第8章卡方检验 SPSS卫生统计学.pptVIP

五、配对设计（二）R×R列联表 例8-6 六、四格表的确切概率法（例8-7） 总例数小于40，且有1个格子的理论频数小于5，读取fisher‘s exact test结果p=0.214 练习 课本169-171页 练习题1、3、5、6 课外延伸内容 Kappa一致性检验 用于检验两种方法结果的一致程度。 crosstabs→statictics：选Kappa exact：选exact 这里kappa检验的H0假设是： kappa=0，即两者完全无关。 表中显示kappa值为0.327，p值为0.004，拒绝H0假设（两种方法培养结果不一致），接受H1假设，认为两种方法的培养结果是存在一致性的。 但根据经验，一般 当kappa≥0.75时，表明一致性较好 当0.75kappa＞0.4时，表明一致性一般 当kappa＜0.4时，表明一致性较差， 此处为0.327，因此实际上一致性不是很强。 Kappa检验会利用列联表中的全部信息，而McNemar检验只关心两者不一致的情况。 对于一致性较好，即绝大多数数据都在主对角线上的大样本列联表， McNemar检验可能会失去使用价值。 如对1万个案例进行一致性评价，9995个都是完全一致的，显然，一致性相当的好，但McNemar检验只考虑不一致的数据，反而可能得出有差异的结论。 一致性检验在医学研究中用得很多，如研究一种简单易行的诊断方法是否可以替代另一种结果可靠但操作繁杂的诊断方法，就会用到一致性检验。 另外，在数据分析中，比较两种预测方法预测结果的一致性时也可能会用到kappa检验。 第一个表显示数据处理概况：有效数据例数、无效数据例数、总例数 第二个表显示列联表的资料,一个期望频数小于5（4.8） 结论：有1个格子的期望频数大于1，小于5，最小期望频数为4.80 连续校正卡方值（continuity correction） x2=2.624， p=0.105＞0.05，差别没有统计学意义。 如果掌握的是原始资料，可不必转换成列联表，直接录入即可 程序操作 1、Analyze-Descriptives statistics-Crosstabs Statistics对话框：选择chi-square 四、R×c列联表的卡方检验 多用于多个率、构成比的比较 例题8-3，步骤 1、定义变量，设三个变量，输入数据 2、weight cases 3、crosstabs 检验统计量 自由度ν = (行数-1)(列数-1) 例题8-3 行×列表χ2检验要注意的问题 1. 行×列表中不宜有1/5以上格子的理论频数小于5或有一个格子的理论频数小于1，否则，可采用下述三种处理方法中的一种： ①将理论频数过小的格子所在的行或列与性质相近的邻近行或列中的实际频数合并，使重新计算的理论频数增大； ②删去理论频数太小的行与列； ③增大样本含量以增大理论频数。 2. 当效应按强弱分为若干个级别，则按试验结果可整理为有序行×列表，在比较各处理组的效应有无差别时，宜用秩和检验、Ridit分析、或趋势检验等；如作?2检验只说明各分布间的差异有无统计学意义。 3. 当多个样本率比较的检验，统计推论为拒绝检验假设，只认为总体率之间总的来说有差别，但不能说明每两两之间有差别，若要对每两个率或构成比进行比较，须分别进行比较,并调整检验水平。 多个率的两两比较 每次比较选取两个分组，进行卡方检验。 步骤（例8-3） 1、选取组别，如A药、B药（组别=1、2） （1）Data-select cases→ （2）选择If condition is satisfied选项→ （3）单击IF 按钮，输入“组别=2” 2、进行卡方检验 （反复进行三次两两比较） 其他两两比较时 设定A组与C组比较 If：组别~=2 或者：If：组别=1∣组别=3 如果想对其中的两个率进行相互比较时，最好能够采用更加复杂的分类数据模型，如对数线性模型或者logistic回归模型进行分析。 采用列联表分割等方法只能得到近似的结果。 五、配对设计（一）配对设计四格表（2×2列联表） 计数资料配对设计的应用： 可用于两种检验方法、培养方法、诊断方法等配对设计的比较。 配对四格表资料 检验统计量(McNemar test) 例8-5 1、定义变量，设三个变量，输入数据 2、weight cases 3、crosstabs， statictics： 选McNemar 结果 卫生统计教研室莫景富 第八