非参数检验(卡方检验)实验报告
spss参与非参检验实验报告参考模板
第五章 参数检验❶单样本t 检验：（5.2）分析六级考试成绩一般平均得分是否为75；1.录入数据，全部学生的六级考试成绩显而易见服从正态分布，可用Q-Q 图，或非参检验对所抽取的样本进行正态性检验，之后进行单样本t 检验。
2.选择菜单：Analyze---Compare Means---One-Sample T Test ，再出现的窗口中，选择“六级考试成绩”到【Test Variable 】框中，在【Test Vaule 】框中输入检验值75。
单击“OK ”度10，第四列为检验p 值0.668，第五列为样本均值与检验值的差，第六列和第七列为总体均值与原假设值差的95%的置信区间，为（-7.69,5.14）。
若取显著性水平α为0.05，则p 大于α，因此应该接受原假设，认为六级考试成绩一般平均得分为75分。
95%的置信区间告诉我们有95%的把握认为六级考试成绩的均值在67.31~85.14之间。
❷两独立样本t 检验（5.3）分析有促销和无促销情况下商品的日销售额是否存在显著变化；1.录入数据，有促销和无促销情况下的日销售额可以看成两个独立总体，且日销售额可近似认为服从正态分布，可用Q-Q 图或非参检验对其正态性检验。
在以上前提下，进而可对不同情况下的日销售额进行两独立样本t 检验。
2.选择菜单：Analyze---Compare Means---Independent-Samples T Test，再出现的窗口中，选择“日销售额”到【Test Variable 】框中，选择“type ”到【Grouping Variable 】框中，按【Define Groups 】按钮定义两总体的标识值，分别在Group1与Group2中输入1,23.如上表Independent Sample Test 所示，结论分析为两步:第一步，方差齐性检验。
F 统计量的观测值为0.225，对应的p 值为0.638，若取显著性水平α为0.05，则p 大于α，可以认为两总体的方差相等。
非参数统计列联表卡方检验
非参数统计期末大作业、Wilcoxon 符号秩检验某个公司为了争夺竞争对手的市场，决定多公司重新定位进行宣传。
在广告创意中，预计广告投放后会产生效果。
一组不看广告组和一组看广告，抽取16位被调查者，让起给产品打分。
现有数据如下1、手算建立假设：H0:广告效应不显著H1:广告效应显著不看广告组记为X，看广告组记为y 检验统计量计算表由表可知：T+=1+4+5+2.5=12.5「=7+2.5+6+8=23.5根据n=8, T+和T-中较大者T-=23.5，查表得，T+的右尾概率为0.230到0.273，在显著性水平二=-二下，P值显然较大，故没有理由拒绝原假设，表明广告效应不显著。
2、Spss在spss中输入八组数据（数据1）：选择非参数检验中的两个相关样本检验File Edit Vie*/ Data TransformH ft 113;不冇广吿右广1 622633 964 996716■3U797Q100g10111213u15161716m Analyze Giaprs UtHftles Add-ons Wndow He*)ReportsTablesCotnpgre MeonsGeneral Linear Mode)Mixed ModelsCorrelateRegr&ssioriLogintarNeural NetworksGlassilyQata ReductionScaleyanparatnetric TestsTime SeriesSurvivalMissing V H I LJE AnaiYsis...Oomp[ex SamplesQuality Controls] ROC curae...var var var* E 1] Binomiel... b 画Runs...区l-SemfoleK-S...> JL 2 lixlepenclent SamplesK Independent Sairipleg...2 Related Samples...对话框中选择Wilcoxon，输出如下结果（输出1）：RanksN Mean Rank Sum of Ranks看广告-不看广告Negative Ranks 4a 3.12 12.50b. 看广告> 不看广告c. 