9-定性资料统计分析2.ppt

医学统计学 定性资料的统计分析statistical analysis for qualitative data 主要内容 二项分布简介 总体率的可信区间估计 Poisson分布简介 总体事件数的可信区间估计 样本率与总体率的比较 两样本率比较的u检验 四格表资料的?2检验 行列表资料的?2检验 确切概率法 两事件数的比较 卡方检验应用的注意事项 第七节 四格表资料的?2检验 ?2检验（chi-square test）是英国统计学家Pearson于1900年提出的一种应用范围很广的统计方法。 常用来推断两个及两个以上总体率或构成比是否有差异。 根据设计类型的不同，四格表资料的?2检验可分为： 完全随机设计的两样本率比较的?2检验 配对设计的?2检验。 一、?2检验的基本思想 u检验与t检验的思路相同，是用标准误作为尺度，去衡量统计量与总体参数差别的大小。 ?2检验(chi-square test)的思路则与u检验、t检验不同，却有着异曲同工之妙。 例、某医院肿瘤科3年来共治疗乳腺癌患者n=131例，每例观察5年，其中单纯手术治疗组观察n1=84例，存活x1=57例，联合治疗组观察n2=47例，存活x2=39例。将资料整理成以下形式的分类频数表。 1、四格表的概念 a、b、c、d这四个格子的频数是整个表的基本数据，其余数据都是从这四个基本数据推算出来的，通常将这种资料称为四格表资料（2×2表资料）。 四格表资料多用来比较两种处理的不同效果，而每种处理只产生两种相互对立的结果。 如生存与死亡、有效与无效、患病与未患病、阳性与阴性、检出与未检出等。 2、建立检验假设 当两个样本率不等时，可能有两种原因： 差别仅由抽样误差所致； 两种处理的效果确有不同，而导致了样本率的不同。 为区别这两种情况，分别建立检验假设： H0：两总体存活率相等，即?1=?2； H1：两总体存活率不等，即?1??2。 ? = 0.05。 3、H0条件下的理论频数 H0假设认为，两个样本来自同一总体，即 “单纯组”与 “联合组”的存活率相同，差别仅由抽样误差所致，则可用合计存活率 73.3％（即96/131）作为总体率的点估计。 H0条件下，单纯组理论存活数应为47×(96/131) =34.44例，联合组理论存活数应为84×(96/131) =61.56例；同理，两组理论死亡数为12.56例和22.44例。这四个根据H0假设求得的数据称为理论频数T。 理论频数T可用公式计算： 式中 TRC表示第R行、第C列的理论频数，nR为相应行的合计，nC为相应列的合计，n为总例数。 4、?2检验的思路 如果H0假设成立，则实际频数A与理论频数T应该比较接近。 如果实际频数与理论频数相差较大，超出了抽样误差所能解释的范围，则可以认为H0假设不成立，即两样本对应的总体率不等。 实际频数Ai与理论频数Ti之间的抽样误差，可以用?2统计量表示： ?2统计量服从?2分布，反映了实际频数A与理论频数T吻合的程度。A与T相差越大，则?2值就会越大。 如果H0假设成立，则实际频数与理论频数之差异纯系抽样误差所致，故?2值不会很大。即在H0假设的前提下，一次随机试验中，出现较大?2值的概率P是很小的。 如果手头样本求得很小的P，且P≤? ，根据小概率原理，就有理由怀疑H0的真实性，故拒绝之；若P＞?，则没有理由拒绝H0。 ?2值与P值的对应关系可查附表3的?2界值表。 根据计算公式，?2值的大小除了和实际频数与理论频数的差值|A－T|有关还与格子数有关，严格的讲是和自由度有关。 行×列表的自由度，是指在表中周边合计数不变的前提下，基本数据可以自由变动的格子数。 四格表中有四个基本数据，其中任何一个数据发生变化，其余三个数据由于受周边合计数的限制，只能随之相应变动，故其自由度为1 。 ? =(行数-1)(列数-1) 二、完全随机设计的两样本率的比较 完全随机设计的两个样本率比较的目的是推断两个样本率各自所代表的总体率是否相等。检验方法可用u检验或?2检验。 例1、某医院肿瘤科3年来治疗乳腺癌患者n=131例，其中单纯手术组观察n1=84例，存活x1=57例，联合治疗组观察n2=47例，存活x2=39例，问两组存活率有无差别？ 首先将资料整理成四格表形式： 例2、在某项治疗牙科术后疼痛控制的双盲临床研究中，将178例患者随机分成两组，A药组90人，有效人数为68人。B药组88人，有效人数为58人。 三、四格表资料专用公式 理论频数由四格表中实际频数计算得来。 对于四格表资料，可直接用专用公式计算?2值，以简化计算过程。 式中a、b、c、d分别为四格表的四个实际频数即四格表的基本数据，总例数n=a＋b＋c＋d。 分别将前面的两个例