卡方检验的SPSS实现

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。 • 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
• 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。
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。
• • • • • • • •
• 第二种方法：SPSS语法修改。 选择“黏贴”选项，进行修改。
• 通过修改个案选择和黏贴交叉表的语法 • 也可以直接进行交叉表语法的修改
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别
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）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 似然比：似然比卡方检验，适用R 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
• 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”
• 点击右边“统计量”选项，弹出对话框 （如下图） • 选择“卡方”选项
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 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
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
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
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）
• 练习2：某医师研究物理疗法、药物治疗和 外用膏药三种方法治疗周围性面神经麻痹 的疗效。 • 问题1：三种疗法的有效率有无差别 • 问题2：如果三种疗法存在差异，是否任意 两组疗法均有差别
素材猫 www.scmao.com
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。
• 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
• 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
（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”
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
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

'

k (k 1) / 2 1
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

'

3(3 1) / 2 1
0.0125
2.实验组与同一个对照组的比较 公式如下

'

2( k 1)
SPSS进来自百度文库两两比较
有两种方式 1.第一种，直接通过“选择个案“来筛选数据。
• 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） • 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