医学统计软件——SPSS(六)卡方检验

第一节时我们就谈到变量大致可以分为两类：连续型变量和分类变量。前两节我们介绍了连续性变量的t检验和方差分析在SPSS中的实现方法。本节，我们将重点讲述分类变量的卡方检验。

分类变量的变量值是定性的，表现为互不相容的类别或属性。大致可分为（1）无序分类变量：变量值之间无程度和顺序的差别，还可进一步分为二分类变量和多分类变量。性别（男、女），药物反应（阳性、阴性）等都属于二分类变量；血型（A型、B型、AB型、O型），职业（工人、农民、商人、个体等）等都属于多分类变量。（2）有序分类变量：变量值之间有程度和顺序的差别。如疗效（无效、好转、显效、治愈），化验结果（—、+、++、+++）等都属于有序分类变量。

卡方检验是最常用于分类变量分析的方法。下面我们以A药和B药的疗效比较为例来介绍卡方检验的应用。具体例子见下表：

该数据在SPSS中的录入形式如下：

在分析之前，我们需要将人数进行加权。这是列联表数据录入SPSS后卡方分析前必须完成的一步。

加权这一选项在数据菜单的最后一行。之后对人数进行加权即可。之后再选择分析—描述统计—交叉表格，将相应的行列变量选入相应的框中。

注意在卡方检验中一定要在右侧的Statistic模块中将卡方进行勾选，之后点击继续，结果如下：

在结果解读时，我们首先要根据表下方的第一行字来确定选择皮尔逊卡方，连续校正还是Fisher精确检验的显著性？这个判断要基于以下的原则：

（1）我们把表中每个数字所占据的地方称作格子，如果表中所有格子的预期计数均大于或等于5且样本量大于或等于40 ，那么我们选择皮尔逊卡方；

（2）表中预期计数小于5但大于等于1的格子数未超过总格子数的20%且样本量大于或等于40，那么我们选择连续校正的卡方；

（3）表中有格子的预期计数小于1或预期计数小于5且大于等于1的格子数超过了总格子数的80%或样本量小于40或用前两种方法计算出的显著性即P值和检验水准即α（0.05）相近，此时均应选择Fisher确切检验。

本例样本量为39，其小于40，我们选择Fisher确切检验，其双侧P值为0.525，其大于0.05，那么说明这两种药的疗效是没有区别的。