、增加样本数、去除样本法、使用校正公式校正卡方值)。
卡方校正公式为：(| f - f |-0.5)2-L_Q ------ e ---------------------fe卡方检验的原假设H0：X2 = 0;备择假设H1：X2W0;卡方检验的用途: (1)检验某连续变量的数据是否服从某种分布(拟合优度检验);(2)检验某分类变量各类的出现概率是否等于指定概率；(3)检验两个分类变量是否相互独立(关联性检验)；检验控制某几个分类因素之后，其余两个分类变量是否相互独检验两种方法的结果是否一致，例如两种方法对同一批人进行（一）检验单样本某水平概率是否等于某指定概率 一、单样本案例例如，检验彩票中奖号码的分布是否服从均匀分布（概率二某常值）； 检验某产品市场份额是否比以前更大；检验某疾病的发病率是否比以 前降低。
1.【分析】一一【非参数检验】一一【单样本】，打开“单样本非参 数检验”窗口，【目标】界面勾选“自动比较观察数据和假设数据”(4) 立；（5）诊断 其结果是否一致。
2.【字段】界面，勾选“使用定制字段分配”，将变量“性别”选入【检验字段】框;注意：变量“性别”的度量标准必须改为“名义”类型。
3.【设置】界面，选择“自定义检验”，勾选“比较观察可能性和假设可能性（卡方检验）”;4.点【选项】，打开“卡方检验选项”子窗口，本例要检验男女概率都二，勾选“所有类别概率相等”注：若有类别概率不等，需要勾选“自定义期望概率”，在其表中设置各类别水平及相应概率。
SPSS卡方检验的操作原理
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
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
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）
沈毅
四格表卡方检验
几种卡方检验的比较： 连续性校正χ2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χ2检验：
当n>40，最小期望频数>5时，结论与Pearson χ2基本一致；
结果分析
表示药物加化疗与单用药物治疗某种癌症的疗效比较的行 ×列表，除了观察值以外，还有期望值。 浙江大学医学院流行病与卫生统计学教研室 沈毅
四格表卡方检验
结果分析
此为四格表χ2检验的结果，χ2＝6.508，P＝0.011，差异有显著性 意义，即药物加化疗与单用药物治疗癌症的疗效有显著性差异。
浙江大学医学院流行病与卫生统计学教研室
卡方检验基础卡方分布浙江大学医学院流行病与卫生统计学教研室沈毅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卡方检验基础用途浙江大学医学院流行病与卫生统计学教研室沈毅例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
SPSS软件的操作与应用第2讲 描述性统计 (1)
直方图
1. 用面积表示各组频数的多少，矩形的高度表示每一组的频数或频率 宽度表示各组的组距； 2. 由于分组数据具有连续性，各矩形通常是连续排列； 3. 主要用于展示数值型数据。
二、频数分析
4. SPSS操作及案例 例一：各门成绩统计 结果保存为：3-StudentScore.spo
二、频数分析
5. SPSS操作及案例分析 根据方差齐性检验结果可以看出，语文成绩按照男女分开的样 本显著性水平Sig.值都大于0.05，表明方差的差异不显著，也就是 说方差是齐性的。
四、探索性分析
5. SPSS操作及案例分析 例五：操作步骤（数据文件：4－Explore.sav ） Analyze→Descriptive Statistics→Explore...
平均值（Mean）：即算术平均值（＝（X1+X2+…+Xn）/n）。 易受极端值影响。 中位数（Median）：把变量的值有序排列，位于中间位置的值即中位数。 是位置平均置，不易受极端值的影响。 众数（Mode）：样本中出现次数最多的值，代表数据的集中程序。 求和（Sum）：所有变量之和，反映变量的总体水平。
三、基本描述统计量
4. 描述分布形态的统计量 考察数据分布形态特征的统计量，例如，数据分布是否对称、偏 斜程度以及陡缓程度，主要有如下两种统计量： 偏度（Skewness）：
偏度值>0，为正偏或右偏；偏度值<0，为负偏或左偏。偏度绝对值越大，偏斜越大。
峰度（Kurtosis）：
峰度值>0，数据分布比标准正态分布更陡峭，为尖峰分布；峰度值<0，数据分布比 标准正态分布更平缓，为平峰分布。
四、探索性分析
2. 通过茎叶图（Stem-and-Leaf Plots）描述频度分布
SPSS 卡方检验课件
学习交流PPT
18
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。
学习交流PPT
19
• 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
学习交流PPT
29
学习交流PPT
30
结果1：男性卡方检验p=0.000 女性p=0.584
学习交流PPT
31
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。
学习交流PPT
'
k(k 1)/21
学习交流PPT
38
例 3个实验组间的两两比较，其检验水准 ' 用上 面公式估计如下
' 0.0125
3(31)/21
2.实验组与同一个对照组的比较 公式如下
'
2(k 1)
学习交流PPT
39
SPSS进行两两比较
有两种方式 1.第一种，直接通过“选择个案“来筛选数据。
学习交流PPT
32
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
- 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)。
数据准备
中间步骤
权重赋值 分析过程
分析结果
组 别 * 效 应 Crosstabulation Count 效应 1 组别 1 2 3 6 30 8 44 2 23 14 3 40 Total 29 44 11ຫໍສະໝຸດ 84Total分析结果
Chi-Square Tests Value 17.907a 18.755 14.315 84 df 2 2 1 Asymp. Sig. (2-sided) .000 .000 .000
Pearson Chi-Square Continuity Correctiona Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases
.022
.014
a. Computed only for a 2x2 table b. 1 cells (25.0%) have expected count less than 5. The minimum expected count is 3.46.
