SPSS统计实战之—卡方检验操作详解

SPSS统计实战之—卡方检验操作详解

卡方检验是统计学中用于分析计数资料的重要方法，广泛应用于医学、公共卫生等领域的研究。本文将详细介绍SPSS软件中各种卡方检验的应用场景和具体操作步骤，帮助读者掌握这一重要的统计分析工具。

变量家族有计量、计数和等级三种形式，t检验和F检验是用于比较组间计量资料的，而计数资料组间采用的方法是卡方检验。该检验的发明者是卡尔·皮尔逊（Karl Pearson）,其基本思想是真实值与理论值的吻合程度。

成组四格表卡方

当我们的设计依然为成组（2组）设计，比较的效应指标为二分类，就需要采用成组四个表资料卡方检验。

操作流程：
1）对于二维计数资料统计表资料，数据库构建只能是3列式（行变量、列变量和频数变量；2）加权：菜单—数据—个案加权，将频数放入加权框；
3）：点击卡方检验交叉表设置：分析—描述统计—交叉表；4）参数设置：选择“统计”，勾选“卡方”；点击“单元格”，勾选百分比。

主要结果解读：

交叉表显示相对数信息，产生主观意识，但需要进一步统计分析确认；

上图给出了5中卡方检验结果，第一种Pearson卡方，P=0.012<0.05,差异具有统计学差异。

成组四格表卡方检验，软件会自动计算5种卡方检验，需要根据研究目的和条件进行选择：
（1）N≥40并且T≥5：选择Pearson卡方；
（2）N≥40并且1≤T＜5：选择连续性校正卡方检验；
（3）N＜40 或者T<1：选择Fisher精确概率法；
（4）N≥40并且T≥5：选择似然比卡方检验与Pearson卡方一致。

成组R*C表

前面说的是成组中的2组，统计学存在2K 效应，当K（K≥3）组设计，均超过4个单元格，这类表格叫做R*C表。

操作流程：1）加权；2）交叉表设置：菜单—分析—描述统计—交叉表，年龄分组放入行，疾病构成放入列；3）参数设置：“统计”按钮，选择“卡方”，“单元格按钮”选择行百分比。

主要结果解读：

根据交叉表结果和卡方检验结果，可以看到统计学差异。

但是上图共有三种卡方，如何选择呢？
（1）Pearson卡方：无任何一个单元格理论频数T<1，且1≤T<5的格子数不超过总格子数的1/5；
（2）如（1）条件不满足，可以考虑增加样本量；专业上进行删除或者合并；采用R*C表资料的Fisher确切概率法；
（3）线性关联，当我们研究目的是研究是否存在线性趋势时使用。

成组R*C表效应指标比较

但我们想探究分析的构成组到底哪里不同，就可以进行列的比较分析。

操作流程：1）加权；2）分析—描述统计—交叉表，与上述设置一致；3）参数设置，“单元格”选择行百分比，同时勾选“比较列的比例”。

主要结果解读：

可以看到在病变构成频数表中，产生的a和b下标，从而依据下标的不同，进而得出主要是第一种和后三种型的构成不同。

R*C表确切概率法

对于四格表资料，Fisher是自动计算的，而当R*C卡方条件不符合时，也可以采用Fisher确切概率法。

操作流程：其他流程基本一致，在参数设置时记得勾选“精确”。

主要结果展示：
结果可见R*C表Fisher确切法检验，P<0.05,和上方Pearson卡方一致。

线性趋势卡方

线性关联是研究数据的变化是否具备线性趋势，之前的结果中，均有线性关联分析的结果。

操作流程：与前述四格表操作类似，不再详述；

结果展示：
线性关联卡方，P<0.05，说明不同年份的数据存在线性增长的趋势。

配对设计卡方表

配对是一种设计，如果采用配对设计，而效应指标为计数资料，此时需采用配对设计卡方检验。常用的是配对设计四格表资料（22）卡方检验（McNemar）,还有配对设计的（KK）方表卡方检验（McNemar-Bowker）。两种方法操作步骤一样，都是McNemar检验。

操作流程：1）加权个案：数据—加权个案，将频数放入加权个案框中；2）分析—描述统计—交叉表，两种方法分别放到行和列，顺序没关系；3）参数设置：“统计”选择“McNemar卡方”；

主要结果解读：
McNemar卡方P<0.05,有差异，因此，两种方法的检测结果不同。

分层卡方

前述的计数资料均为二维表，只有一个行变量和一个列变量，但有时候会遇到维度≥3的情况，对于3维表可以采用分层卡方进行分析。

操作流程：1）加权个案：数据—加权个案，将“人数”放入加权个案框中；2）分析—描述统计—交叉表，将年龄分组放入行，疾病构成放入列，地区放入层；3）参数设置：“统计”选择卡方和CMH卡方，“单元格”勾选行百分比；

主要结果解读：
（1）卡方检验：样本量均大于40，理论频数均大于5，因此参看Pearson卡方检验结果，得到均值P<0.05;
（2）比值比齐次检验：P>0.05,说明地区间差异无统计学意义；
（3）条件独立性检验：采用了Cochran's和Mantel-Haenszel两种卡方检验，前者是后者的改进版，P均<0.05，说明儿童和成人病变类型差异存在统计学意义；
（4）Mantel-Haenszel OR值估算：结果可见OR(MH)=0.151，指成人得其他类型的松毛虫病是儿童的0.151倍。

卡方分割

方差分析多组间差异分析，做了事后两两比较检验；然而进行R*C表资料卡方检验，多组间分析软件并未提及两两比较的方法，此时需要人为的对统计表进行分割分析，即卡方分割。

卡方分割就是对检验水准α进行调整，有两种分割方式：
（1）比如A、B和C三组资料比较，则两两比较需要进行3次，则检验水准α'=2α/K(K-1)=α/3=0.0167;
（2）若是A组、B组和对照组三组资料，各组只和对照组比较，则比较次数为组数K-1次，即α'=α/ (k-1)=0.05/2=0.025.得到α'后，进行卡方检验，只有统计分析得到的P值小于α'才具有统计学意义，不再是小于0.05为统计学意义的标准了。