大家好，又见面了，我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。
Jetbrains全系列IDE稳定放心使用
和“SPSS学习笔记”的其他方法不同，卡方检验是针对计数资料的
目录
一、卡方检验、Fisher精确检验（2*2）
分析：
案例：该医生招募了100名研究对象，按照吸烟状态分为两组，其中吸烟者52人，不吸烟者48人，探讨吸烟与阿尔兹海默症之间的关联性
需要先满足4项假设：
假设1：存在两个二分类变量，如本研究中的吸烟和阿尔兹海默症都是二分类变量。
假设2：存在2个分组，如本研究有2种不同的吸烟状态。
假设3：具有相互独立的观测值，如本研究中各位研究对象的信息都是独立的。
假设4：样本量足够大，最小的样本量要求为分析中的任一单元格期望频数大于5。
建立检验假设，确定检验水准：
H0：两种治疗方法的有效率相同
H1：两种治疗方法的有效率不相同
检验水准α=0.05
操作：
1、数据-个案加权
2、分析-描述统计-交叉表（行：方法 列：结果）
结果及分析：
- 本研究招募招募了100名研究对象，其中吸烟者52人，不吸烟者48人。经过长期随访，吸烟者有31人发生阿尔兹海默症（59.6%），不吸烟者有18人发生阿尔兹海默症（37.5%）
- 当总例数n≥40，最小期望计数＞5，看第一个数；
当总例数n≥40，最小期望计数1-5，看第二个数；
当总例数n＜40或最小期望计数＜1，看第三个数
3、本研究中所有单元格的最小期望频数为【】，均大于5，样本量满足Pearson卡方检验的要求。所以使用Chi-Square Tests表格中的Pearson卡方检验的结果，X2==【】，P值=【】，按α=0.05检验水准，P<0.05，拒绝H0，差异有统计学意义，可以认为【。。不同】。结合Crosstabulation表格中，吸烟者发生阿尔兹海默症的比例为59.6%，可知吸烟者发生阿尔兹海默症的风险更高
二、卡方检验（R×C）
分析：
案例：某研究人员拟分析血型和职业之间的关系，共招募了333位研究对象，收集他们的血型（blood_type）和职业（occupation）信息。其中血型分为A、B、AB、O型共4种，职业分为律师（Lawyer）、医生（Doctor）、教师（Teacher）和工人（Worker）。
先满足3项假设：
假设1：存在两个无序多分类变量，如本研究中血型和职业类型均为无序分类变量。
假设2：具有相互独立的观测值，如本研究中各位研究对象的信息都是独立的
假设3：样本量足够大，最小的样本量要求为分析中的任一单元格期望频数大于5。
建立检验假设，确定检验水准：
H0：三种药物治疗中风的有效率相同
H1：三种药物治疗中风的有效率不全相同
检验水准α=0.05
操作：
1、数据-个案加权
2、分析-描述统计-交叉表 （行：方法 列：结果）
结果及分析：
本研究招募了333位研究对象，分析血型和职业类型的关系。
1、卡方检验（R×C）结果显示χ2=42.959，P < 0.001，按α=0.05的检验水准，拒绝H0，差异有统计学意义，提示不同血型的研究对象职业类型不同，两者之间存在一定的相关性。
2、如果想了解血型与职业类型之间的相关强度，可以参看SPSS输出的Symmetric Measures表格。Phi(φ)（仅适用于2×2的数据格式）和Cramer’s V系数（适用范围较广）均是提供分类变量相关强度的指数。Cramer’s V系数的取值范围在0到1之间，数值越大相关性越强。
血型与职业类型之间存在弱相关性，Cramer’s V = 0.207，P < 0.001
三、配对卡方检验
分析：
把每一份样本平均分成两份，分别用两种方法进行化验，比较此两种化验方法的结果（两类计数资料）是否有本质的不同；或者分别采用甲、乙两种方法对同一批病人进行检查，比较此两种检查方法的阴阳性结果（两类计数资料）是否有本质的不同
案例：某研究者想要观察戒酒干预的效果，招募了50名研究对象，其中饮酒者24名，不饮酒者各26名。研究者收集了所有研究对象的干预前饮酒状态（before）和干预后饮酒状态（after）。两个变量均为二分类变量，即不饮酒与饮酒（分别赋值为1和2）
研究者想了解同一人群干预前后的饮酒状态，且饮酒状态为二分类变量。需要先满足2项假设。
假设1：观测变量为二分类，且两类之间互斥。
假设2：分组变量包含2个分类，且相关。
建立检验假设，确定检验水准：
H0：两种方法检测【】的阳性率相同
H1：两种方法检测【】的阳性率不同
检验水准α=0.05
操作：
1、数据-个案加权
2、分析-非参数检验-相关样本
结果及分析：
1、本研究招募了50例研究对象参与有关戒酒的干预试验，干预前饮酒者和不饮酒者各占52%和48%。干预后，不饮酒者比例增加到72%（36例），饮酒者比例降低至28%（14例）。15例饮酒者在干预后戒酒，另有5例不饮酒者在干预后开始饮酒。
2、如果非对角线的格子（左下和右上背景标黄的格子）中研究对象总数小于等于25时，采用精确法计算。
本例非对角线格子的观测数为20（15+5=20），小于25，因此采用McNemar精确检验发现，P=0.041，按检验水准α=0.05，P<0.05，拒绝原假设H0，干预前后不饮酒者比例的差异有统计学意义。
或者（观测数为【】，大于25，采用校正卡方检验发现。。）
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/180152.html原文链接：https://javaforall.net
