(完整版)spss卡方检验呕心沥血整理版

医学统计学之卡方检验SPSS操作

医学统计学之卡方检验SPSS操作卡方检验（Chi-Square Test）是一种常用的统计方法，用于比较两个或多个分类变量的分布是否存在差异。

该方法主要用于处理分类数据，例如比较男女性别和吸烟与否对癌症发生的关系。

在SPSS（Statistical Package for the Social Sciences）软件中，进行卡方检验的操作主要分为数据准备、假设设定和计算步骤。

第一步：数据准备首先，需要在SPSS中导入数据。

假设我们需要在一个样本中比较男女性别和吸烟与否的关系，我们可以将性别和吸烟状况作为两个分类变量，分别用“Male”和“Female”表示性别，“Smoker”和“Non-smoker”表示吸烟状况。

将这些数据输入到SPSS中的一个数据表中。

第二步：假设设定接下来，需要设置假设。

在卡方检验中，我们通常有一个原假设和一个备择假设：-原假设（H0）：两个或多个分类变量之间没有显著差异。

-备择假设（H1）：两个或多个分类变量之间存在显著差异。

在本例中，原假设可以是“性别和吸烟状况之间没有显著差异”，备择假设可以是“性别和吸烟状况之间存在显著差异”。

第三步：计算步骤进行卡方检验的计算步骤如下：1.打开SPSS软件并导入数据。

2. 选择“分析（Analyse）”菜单，然后选择“非参数检验（Nonparametric Tests）”子菜单，最后选择“卡方（Chi-Square）”选项。

3.在弹出的对话框中选择两个分类变量（性别和吸烟状况），并将它们添加到变量列表中。

4.点击“确定（OK）”按钮，开始进行卡方检验的计算。

5.SPSS将计算卡方统计量的值和相关的P值。

如果P值小于指定的显著性水平（通常为0.05），则可以拒绝原假设，接受备择假设。

这样，就完成了卡方检验的SPSS操作。

需要注意的是，卡方检验是一种只能说明变量之间是否存在关系的方法，不能用于确定因果关系。

此外，在进行卡方检验之前，需要确保样本符合一些假设，例如每个单元格的期望频数应该大于5、如果不满足这些假设，可以考虑使用其他适用的统计方法。

统计学方法总结2spss做卡方检验的方法

统计学方法总结2spss做卡方检验的方法第一篇：统计学方法总结2spss做卡方检验的方法通过看网上的spss教程，发现用spss做卡方检验有俩种方法，特简单介绍下，若有错漏请补充，安江。

以比较两个组别（实验组与对照组）的男女差异为例。

方法一、如下图所示设置三个变量（组别、性别、人数）再给“组别”以及“性别”变量添加值点输入数据（我是随机的）④如下图进行数据加权（教程上要求有这步，原因不明，查了一下有人说是因为这些数据不是原始数据，而是频数表数据，所以要进行预处理）⑤依次打开：分析（analyze）--描述统计（descriptive）--交叉表（crosstabs），打开交叉表对话框，按图所示将“组别”“性别”分别添加进“行”“列”中，点击交叉表对话框里的“统计量”（statistics），勾选“卡方”以及“McNemar”，点击交叉表对话框里的“单元格”（cell），勾选“行”。

⑥点击“确定”，出现最后结果。

会出现三张表，主要看第三张表的pearson卡方检验，渐进sig（双侧）值大于0.05，因此认为不同的性别对两组无显著的差别。

最后还得看一下第三张表下面的a中小于5的理论频数不能超过20%，超过了则本次检验不正确，需要(1)增加样本含量，(2)进行合理合并或删除分类。

方法二、貌似方法二只适用于俩个变量的，列如比较若干组的人数差异性如下图所示设置两个变量（组别、人数）再给“组别”变量添加值输入数据（我是随机的）④加权处理不知道需不需要，教程上并没有，不过方法一中的解释如果正确，那么次方法也是需要预处理的。

