卡方检验的SPSS实现.pptxVIP

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

操作过程建立数据文件（chi2_2.sav）数据格式：4行3列（如下图）

01.分类变量（行变量）：变量名“group”，1=“抗病毒组”，2=“紫外线组”。02.分类变量（列变量）：变量名”effect”，1=“有效”，2=“无效”。03.频数变量：变量名“freq”，将四格表中的4个频数输入此列

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。01Spss18.0操作02点击“数据”——选择“加权个案”03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

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）主对话框行变量本例选择“group”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

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030201

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。Gamma:测量两个等级变量之间关联度的统计量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

如果数据格式如下图（例：骨科数据）

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。独立样本率比较的卡方检验配对计数资料的卡方检验分层资料的卡方检验卡方的两两比较

logo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

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。

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。

01文件diagnosis.sav为例02操作过程：03分析04统计描述05交叉表06行变量：treat_b07列变量：treat_a08统计量：McNemarKappa

logo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

两独立样本率比较的卡方检验配对计数资料的卡方检验卡方的两两比较分层资料的卡方检验

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。

结果解释：p=0.002，差异具有统计学意义

分层做法A操作:(1)建立数据文件B分层变量：选如“gender”C菜单选择D统计量主对话框下E风险FCochran’sandMantel-Haenszel统计量

结果1：男性卡方检验p=0.000女性p=0.584

关于OR值OddsRatio:相对危险度（也称比值比、优势比）A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。B涵义：暴露者的疾病危险度为非暴露者的多少倍。OR1说明疾病的危险度因暴露而增加，暴露与疾病为“正”关联。OR1说明疾病的危险度因暴露而减少，“负”关联C

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

主要内容01两独立样本率比较的卡方检验03分层资料的卡方检验02配对计数资料的卡方检验04卡方的两两比较

多个率间的多重比较多个率比较的资