《多个样本率的卡方检验及两两比较 之 spss 超简单（2020年整理）.pptx》由会员分享，可在线阅读，更多相关《多个样本率的卡方检验及两两比较 之 spss 超简单（2020年整理）.pptx（22页珍藏版）》请在金锄头文库上搜索。
1、学 海 无 涯,SPSS：多个样本率的卡方检验及两两比 较,来自：医咖会 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
2、两类。 该医生收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：,学 海 无 涯 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
3、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,学 海 无 涯,4、SPSS 操作
4、 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,学 海 无 涯,弹出下图：,学 海 无 涯,(2) 点击 Weight cases by，激活 Frequency Variable 窗口,(3) 将 freq 变量放入 Frequency Variable 栏,学 海 无 涯,(4) 点击 OK 4.2 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：,学 海 无 涯,(2) 将变量 i
5、ntervention 和 risk_level 分别放入 Row(s)栏和 Column(s)栏,学 海 无 涯 (3) 点击Statistics，弹出下图：,(4) 点击Chi-square,学 海 无 涯 (5) 点击ContinueCells,(6) 点击Counts 栏中的 Expected 选项,学 海 无 涯 (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
6、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),学 海 无 涯,弹出下图：,(2),学 海 无 涯,(3),(4),学 海 无 涯,(5) 点击Percentage 栏中的 Column 选项,(6),学 海 无 涯,4.4 组间比较 (1),弹出下图：,学 海 无 涯,(2) 点击Cells，弹出下图：,学 海 无 涯 (3) 点击z-test 栏中的 Compare co
7、lumn 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：,学 海 无 涯 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：,由此可见，药物干预比饮食或运动干预的疗效更好。同时，该表也
8、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：,学 海 无 涯,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
9、强，我们还需要进行统计学检验。 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,学 海 无 涯 如果卡方检验(2C)的 P0.05，说明至少有两组之间的差异存
10、在统计学意义。SPSS 输出的 risk_level * intervention 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：,学 海 无 涯,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
11、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：,学 海 无 涯,如果任两组之间标记字母相同，说明这两组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
12、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)。,学 海 无 涯 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）。,