看广告=不看广告由上表，负秩为4,正秩也为4,同分的情况为0,总共&负秩和为12.5,正秩和为23.5，与手算结果一致b. Wilcoxon Signed Ranks Test由上表，z为负，说明是以负秩为基础计算的结果，其相应的双侧渐进显著性结果为0.441，明显大于0.05，因此在口=::二的显著性水平下，没有理由拒绝原假设，即表明广告效应不显著，与手算的结论一致3、R语言（R语言1）输入语句：x=c(62,83,96,99,71,60,97,100) y=c(87,92,90,86,94,95,82,91)wilcox.test(x,y,exact=F,cor=F) 输出结果：Wilcox on rank sum testdata: x and yW = 33, p-value = 0.9164alter native hypothesis: true locati on shift is not equal to 0由输出结果可知，P=0.9164,远大于=0.05，因此没有理由拒绝原假设, 即广告效应并不显著，与以上结果一致、Wald-Wolfowitz 游程检验有低蛋白和高蛋白两种料喂养大白鼠，以比较它们对大白鼠体重的增加是否有显著不同的影响，为此对m=10,n=10只大白鼠分别喂养低蛋白和高蛋白两种饲料，得增重量X，丫（单位：g）的表如下：1、手算建立假设：H0：两种饲料对大白鼠无显著差异H1:两种饲料对大白鼠有显著差异将X,Y的数据按从小到大混合排列，得X,Y的混合样本序列：YYYXYYXXXYYYYYXXXXXX故得游程总数U=6, m=10，n=10,查表得，U=6的概率为0.019，由于是双侧检验，对于显著性水平=0.05,对应的P值为X 0,019 = 0.038 < o.oS,2 因此拒绝原假设，即表明两种饲料对大白鼠有显著差异。
SPSS非参数检验之一卡方检验
SPSS 中非参数检验之一:总体分布的卡方(Chi —square ）检验在得到一批样本数据后，人们往往希望从中得到样本所来自的总体的分布形态是否和某种特定分布相拟合.这可以通过绘制样本数据直方图的方法来进行粗略的判断。
如果需要进行比较准确的判断，则需要使用非参数检验的方法。
其中总体分布的卡方检验(也记为χ2检验）就是一种比较好的方法。
一、定义总体分布的卡方检验适用于配合度检验,是根据样本数据的实际频数推断总体分布与期望分布或理论分布是否有显著差异。
它的零假设H0：样本来自的总体分布形态和期望分布或某一理论分布没有显著差异。
总体分布的卡方检验的原理是：如果从一个随机变量尤中随机抽取若干个观察样本，这些观察样本落在X 的k 个互不相交的子集中的观察频数服从一个多项分布，这个多项分布当k 趋于无穷时,就近似服从X 的总体分布。
因此，假设样本来自的总体服从某个期望分布或理论分布集的实际观察频数同时获得样本数据各子集的实际观察频数，并依据下面的公式计算统计量Q()21ki i i i O E Q E =-=∑其中，Oi 表示观察频数;Ei 表示期望频数或理论频数.可见Q 值越大,表示观察频数和理论频数越不接近;Q 值越小，说明观察频数和理论频数越接近.SPSS 将自动计算Q 统计量，由于Q 统计量服从K-1个自由度的X 平方分布，因此SPSS 将根据X 平方分布表给出Q 统计量所对应的相伴概率值。
如果相伴概率小于或等于用户的显著性水平，则应拒绝零假设H0，认为样本来自的总体分布形态与期望分布或理论分布存在显著差异；如果相伴概率值大于显著性水平，则不能拒绝零假设HO ，认为样本来自的总体分布形态与期望分布或理论分布不存在显著差异. 因此，总体分布的卡方检验是一种吻合性检验，比较适用于一个因素的多项分类数据分析.总体分布的卡方检验的数据是实际收集到的样本数据,而非频数数据。
二、实例某地一周内各日患忧郁症的人数分布如下表所示,请检验一周内各日人们忧实施步骤：1、打开SPSS 20。
非参数检验（卡方检验）,实验报告
非参数检验（卡方检验）,实验报告评分大理大学实验报告课程名称生物医学统计分析实验名称非参数检验(卡方检验)专业班级姓名学号实验日期实验地点2015—2016 学年度第学期一、实验目得对分类资料进行卡方检验。
二、实验环境1、硬件配置:处理器:Intel(R)Core(TM)i5-4210U CPU 1、7GHz 1、7GHz 安装内存(RAM):4、00GB系统类型:64 位操作系统 2、软件环境:IBM SPSS Statistics 19、0 软件三、实验内容(包括本实验要完成得实验问题及需要得相关知识简单概述)（1）课本第六章得例 6、1-6、5 运行一遍,注意理解结果;（2）然后将实验指导书得例 1-4 运行一遍,注意理解结果。
四、实验结果与分析(包括实验原理、数据得准备、运行过程分析、源程序(代码)、图形图象界面等)例例 6、1 表 1 灭螨A A 与灭螨B B 杀灭大蜂螨效果得交叉制表效果合计杀灭未杀灭组别灭螨A 32 12 44 灭螨B 14 22 36 合计 46 34 80 分析: 表1就是灭螨A与灭螨B杀灭大蜂螨效果得样本分类得频数分析表,即交叉列联表。
