利用进行独立样本四格表的卡方检验解读。凡是涉及到计数资料分布的比较都需要卡方检验。和t检验一样，卡方检验也会用在成组和配对设计资料分析中，本文介绍独立样本四格表的χ2检验。
问题与数据
用药物a治疗急性心肌梗死患者198例，24小时内死亡11例，病死率为5.56%，另42例治疗时采用药物b，24小时内死亡6例，病死率为14.29%，提问：两组病死率有无差别?
表1. 两种药物急性心肌梗塞患者治疗后24小时内死亡情况
对数据结构的分析
“生存”，还是“死亡”，这是个问题，但更是一个典型的二分类结局指标，我们关注的重点是两种药物治疗后“生存”和“死亡”的分布(或者说病死率)有无差别，由此组成的2*2列联表就是χ2检验中经典的“四格表”(如表1)。
下面一起看看怎样搞定χ2检验。
分析方法
1. 数据录入
(1) 变量视图
(2) 数据视图
2. 加权个案：选择data→weight cases→勾选weight cases by，将频数放入frequency variable→ok。因为本例中数据库每一行代表多个观测对象，所以需要对其进行加权处理。
当然，如果数据是以单个观测对象的形式，即每一行代表1个观测对象，则无需加权(如下图)。
3. 选择analyze→descriptive statistics→crosstabs
4. 选项设置
(1) 主对话框设置：将分组变量drug放入row(s)框中→将指标变量outcome放入column(s)框中(实际上χ2检验是关注实际和理论频数是否一致，这里row(s)框和column(s)框内变量也可以颠倒放，并不影响最终结果)。
(2) statistics设置：勾选chi-square，确定使用成组计数资料的卡方检验→continue
(3) cells设置：counts中勾选observed和expected，输出实际观测频数和理论频数;percentages中勾选row，输出每组转归百分比→continue→ok
结果解读
表2 统计汇总
表2中不仅有服用两种药物后患者实际转归(生存/死亡)的频数和相应百分比，还输出了相应的理论频数(所在行列合计数乘积/总例数)。需要注意的是，这里的理论频数和总例数直接决定了下面卡方检验结果的选择。
表3 卡方检验结果
表3中这么多检验结果，到底看哪一个?不要着急 ，我们一个一个来看：
1. 总例数≥40，所有理论频数≥5，看pearson chi-square结果;
2. 总例数≥40，出现1个理论频数≥1且2检验需进行连续性校正，这时以continuity correction结果为准;
3. 总例数<40，或1个理论频数＜1，看fisher’s exact test结果;
4. 总例数fisher’s exact test结果。
( 也会友好地在表格下方的注释部分提示是否有理论频数小于5，以及最小的理论频数是多少，方便选择恰当的检验方法)
本例中总例数=240>40，存在1个理论频数=2.98=2.796，p=0.095>0.05。
撰写结论
两种药物治疗急性心肌梗塞患者的预后并不相同，a药病死率为5.6%，低于 b药(14.3%)，但差异无统计学意义(χ2=2.796，p=0.095)。
