卫生统计学实习 实习五 分类变量资料的统计推断.docxVIP

卫生统计学实习

何平平

北京大学公共卫生学院流行病与卫生统计学系

实习五

分类变量资料的统计推断

第226～235页

一、率的抽样误差与标准误

（一）定义

在抽样研究中，由于抽样造成的样本率与总体率之间的差异或者样本率之间的差异，称为率的抽样误差。

（二）计算：率的抽样误差大小用率的标准误来衡量。

一般情况下，由于我们研究的是样本，π未知，所以常用p代替π,得到率的标准误的估计值：

一、率的抽样误差与标准误

（三）性质

率的标准误，与样本含量的平方根成反比。

在实际工作中，减小率的抽样误差的有效方法是增大样本含量。

二、总体率的置信区间的估计

（一）定义：按照预先给定的概率（通常取95％）来估计未知总体率所在的范围。

（二）计算：当n足够大，且样本率p和（1?p）均不太小时，如np与n(1?p)均大于5时，采用正态近似法。总体率95％置信区间为：

p±1.96Sp

三、完全随机设计的两样本率比较的假设检验

（一）假设检验的目的：推断π1=π2？

H0：π1=π2H1：π1≠π2

（二）方法：

当χ2≥χ20.05,1=3.84时，P≤0.05，拒绝H0。当χ2χ20.05,1=3.84时，P0.05，接受H0。

三、完全随机设计的两样本率比较的假设检验

（三）χ2检验的适用条件及四格表专用公式

三、完全随机设计的两样本率比较的假设检验

（三）χ2检验的适用条件及四格表专用公式

注意：aTRC=bχ2检验是否需要校正，关键要考核Tmin≥5？

四、配对设计的两样本率比较的假设检验

（一）假设检验的目的：推断π1=π2？

或者B＝C？

H0：π1=π2

H1：π1≠π2

或者H0：B=C

H1：B≠C

（二）方法：

当χ2≥χ20.05,1=3.84时，P≤0.05，拒绝H0。当χ2χ20.05,1=3.84时，P0.05，接受H0。

四、配对设计的两样本率比较的假设检验

（三）χ2检验的适用条件及四格表专用公式

1.当b＋c40，2.当b＋c≤40，

SPSS软件中提供了精确概率法。

五、完全随机设计的多个样本率比较的假设检验

（一）假设检验的目的：推断π1=π2＝…...=πk？

H0：π1=π2＝…...=πk

H1：各总体率不等或不全相等

（二）方法：

R

RC

ν=（R－1）（C－1）

当χ2≥χ20.05,ν时，P≤0.05，拒绝H0

当χ2χ20.05,ν时，P0.05，接受H0

五、完全随机设计的多个样本率比较的假设检验

（三）注意事项

1.当P≤0.05，拒绝H0时，总的说来各组总体率有差别，但并不意味着任何两组总体率都有差别：可能是任何两者间都有差别，也可能其中某两者间有差别，而其它组间无差别。目前尚无公认的进一步两两比较的方法（可考虑采用Logistic回归）。

2.当有1个格子的理论数小于1或者1/5以上格子的理论数小于5时，不宜采用卡方检验，推荐精确概率法（SPSS10.0以上已经有行×列表的精确概率法）。

六、SPSS13.0软件操作(卡方检验)

（一）完全随机设计的两样本率比较的假设检验

例1见第229页例9-5。group:组别，1=旧剂型，2=新剂型；effect:疗效，1=治愈，2=未愈；freq：频数。

（一）完全随机设计的两样本率比较的假设检验

例1

加权

（一）完全随机设计的两样本率比较的假设检验例1

对记录加权

加权变量

（一）完全随机设计的两样本率比较的假设检验例1

交叉表

（一）完全随机设计的两样本率比较的假设检验

例1

行

列

（一）完全随机设计的两样本率比较的假设检验例1

卡方检验

（一）完全随机设计的两样本率比较的假设检验

例1

行百分比

→治愈率

未校正的

P值Pearson卡方检验

P值

0格理论数小于5，最小理论数为23.97。

（一）完全随机设计的两样本率比较的假设检验

例2见第544页计算分析题1。group:组别，1=新防护衣，2=旧防护衣；effect:患病情况，1=患病，0=未患病；freq：频数。(SPSS软件操作步骤同例1)

→患病率

P值连续性校正的卡方检验

P值

1格理论数小于5，最小理论数为3.84

（一）完全随机设计的两样本率比较的假设检验

例3见第543页选择题8。group:组别，1=A药，2=B药；

effect:治愈情况，1=治愈，0=未愈；freq：频数。(SPSS软件操作步骤同例1)

例3

n40

P值Fisher精确概率法

P值

2格理论数小于5，最小理论数为3.79

（