spss：卡方检验的实现过程及结果解读 -凯发k8国际首页登录

　　：卡方检验的实现过程及结果解读，本文将介绍“卡方检验”的主要应用和具体统计结果的选择原则。

　　先从遇到的临床问题说起。有不少临床医生问及这个问题：想分析两个不同的患者群体中，某病毒感染率的区别，能做吗?两组的感染率只有两个数值，怎么比较有没有统计学差异呢?

　　答案是肯定的。虽然是比较两个率，但是原始数据呢?原始数据肯定是群体1中有感染者n1人，有未感染者m1人，群体2中有感染者n2人，有未感染者m2人。这样大家都明白了，可以比较，所用方法是卡方检验。这是卡方检验最常见的用途：分析某无序分类变量(infection)各水平在两组或多组间的分布是否一致。以2×2四格表为例，数据视图如下：

　　首先在“数据”中选择“加权个案”。如果数据以单个样本的原始数据形式展现，而未进行计数，则无需加权，如下图：

　　然后按照下列操作进行分析：

　　接着点击“statistics…”，选择“卡方”：

　　当两组总<40时，需选择“精确”。本例中两组总n=100，故无需选择此项。

　　得到结果如下：

　　结果中的第三个表格即为卡方检验结果，具体统计结果的选择原则：

　　1、对于2×2四格表

　　(1) 当两组总n≥40,且所有单元格的期望计数(理论数，t)≥5时，选择pearson卡方(第一行);若所得p≈0.05时，用fisher精确检验(第四行)。

　　(2) 当n≥40但有1≤t≤5时，用连续校正。

　　(3) 当n<40或t<1时，用fisher精确检验。

　　2、对于多行多列表，直接用fisher精确检验。

　　此外，卡方检验还可用于分类变量间关联程度的测量、kappa一致性检验和配对卡方检验以及分层卡方检验。卡方检验是一种用途很广的假设检验方法，常常用到。