表 2 卡方检验X2 值df 渐进Sig、(双侧)精确Sig、(双侧)精确Sig、(单侧)Pearson 卡方 9、277a1、002连续校正b7、944 1、005似然比 9、419 1、002Fisher 得精确检验、003、002 有效案例中得 N 80a、0 单元格(、0%)得期望计数少于5。
最小期望计数为15、30。
b、仅对 2x2 表计算分析: 表2就是卡方检验得结果。
因为两组各自得结果互不影响,即相互独立。
对于这种频数表格式资料,在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量,才能进行卡方检验。
Pearson 卡方:皮尔逊卡方检验计算得卡方值(用于样本数n≥40且所有理论数E≥5);连续校正b : 连续性校正卡方值(df=1,只用于2*2列联表);似然比:对数似然比法计算得卡方值(类似皮尔逊卡方检验);Fisher 得精确检验:精确概率法计算得卡方值(用于理论数E<5)。
spss实验报告——非参数检验
实验报告——（非参数检验）实验目的：1、学会使用SPSS软件进行非参数检验。
2、熟悉非参数检验的概念及适用范围，掌握常见的秩和检验计算方法。
实验内容：1、某公司准备推出一个新产品，但产品名称还没有正式确定，决定进行抽样调查，在受访200人中，52人喜欢A名称，61人喜欢B名称，87人喜欢C 名称，请问ABC三种名称受欢迎的程度有无差别？(数据表自建)SPSS计算结果如下：此题为总体分布的卡方检验。
零假设：样本来自总体分布形态和期望分布没有显著差异。
即ABC三种名称受欢迎的程度无差别,分布形态为1：1：1，呈均匀分布。
观察结果，上表为200个观察数据对A、B、C三个名称（分别对应1，2，3）的喜爱的期望频数以及实际观察频数和期望频数的差。
从下表中可以看出相伴概率值为0.007小于显著性水平0.05，因此拒绝零假设，认为样本来自的总体分布与制定的期望分布有显著差异，即A、B、C三种名称受欢迎的程度有差异。
2、某村庄发生了一起集体食物中毒事件，经过调查，发现当地居民是直接饮用河水，研究者怀疑是河水污染所致，县按照可疑污染源的大致范围调查了沿河居民的中毒情况，河边33户有成员中毒（+）和均未中毒（-）的家庭分布如下：（案例数据run.sav）-+++*++++-+++-+++++----++----+----毒源问：中毒与饮水是否有关？SPSS计算结果如下：此题为单样本变量值随机检验零假设：总体某变量的变量值是随机出现的。
即中毒的家庭沿河分布的情况随机分布，与饮水无关。
相伴概率为0.036，小于显著性水平0.05，拒绝零假设，因此中毒与饮水有关。
3、某试验室用小白鼠观察某种抗癌新药的疗效，两组各10只小白鼠，以生存日数作为观察指标，试验结果如下，案例数据集为：npara1.sav，问两组小白鼠生存日数有无差别。
试验组：24 26 27 30 32 34 36 40 60 天以上对照组：4 6 7 9 10 10 12 13 16 16SPSS计算结果如下：此题为两独立样本非参数检验。
实验报告卡方检验
实验报告卡方检验实验报告：卡方检验1.实验目的本实验旨在通过卡方检验方法，验证两个或多个分类变量之间是否存在显著的关联性。
通过运用卡方检验方法，可以对观察数据与预期数据之间的差异进行分析，进一步判断所研究的因素是否具有统计学上的显著性差异。
2.实验步骤2.1设定假设：零假设（H0）：两个或多个分类变量之间不存在显著的关联性。
备择假设（H1）：两个或多个分类变量之间存在显著的关联性。
2.2收集数据：根据研究问题的要求，收集并整理相关的实验数据。
2.3计算期望频数：根据总体比例和样本容量，计算预期频数，以便与观察频数进行对比。
2.4计算卡方值：根据公式进行卡方值的计算，公式为：χ²=∑(Oi-Ei)²/Ei，其中Oi为观察频数，Ei为期望频数。
2.5设置显著性水平：根据研究问题的需求，设定显著性水平α，通常为0.05或0.012.6查卡方检验表：在给定的显著性水平下，查找卡方分布表中的临界值。
2.7判断结果：判断计算得到的卡方值是否大于临界值，若卡方值大于临界值，则拒绝零假设，即认为两个或多个分类变量之间存在显著的关联性。
3.实验结果与分析在我们的研究中，我们选择了两个单一的分类变量作为案例进行卡方检验。
我们的研究问题是：“在社区中，男性和女性是否对该社区的环境质量有着不同的看法？”我们统计了500名男性和500名女性对该社区环境质量的看法，并整理了以下数据（表格1）。
表格1：男性和女性对社区环境质量的看法------------------------------------，好，一般-----------------------------------男性，350，100，5------------------------------------女性，100，200，20------------------------------------我们首先计算了期望频数，以便进行卡方值的计算。
