08、卡方检验_PPT课件.ppt

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。 两分类变量间关联程度的度量 例3 某次食物中毒，现想通过调查发现，吃某海产品（food）和食物中毒发生（poison）是否具有相关性，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poison.sav。 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 分别指定行列变量到Row（s）和Columns中。 浙江大学医学院流行病与卫生统计学教研室 沈毅 浙江大学医学院流行病与卫生统计学教研室 沈毅 ` 卡方检验 卡方检验基础 四格表卡方检验 配对卡方检验与一致性检验 两分类变量间关联程度的度量 分层卡方检验 小结 内容提要 ?2检验是以?2分布为基础的一种假设检验方法，主要用于分类变量，根据样本数据推断总体的分布与期望分布是否有显著差异，或推断两个分类变量是否相关或相互独立。其原假设为： H0：观察频数与期望频数没有差别 卡方检验基础 首先假设H0成立，计算出?2值，它表示观察值与理论值之间的偏离程度。根据?2分布，?2统计量以及自由度可以确定在H0成立的情况下获得当前统计量及更极端情况的概率P。如果P 很小，说明观察值和理论值偏离程度太大，应当拒绝原假设，表示比较资料之间有显著性差异；否则就不能拒绝原假设，尚不能认为样本所代表的实际情况与理论假设有差别。 卡方检验基础 ?2检验的基本思想 ?2值的计算： 由英国统计学家Karl Pearson首次提出，故被称为Pearson ?2 。 卡方检验基础 例1 某种药物加化疗与单用某种药物治疗的两种处理方法，观察对某种癌症的疗效，结果见下表。（数据见cancer.sav） 四格表卡方检验 处理 疗效 合计 有效 无效 药物加化疗 42 13 55 单用药物 48 3 51 合计 90 16 106 两种治疗方法的疗效比较 首先建立数据文件，如下。 四格表卡方检验 注意：由于上表给出的不是原始数据，而是频数表数据，应该进行预处理。 四格表卡方检验 四格表卡方检验 四格表卡方检验 四格表卡方检验 四格表卡方检验 四格表卡方检验 结果分析 表示药物加化疗与单用药物治疗某种癌症的疗效比较的行×列表，除了观察值以外，还有期望值。 四格表卡方检验 结果分析 此为四格表?2检验的结果，?2＝6.508，P＝0.011，差异有显著性意义，即药物加化疗与单用药物治疗癌症的疗效有显著性差异。 四格表卡方检验 连续性校正?2检验： 仅适用于四格表资料，在n40，所有期望频数均大于1，只有1/5单元格的期望频数大于1小于5时； Fisher精确概率法： 在样本含量40或有格子的期望频数1的列联表，应该采用该法； 似然比?2检验： 当n40，最小期望频数5时，结论与Pearson ?2基本一致； 几种卡方检验的比较： 四格表卡方检验 配对卡方检验 在Pearson卡方检验中，对行列变量的相关性作了检验，其中的行列变量是一个事物的两个不同属性。 实际应用中，还有一种列联表，其中的行列变量反映的是一个事物的同一属性。例如把每一份标本分为两份，分别用两种方法进