《多个样本率的卡方检验与两两比较之spss超简单.doc》由会员分享，可在线阅读，更多相关《多个样本率的卡方检验与两两比较之spss超简单.doc（22页珍藏版）》请在金锄头文库上搜索。
1、SPSS：多个样本率的卡方检验及两两比较 来自：医咖会 x 用微信扫描二维码分享至好友和朋友圈医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。该医生收
2、集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。2、对问题的分析研究者想判断干预后多个分组情况的不同。如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。针对这种情况，我们建议使用卡方检验(2C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。假设2：存在多个分组（2个），如本研究有3个不同的干预组。假设3：具有相互独立
3、的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2C)呢？3、思维导图4、SPSS操作4.1 数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1) 在主页面点击DataWeight Cases弹出下图
4、：(2) 点击Weight cases by，激活Frequency Variable窗口(3) 将freq变量放入Frequency Variable栏(4) 点击OK4.2 检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1) 在主页面点击AnalyzeDescriptive StatisticsCrosstabs弹出下图：(2) 将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3) 点击Statistics，弹出下图：(4) 点击Chi-square(5) 点击ContinueCells(6) 点击Counts栏中的
5、Expected选项(7) 点击ContinueOK经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是24.7，大于5，满足假设5，具有足够的样本量。Chi-Square Tests 表格也对该结果做出提示，如下标注部分：即在本研究中，没有小于5的预测频数，可以直接进行卡方检验(2C)。那么，如果存在预测频数小于5的情况，我们应该怎么办呢？一般来说，如果预测频数小于5，就需要进行Fisher精确检验(2C)，我们将在后面推送的内容中向大家详细介绍。4.3 卡方检验(2C)的SPSS操作(1)弹出下图：(2)(3)(4)(5) 点击Percentage栏中的Column选
6、项(6)4.4 组间比较(1)弹出下图：(2) 点击Cells，弹出下图：(3) 点击z-test栏中的Compare column proportions和Adjust p-values (Bonferroni method)选项(4)5、结果解释5.1 统计描述在进行卡方检验(2C)的结果分析之前，我们需要先对研究数据有个基本的了解。SPSS输出结果如下：该表提示，本研究共有150位受试者，根据干预方式均分为3组。在试验结束时，药物干预组的50位受试者中有16位胆固醇浓度高，饮食干预组的50位受试者中有28位胆固醇浓度高，而运动干预组的50位受试者中有30位胆固醇浓度高，如下标注部分：由此
7、可见，药物干预比饮食或运动干预的疗效更好。同时，该表也提示，药物干预组的50位受试者中有34位胆固醇浓度下降，饮食干预组的50位受试者中有22位胆固醇浓度下降，而运动干预组的50位受试者中只有20位胆固醇浓度下降，如下标注部分：但是，当各组样本量不同时，频数会误导人们对数据的理解。因此，我们推荐使用频率来分析结果，如下标注部分：该表提示，药物干预组的50位受试者中68%胆固醇浓度下降，饮食干预组的50位受试者中44%胆固醇浓度下降，而运动干预组的50位受试者中只有40%胆固醇浓度下降，提示药物干预比饮食和运动干预更有效。但是这种直接的数据比较可能受到抽样误差的影响，可信性不强，我们还需要进行统
8、计学检验。5.2 卡方检验(2C)结果本研究中任一预测频数均大于5，所以根据Chi-Square Tests表格分析各组的差别。SPSS输出检验结果如下：卡方检验(2C)结果显示 2=9.175，P = 0.010，说明本研究中各组之间率的差值与0的差异具有统计学意义，提示药物干预与饮食、运动干预在降低受试者胆固醇浓度的作用上存在不同。如果P0.05，那么就说明各组之间率的差值与0的差异没有统计学意义，即不认为各组之间存在差异。5.3 卡方检验(2C)中的成对比较分析如果卡方检验(2C)的P0.05，说明至少有两组之间的差异存在统计学意义。SPSS输出的risk_level * interve
9、ntion Crosstabulation表格通过数字标记提示了两两比较的结果，如下标注部分：大家可能会注意到，每组数据的标记相同（即上下两行的标记相同），那么我们只要知道组间标记的作用即可。那么，risk_level * intervention Cross tabulation表格的标记是什么意思呢？第一种情况，各组间无差异，如下：如上图，各组间标记一致，说明各组之间无差异。第二种情况，任意两组之间均存在差异，如下：即每组标记字母均不相同，说明任意两组之间的差异均存在统计学意义。第三种情况，有些组之间存在差异，而另一些组之间的差异没有统计学意义，如下：如果任两组之间标记字母相同，说明这两组
10、之间的差异没有统计学意义；如果两组标记字母不同，说明这两组之间的差异存在统计学意义。根据这一原则，分析本研究结果如下：该表说明，在本研究中，药物干预的降胆固醇作用(“a”)与饮食干预的降胆固醇作用(“b”)的差异存在统计学意义(P0.05)，药物干预的降胆固醇作用(“a”)也与运动干预的降胆固醇作用(“b”)的差异存在统计学意义(P0.05)，而饮食干预(“b”)与运动干预(“b”)在降胆固醇的作用上没有差异。6、撰写结论6.1 若卡方检验(2C)的P0.05本研究招募150位高胆固醇、生活习惯差的受试者，随机分组后分别给予药物、饮食和运动干预。试验结束时，药物干预组有34位(68%)胆固醇浓度下降，饮食干预组有22位(44%)胆固醇浓度下降，而运动干预组有20位(40%)胆固醇浓度下降，三组差异具有统计学意义(P=0.010)。成对比较结果提示，药物干预的降胆固醇效果好于饮食或运动干预(P0.05)。6.2 若卡方检验(2C)的P0.05本研究招募150位高胆固醇、生活习惯差的受试者，随机分组后分别给予药物、饮食和运动干预。试验结束时，药物干预组有24位(48%)胆固醇浓度下降，饮食干预组有22位(44%)胆固醇浓度下降，而运动干预组有20位(40%)胆固醇浓度下降，三组结果的差异没有统计学意义（P=0.620）。