结论
两样本率间差异在统计学上具有显著性 意义 抢救心机梗死病人时使用抗凝剂的病死 率比不使用抗凝剂低，即抗凝剂在抢救 心机梗死病人时使用能有效降低病死率
配对资料的四格表
将28份标本，每份标本分别依同样的条 件接种在甲、乙两种培养基上，观察菌 落生长情况，观察结果见表，问两种培 养基的结果有无差异？
乙培养基 甲培养基 + + 11 9 20 合计
合计
1
12
7
16
8
28
数据准备
中间步骤
权重赋值 分析过程
分析过程
分析结果
甲 培 养 基 * 乙 培 养 基 Crosstabulation Count 乙 培 养基 甲培 养基 Total + 7 9 16 + 1 11 12 Total 8 20 28
结论
两样本率间差异在统计学上具有显著性 意义（精确概率法结果） 新药的治疗效果比旧药好
行×列表资料的卡方检验
有三个地区的花生污染黄曲霉毒素的情 况见下表，分析三个地区花生污染黄曲 霉毒素的污染率有无差别？
地区 甲 乙 丙 合计 样品数 未污染 6 30 8 44 污染 23 14 3 40 合计 29 44 11 84 污染率 （%） 79.3 31.8 27.6 47.6
分析结果
Chi-Square Tests Value 5.238b 2.753 6.782 4.762 11
c
df 1 1 1 1
Pearson Chi-Square Continuity Correctiona Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases
b
Measure of Agreement N of Valid Cases
Kappa
Approx. Sig. .040
a. Not assuming the null hypothesis. b. Using the asymptotic standard error assuming the null hypothesis.
分析结果
Chi-Square Tests Value McNemar Test N of Valid Cases 28 Exact Sig. (2-sided) .021a
a. Binomial distribution used.
Symm etric Measures Value .327 28 Asymp. a Std. Error .145 Approx. T 2.053
结论
两培养基的阳性率差异有显著性意义， 以甲培养基较高 Kappa系数表明两培养基的吻合度有统 计学意义。 一般来讲，k≥0.7，表示吻合度较高； 0.7＜ k ≥0.4，表示吻合度一般；k＜ 0.4，表示吻合度较弱。
连续性校正的四格表资料
甲、乙两种药物治疗某病，疗效见下 表，问两种药物的有效率的差异是否 有统计学显著性？
甲乙两药治疗某病的效果比较 有效 例数 无效 例数 合计
甲药
乙药 合计
3
7 10
31
11 42
34
18 52
中间步骤（同前）
权重赋值 分析过程
分析结果
组 别 * 效 应 Crosstabulation Count 效应 1 组别 Total 1 2 3 7 10 2 31 11 42 Total 34 18 52
Asymp. Sig. (2-sided) .022 .097 .009 .029
Exact Sig. (2-sided) .061 .061 .061 .061
Exact Sig. (1-sided) .045 .045 .045 .045
Point Probability
.045
a. Computed only for a 2x2 table b. 4 cells (100.0%) have expected count less than 5. The minimum expected count is 1.82. c. The standardized statistic is 2.182.
分析结果
Chi-Square Tests Value 6.849b 5.050 6.563 6.717 52 df 1 1 1 1 Asymp. Sig. (2-sided) .009 .025 .010 .010 Exact Sig. (2-sided) Exact Sig. (1-sided)
分析过程
分析过程
分析过程
分析结果
组 别 * 效 应 Crosstabulation Count 效应 1 组别 Total 1 2 19 51 70 2 56 74 130 Total 75 125 200
分析结果
Chi-Square Tests Value 4.929b 4.273 5.053 4.904 200 df 1 1 1 1 Asymp. Sig. (2-sided) .026 .039 .025 .027 Exact Sig. (2-sided) Exact Sig. (1-sided)
结论
两样本率间差异在统计学上具有显著性 意义（连续性校正后的结果）
精确概率法
新旧两种药物治疗某种疾病的结果如下 表，问新药的治疗效果是否比旧药的治 疗更有效？
新旧两药治疗某病的效果比较
治愈例数 新药 5 未愈例数 0 合计 5
旧药
合计
2
7
4
4
6
11
数据准备
分析过程
分析过程
分析结果
组 别 * 效 应 Crosstabulation Count 效应 1 组别 Total 1 2 5 2 7 2 4 4 Total 5 6 11
Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases
a. 0 cells (.0%) have expected count less than 5. T he minimum expected count is 5.24.
SPSS
卡方检验
四格表资料
抢救200例心肌梗死病人时，使用与不 使用抗凝剂效果见表，问两组病死率的 差别有无差异？
组别 例数 75 125 病死数 19 51 生存数 56 74 病死率 25.3% 40.8%
使用抗凝剂组 未用抗凝剂组
合计
200
70
130
35.0%
数据准备
权重赋值
权重赋值
结论
认为三个地区的花生污染黄曲霉毒素污 染率间差异有统计学显著性意义
Pearson Chi-Square Continuity Correctiona Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases
.032
.019
a. Computed only for a 2x2 table b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 26.25.