⑤找到非参数检验->旧对话框->卡方检验，将其单击单击打开，将“人数”添加到“检验变量列表”中，点击“选项”，勾选“描述性”⑥点击“确定”，出现最后结果。

会出现三张表，主要看第三张表的渐进显著性值小于0.05，因此认为人数对组别有显著的差别。

最后还得看一下第三张表下面的a中小于5的理论频数不能超过20%，超过了则本次检验不正确，需要(1)增加样本含量，(2)进行合理合并或删除分类。

SPSS学习系列24.-卡方检验

SPSS学习系列24.- 卡方检验24. 卡方检验卡方检验，是针对无序分类变量的一种非参数检验，其理论依据是：实际观察频数f0 与理论频数f e（又称期望频数）之差的平方再除以理论频数所得的统计量，近似服从2分布，即(f0 f e)2~(2 n)卡方检验的一般是用来检验无序分类变量的实际观察频数和理论频数分布之间是否存在显著差异，二者差异越小，2值越小。

卡方检验要求：1）分类相互排斥，互不包容；2）观察值相互独立；3）样本容量不宜太小，理论频数≥ 5，否则需要进行校正（合并单元格、增加样本数、去除样本法、使用校正公式校正卡方值）卡方校正公式为：( f0 f e 0.5) 2卡方检验的原假设H0: 2= 0; 备择假设H1: 2≠0;卡方检验的用途：1）检验某连续变量的数据是否服从某种分布（拟合优度检验）；2）检验某分类变量各类的出现概率是否等于指定概率；3）检验两个分类变量是否相互独立（关联性检验）；4）检验控制某几个分类因素之后，其余两个分类变量是否相互独立；（5）检验两种方法的结果是否一致，例如两种方法对同一批人进行诊断，其结果是否一致。

（一）检验单样本某水平概率是否等于某指定概率一、单样本案例例如，检验彩票中奖号码的分布是否服从均匀分布（概率=某常值）；检验某产品市场份额是否比以前更大；检验某疾病的发病率是否比以前降低。

有数据文件：检验“性别”的男女比例是否相同（各占1/2 ）1. 【分析】——【非参数检验】——【单样本】，打开“单样本非参数检验”窗口，【目标】界面勾选“自动比较观察数据和假设数据”2. 【字段】界面，勾选“使用定制字段分配” ，将变量“性别” 选入【检验字段】框；注意：变量“性别”的度量标准必须改为“名义”类型3. 【设置】界面，选择“自定义检验” ，勾选“比较观察可能性和假设可能性（卡方检验）”；4. 点【选项】，打开“卡方检验选项”子窗口，本例要检验男女概率都=0.5 ，勾选“所有类别概率相等” ；注：若有类别概率不等，需要勾选“自定义期望概率”，在其表中设置各类别水平及相应概率点【确定】回到原窗口，点【运行】得到双击上表，得到更多的描述：结果说明：1)男生的观察频数为28，理论频数为25，残差=3；女生的观察频数为22，理论频数为25，残差=-3；可以计算卡方值=[3 2+(-3) 2]/25=0.722)卡方检验的P 值=0.396>0.05, 故接受原假设H0，即认为男女性别人数无差异。

卡方检验SPSS操作

要想获得卡方值，我们需用到非参数检验中的非参数配对检验中的McNemar检验（其实也是常用的配对卡方检验）
16
三、行×列表资料的x2检验第8题，P440
17
其 (SPSS的操作步骤与四格表相同)
步骤一: 定义变量
步骤二: 输入数据
步骤三:对数据按频数进行加权
步骤四:对数据作X2分析
步骤五:分析结果
配对卡方检验专用
药物 A B
T o ta l
药物 * 药效 Cross tabulation
Count % within 药物 Count % within 药物 Count % within 药物
药效
有效
无效
73
9
89.0%
11.0%
52
22
70.3%
29.7%
125
31
80.1%
19.9%
无1/5的格子的理论数大于 1小于5或有 T<1。故不用合并或改用确切概率法。直接选择结果
练习题：
P440: 4、7、8题
23
⑵是否需要校正？四格表资料检验条件：（１）当n≥40且所有T≥5,用普通X2检验（２）当n≥40，但1≤T<5时, 用校正的X2检验（３）当n<40 或 T ≤ 1时，用四格表资料的确切概率法。 2. SPSS不会自动做两两比较
2
卡方检验SPSS操作要领
计数资料（频数表）：都是行列表数据结构： r,c,f（行、列、频数）
.006
Exact Sig. Exact Sig. (2-sided) (1-sided)
Likelihood Ratio
8.758
1

