R×C列联表资料的统计分析.ppt

五、双向有序且属性相同R?C表的统计分析 实例分析 表19 100例患者的临床诊断与CT诊断结果 临床诊断 患者例数 CT诊断： Ⅰ级 Ⅱ级 Ⅲ级 合计 Ⅰ级 60 4 2 66 Ⅱ级 4 12 3 19 Ⅲ级 3 3 9 15 合计 67 19 14 100 五、双向有序且属性相同R?C表的统计分析 第一步，建立检验假设。 H0：K=0，两种诊断方法的一致性是由偶然误差所致； H1：K≠0，两种诊断方法的一致性确实存在。 α=0.05。 五、双向有序且属性相同R?C表的统计分析 第二步，计算必要的中间结果。 n=100 Pa=(60+12+9)/100=0.81 T11=66×67/100 T22=19×19/100 T33=15×14/100 Pe=(T11+T22+T33)/100=0.4993 五、双向有序且属性相同R?C表的统计分析 第二步，计算必要的中间结果。 K=（Pa-Pe）/（1-Pe）=0.6205 五、双向有序且属性相同R?C表的统计分析 第三步，计算检验统计量。 五、双向有序且属性相同R?C表的统计分析 第四步，确定P值，给出结论。 因u=8.28＞u0.01=2.58，所以P＜0.01，拒绝H0，接受H1。说明Kappa系数与0之间的差别具有统计学意义。结合Kappa系数的取值来看，临床诊断与CT诊断的结果之间具有一定的一致性。 六、R?C列联表分析方法小结与错误辨析 正确处理定性资料的关键： 定性资料的最常用的表达形式为列联表，能够迅速准确地给列联表资料进行分类 掌握每一类列联表资料可能的几种统计分析方法、异同点以及能够实现的分析目的 列联表类型 ※四格表（2×2表） 横断面研究设计、病例对照研究设计、队列研究设计、配对设计 ※双向无序的R×C表 ※结果变量为有序变量的单向有序R×C表 ※双向有序且属性不同的R×C表 ※双向有序且属性相同的R×C表 2×C列联表及R×2列联表 高维列联表 结果变量为二值变量、结果变量为多值有序变量、结果变量为多值名义变量 具有重复测量的定性资料 列联表类型 从设计类型角度对定性资料进行划分 单组设计 配对设计：配对四格表、双向有序且属性相同的R×C表 成组设计：四格表、2×C列联表 从设计类型角度对定性资料进行划分 单因素多水平设计：双向无序的R×C表、结果变量为有序变量的单向有序R×C表、双向有序且属性不同的R×C表、 R×2列联表 多因素设计：高维列联表 定性资料统计方法选择 四格表 配对四格表 双向无序R×C表 确切概率法 检验 Kappa检验 检验 McNemar检验 确切概率法 单向有序R×C表 双向有序且属性不同R×C表 双向有序且属性相同R×C表 Logistic回归分析 检验等 Spearman秩相关 Ridit分析 线性趋势检验 Kappa检验 秩和检验 秩和检验等 R×C表资料统计分析中的常见错误 误用t 检验或方差分析处理定性资料 忽视一般?2检验的前提条件 误用一般?2检验处理结果变量为有序变量的R×C列联表 误用一般?2检验得出相关性结论 误用方差分析处理定性资料 将100例氯氮平所致流涎的精神分裂症患者随机分为空白对照组（A组）、联合普鲁本辛治疗组（B组）和联合舒必利治疗组（C组）。统计分析方法采用单因素方差分析和Student-Newman-Keuls（q检验）进行多重比较，结论为普鲁本辛、舒必利治疗组临床疗效优于空白对照组（P＜0.01）。数据见表20。 忽视一般?2检验的前提条件 误用一般?2检验处理结果变量为有序变量的R×C列联表 误用一般?2检验得出相关性结论 评价脑钠肽（ BNP ）和不稳定型心绞痛和（或）非ST段抬高心肌梗死患者冠状动脉病变程度的关系。所有患者按脑钠肽水平分为4个百分位数组，BNP≤P25（78.0ng/L）组、P26～P50(78.1-26.5ng/L）组、P51～P75（265.1-368.0ng/L）组和BNP＞P75（368.0ng/L）组 对各组间不同冠脉病变支数的百分率进行?2检验 结论为患者脑钠肽水平越高，其冠脉病变程度越重，脑钠肽可作为预测不稳定型心绞痛和（或）非ST段抬高心肌梗死患者左主干狭窄的一个有效指标 误用Spearman秩相关分析双向有序且属性相同的R×C列联表资料 对64例疑为冠心病入院的老年科患者同时进行64层螺旋CT冠状动脉扫描和冠状动脉造影检查。两种检查结果做Spearman等级相关检验 Spearman相关检验表明，64层螺旋CT和冠状