快速学会卡方检验资料.pptVIP

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。 一致性检验 两分类变量间关联程度的度量 ?2检验可以从定性的角度说明两个变量是否存在关联，当拒绝原假设时，在统计上有把握认为两个变量存在相关。但接下来的问题是，如果两变量之间存在相关性，它们之间的关联程度有多大？针对不同的变量类型，在SPSS中可以计算各种各样的相关指标，而且Crosstabs过程也对此提供了完整的支持，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险度的近似估计值。 两分类变量间关联程度的度量 例3 某食堂食物中毒，现想通过调查发现，吃某海产品和食物中毒发生是否具有关联性，以及吃了某食物的人是没吃海产品的人的几倍。数据文件见下： 两分类变量间关联程度的度量 两分类变量间关联程度的度量 基本操作与四格表卡方 检验相同，只是在统计 量对话框中选择 可得到OR（或RR）值 两分类变量间关联程度的度量 结果分析 这就是两变量的四格表及卡方检验。 两分类变量间关联程度的度量 结果分析 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？ 例4 为了研究饮酒与食管癌的关系，现对200名病例和775名对照进行研究， 并整理成如下按年龄分层的表格，试分析饮酒与食管癌的关系 按年龄分层饮酒与食管癌关系的病例对照研究 对频数变量加权 分层卡方检验 层变量 行变量 列变量 分层卡方检验 基本操作与不分层卡方检验 相同，在统计量对话框中除 了选中risk（风险）外，再 选择 各层的四格表： 各层检验的结果 各层的OR估计值 分层卡方检验 分层卡方检验结果，即考虑了年龄分层因素的影响以后，对饮酒与食管癌检验结果，共给出CMH?2检验和MH ?2检验两种结果，前者是后者的改进，可见P 值均小于0.05，即可认为饮酒与食管癌有关。 结果分析 层间OR齐性检验，二种检验结果p均0.05,提示各层间的OR 一致，可以合并，如果层间OR不一致，则不宜合并。 调整年龄混杂后OR的估计值 结果显示，去除了年龄混杂效应以后饮酒与不饮酒优势比ORMH 值为5.205，95%CI：3.593-7.541。 结果分析 未校正年龄混杂时OR估计值 年龄的混杂效应为：5.606-5.205=0.401 如果不校正年龄混杂效应，则饮酒对食管癌的效应被高估 了7.7%（1-1.07）*100。 行×列表也称R×C表，包括2×2、R×2、2×C、 R×C表等。用于多个样本率或构成比的比较，上一节 介绍的四格表为其中最简单的一种形式。 在SPSS软件中R×C表基本操作步骤与四格表卡方 检验相似。 关于行×列表资料的卡方检验 关于多个独立样本率多重比较： 对于比较多组独立样本的?2检验，拒绝H0只能说各 组总体概率不全相同，即多组中至少有两组的有效 概率是不同的，但并不是多组有效概率彼此之间均 不相同。若要明确哪两组间不同，还需进一步作多 组间的两两比较。3个处理组，两两比较有3种对比， 如果直接对每种对比分别作四格表的?2检验，将增 大I类错误的机会，为此在进行多组频率的两两比较 时，需根据比较的次数修正检验水准。例如原来检 验水准?=0.05，进行3组间的两两比较，共比较3次， 于是两两比较的检验水准应取?＝0.05／3＝0.0167。 （如果此时例数较少而不宜用? 2检验的话，应计算 确切概率） 剂量 镇痛效果 合计 有效率% 有效 无效 1.0mg 3 12 15 20.00 2.5mg 11 9 20 55.00 5.0mg 12 6 18 66.67 合计 26 27 53 49.06 例：为研究某镇痛药的不同剂量镇痛效果是否有差别，研究人员 在自愿的原则下，将条件相似的53名产妇随机分成三组，分别按 三种不同剂量服用该药，镇痛效果如下表。 对比组 四格表卡方值 P值 检验水准修正值 检验结果 1.0mg