5 卡方检验--医学统计学

两分类变量间关联程度的度量
Risk Estimate 95% Confidence Interval Value Odds Ratio for food (Yes / No) For cohort poison = Yes For cohort poison = No N of Valid Cases 3.000 2.500 .833 100 Lower .992 .987 .684 Upper
配对卡方检验
在 Pearson卡方检验中，对行列变量的相关性作了检验，
其中的行列变量是一个事物的两个不同属性。
实际应用中，还有一种列联表，其中的行列变量反映
的是一个事物的同一属性。例如把每一份标本分为两份，
分别用两种方法进行化验，比较两种化验方法的结果是否 有本质不同；或分别采用甲、乙两种方法对同一批病人进 行检查，比较此两种方法的结果是否有本质不同，此时要 用配对卡方检验。
两分类变量间关联程度的度量
选中可得到RR值
两分类变量间关联程度的度量
结果分析
food * poison Crosstabulation poison Yes food Yes No Total Count Expected Count Count Expected Count Count Expected Count 10 6.4 6 9.6 16 16.0 No 30 33.6 54 50.4 84 84.0 Total 40 40.0 60 60.0 100 100.0
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，指试验组人群反应阳性概率 与对照组人群反应阳性概率的比值。数值为1，表明试验因素与
反应阳性无关联；小于1时，表明试验因素导致反应阳性的发生
率降低；大于1时，表明试验因素导致反应阳性的发生率增加。 优势比OR：是一个比值的比，是反应阳性人群中试验因素有无的 比例与反应阴性人群中试验因素有无的比例之比。 当关注的事件发生概率比较小时（<0.1），优势比可作为相对危
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。
一致性检验
注意：
Kappa检验会利用列联表的全部信息，而McNemar 检 验只会利用非主对角线单元格上的信息。因此，对于 一致性较好，即绝大多数数据都在主对角线的大样本 列联表，McNemar检验可能会失去实用价值。
格.sav）
两种方法的检测结果
乳胶凝集法 免疫荧光法 + － 合计 + 11 2 13 － 12 33 45 合计 23 35 58
配对卡方检验
首先建立数据文件，如下。
配对卡方检验
同理，由于是频数表数据，应该先用weight cases进行预
处理。
不能忘记 哦！
配对卡方检验
在此选入频数变量即可进 行下一步的分析。
卡方检验
中西医结合临床学院
公共卫生与全科医学教研室
卡方检验基础
2值的计算：
( A E) E
2
2
由英国统计学家Karl Pearson首次提出，故被 称为Pearson 2 。
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。
Exact Sig. (1-sided)
Value Pearson Chi-Square Continuity Correction a Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association McNemar Test N of Valid Cases a. Computed only for a 2x2 table 14.154b 11.836 14.550
df
.000
b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 5. 16. c. Binomial distribution used.
R×C表卡方检验
1979年某地发生松毛虫病，333例患者按年龄分为2 组，资料如下，分析不同年龄人群病变类型结构有 无区别？（RxC.sav） 某地松毛虫患者病变构成
df
Exact Sig. (1-sided)
.043
a. Computed only for a 2x2 table b. 0 cells (.0%) have expected count less than 5. The minimum expected count is 6.40.
这是卡方检验的结果，说明吃食物与食物中毒相关。
验，其中行变量和列变量是一个事物的两个不同属性。 在实际中，还有一种列联表，其行变量和列变量反映的是 一个事物的同一属性的相同水平，只是对该属性各水平的 区分方法不同。其特征是：行的数目和列的数目总是相同 的。如果希望检验这两种区分同一属性的方法给出的结果 是否一致，则不应当使用Pearson 2检验，而应该采用
Kappa一致性检验对两种方法一致程度进行评价。
一致性检验
结果分析
如果在crosstab过程的 statistics子对话框中勾选上Kappa 复选框，则有以下结果：
Symmetric Measures Asymp. a b Std. Error Approx. T Approx. Sig. .115 3.762 .000
配对卡方检验
配对卡方检验公式：
若b+c>40，则用公式：
2 ( b c ) 2= bc
若b+c≤40，则用公式：
=
2
( Байду номын сангаас c 1) bc
2
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？（配对四
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
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。
四格表卡方检验
结果分析
此为四格表2检验的结果，2＝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。
（普通四格.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 合计 有效 42 48 90 无效 13 3 16 合计 55 51 106
四格表卡方检验
首先建立数据文件，如下。
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
配对卡方检验
配对卡方检验
配对卡方检验
选中进行配对 卡方检验
配对卡方检验
Chi-Square Tests Asymp. Sig. (2-sided) 1 1 1 .000 .001 .000 .000 13.910 1 .000 .013c 58 Exact Sig. (2-sided)
结果分析
Value Measure of Agreement N of Valid Cases a. Not assuming the null hypothesis. Kappa .455 58
b. Using the asymptotic standard error assuming the null hypothesis.
这就是两变量的四格表。
两分类变量间关联程度的度量
Chi-Square Tests Asymp. Sig. (2-sided) 1 1 1 .045 .084 .047 .055 3.978 100 1 .046 Exact Sig. (2-sided)
结果分析
Value Pearson Chi-Square Continuity Correction a Likelihood Ratio Fisher's Exact Test Linear-by-Linear Association N of Valid Cases 4.018b 2.979 3.937
结果分析
9.068 6.334 1.016
结果显示，OR＝3.00，说明吃了该食物者发生食物中
毒的可能性是没有吃该食物者的3.00倍？
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2检验：
当n>40，最小期望频数>5时，结论与Pearson 2基本一致；
年龄分组 皮炎型 骨关节型 软组织炎型 混合型 合计
儿童组 成人组
50 105
48 10
18 7
72 23
188 145
合计
155
58
25
95
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
一致性检验
在Pearson 卡方检验中，对行变量和列变量的相关性作检
险度的近似。
两分类变量间关联程度的度量