(参考资料)SPSS卡方检验教程

例6 见第231页例9－6。group:组别，1=高氟区，2=干预区，3＝低氟区；effect:1=患龋，2=未患龋；freq：频数。（SPSS软件操作步骤与例1相同）
（三）完全随机设计的多个样本率比较的假设检验
例6
患龋率
Pearson
P值
卡方值
（二）配对设计的两样本率比较的假设检验
例4 方法一 (SPSS菜单：Crosstabs)
交叉表
（二）配对设计的两样本率比较的假设检验
例4 方法一 (SPSS菜单：Crosstabs)
行列
（二）配对设计的两样本率比较的假设检验
例4 方法一 (SPSS菜单：Crosstabs)
McNemar
（二）配对设计的两样本率比较的假设检验
实习五
分类变量资料的统计推断第226～235页
一、率的抽样误差与标准误
（一）定义
在抽样研究中，由于抽样造成的样本率与总体率之间的差异或者样本率之间的差异，称为率的抽样误差。
（二）计算：率的抽样误差大小用率的标准误来衡量。
σp =
π (1 − π )
n
一般情况下，由于我们研究的是样本，π未知，所以常用p 代替π ，得到率的标准误的估计值：
例4 方法一 (SPSS菜单：Crosstabs)
精确概率法
（二）配对设计的两样本率比较的假设检验
例4 方法二（SPSS菜单：Nonparametric Tests）推荐
2个相关样本
（二）配对设计的两样本率比较的假设检验
例4 方法二（SPSS菜单：Nonparametric Tests）推荐
（一）完全随机设计的两样本率比较的假设检验
例2 见第544页计算分析题1。group:组别，1=新防护衣， 2=旧防护衣；effect:患病情况，1=患病，0=未患病；freq：频数。(SPSS软件操作步骤同例1)

SPSS卡方检验操作大全

四格表卡方检验
浙江大学医学院流行病与卫生统计学教研室
沈毅
四格表卡方检验
浙江大学医学院流行病与卫生统计学教研室
沈毅
四格表卡方检验
浙江大学医学院流行病与卫生统计学教研室
沈毅
四格表卡方检验
浙江大学医学院流行病与卫生统计学教研室
沈毅
四格表卡方检验
浙江大学医学院流行病与卫生统计学教研室
沈毅
四格表卡方检验
配对卡方检验
配对卡方检验公式：
若b+c>40，则用公式：
χ
2
(b − c ) = b + c
2
若b+c≤40，则用公式：
χ =
2
( b − c − 1) b+c
2
浙江大学医学院流行病与卫生统计学教研室
沈毅
配对卡方检验
例2 某实验室分别用乳胶凝集法和免疫荧光法对58名
可疑系统性红斑狼疮患者血清中抗核抗体进行测定，结果见下表，问两种方法的检测结果有无差别？（数据见 McNemar.sav）
浙江大学医学院流行病与卫生统计学教研室
沈毅
两分类变量间关联程度的度量 χ2检验可以从定性的角度说明两个变量是否存在关联，当
拒绝原假设时，在统计上有把握认为两个变量存在相关。但接下来的问题是，如果两变量之间存在相关性，它们之间的关联程度有多大？针对不同的变量类型，在SPSS中可以计算各种各样的相关指标，而且Crosstabs过程也对此提供了完整的支持，此处只涉及两分类变量间关联程度的指标，更系统的相关程度指标见相关与回归一章。
一致性检验
结果分析
如果在crosstab过程的 statistics子对话框中勾选上Kappa 复选框，则有以下结果：

SPSS进行卡方检验具体操作(三)

6.7%
93.3% 100.0%
ቤተ መጻሕፍቲ ባይዱ
小
医药 Count
4
12
16
于
Expected Count
2.1
13.9
16.0
% within trial
25.0%
75.0% 100.0%
5
T o ta l
Count
6
40
46
Expected Count
6.0
40.0
46.0
% within trial
13.0%
3、行x列 2
AnalyzeDescriptive Statistics -Crosstabs
结果解读
AREA * BLOOD Crosstabulation
A REA Total
亚洲欧洲北美洲
C o un t Expected Count % within AREA C o un t Expected Count % within AREA C o un t Expected Count % within AREA C o un t Expected Count % within AREA
A 321
411.3 29.7%
258 196.9 49.9%
408 378.9 41.0%
987 987.0 38.1%
BLOO D
B
AB
369
95
215.8
64.2
34.2%
8.8%
43
22
103.3
30.7
8.3%
4.3%
106
37
198.8
59.1
10.7%