非参数统计实验(全)新
第四章 非参数统计实验参数统计学中的许多统计分析方法的应用对总体都有严格的假定，例如，t 检验要求总体服从正态分布，F 检验要求误差呈正态分布且各组方差为齐性的等等，然而在现实生活中，有许多总体的分布我们却是一无所知或知之甚少，所以在参数模型中所建立的统计推断就会失效，于是，人们希望在不假定总体分布的情况下，尽量从数据本身来获得所需要的信息。
这就是非参数统计的宗旨。
非参数统计方法简便，适用性强，但检验效率较低，应用时应加以考虑。
实验一 卡方检验（Chi-square test ）实验目的：掌握卡方检验方法。
实验内容：一、2χ拟合优度检验 二、2χ独立性检验 三、2χ齐性检验 实验工具：SPSS 非参数统计分析菜单项和Crosstabs 菜单项。
知识准备：一、卡方拟合优度检验2χ检验(Chi —Square Test) 适用于拟合优度检验，适用于定类变量的检验问题，用来检验实际观察数目与理论期望数目是否有显著差异。
当检验问题是实际分布是否与理论分布相符合时，在大样本时也可以用分类数据的卡方检验来解决，这时的卡方检验也称为分布拟合的卡方检验。
若样本分为k 类，每类实际观察频数为k f f f ,,,21 ，与其相对应的期望频数为ke e e ,,,21 ，则检验统计量2χ可以测度观察频数与期望频数之间的差异。
其计算公式为：∑∑-=-==期望频数期望频数实际频数2122)()(ki ii i e e f χ很显然，实际频数与望频数越接近，2χ值就越小，若2χ＝0，则上式中分子的每—项都必须是0，这意味着k 类中每一类观察频数与期望频数完全一样，即完全拟合。
2χ统计量可以用来测度实际观察频数与期望频数之间的拟合程度。
在H 0成立的条件下，样本容量n 充分大时，2χ统计量近似地服从自由度df ＝k-1的2χ分布，因而，可以根据给定的显著性水平α，在临界值表中查到相应的临界值)1(2-k αχ。
若)1(22-≥k αχχ，则拒绝H 0，否则不能拒绝H 0。
spss参数与非参数检验实验报告
(1).将一样本作为控制样本，另一样本作为实验样本。两样本混合后按升序排列；
(2).找出控制样本的跨度（最低秩和最高秩间的样品数）和截头跨度（去掉控制样本的最小值和最大值后的跨度）。若跨度（截头跨度）很小，认为样本存在极端反应。
以上四种检验的基本操作步骤：
(1)【Analyze】--->【Nonparametric Tests】--->【2 Independent Sample】
该检验可用来检验两个独立样本是否取自同一总体，它是最强的非参数检验之一。
基本思路：
1.将样本X和样本Y混合后作升序排列，计算每个数据的秩；
2.分别对两样本的秩求平均，得到两个平均秩，分别用W1=WX/m和W2=WY/n表示。
若W1和W2比较接近，则说明两个样本来自相同分布的总体，若W1和W2差异较大，则说明两个样本来自不同的总体。
(2)选择待检验变量到【Test Variable】框中
(3)指定存放样本标志值的变量到【Grouping Variable】框
(4)选择非参数检验方法
三、多个独立样本的非参数检验包括：中位数检验、Kruskal-Wallis H检验、Jonkheere-Terpstra检验
3.1中位数检验
（一）含义：通过对多组独立样本的分析，检验它们来自的总体的中位数是否存在显著差异。其原假设是：多个独立样本来自的多个总体的中位数无显著差异。
(2)选定待检验的变量到【Test Variable list】框中
(3)在【Cut Point】框中确定计算游程数的分界点
二、两个独立样本的非参数检验包括：Mann-Whitney U检验、K-S双样本检验、Wald-Wolfowitz游程检验、Moses极端反应检验
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
评分
大理大学实验报告
课程名称生「物医学统计分析
实验名称非参数检验(卡方检验)
专业班级
实验日期实验地点
2015—2016学年度第一2 学期
、实验目的
对分类资料进行卡方检验。
、实验环境
1、硬件配置：处理器：In tel(R)Core(TM) i5-4210U CPU @1.7GHz 1.7GHz 安装内存(RAM):
4.00GB 系统类型：64位操作系统
2、软件环境：IBM SPSS Statistics 19.0 软件
三、实验内容
（包括本实验要完成的实验问题及需要的相关知识简单概述
）
（1） 课本第六章的例6.1-6.5运行一遍，注意理解结果； （2） 然后将实验指导书的例 1-4运行一遍，注意理解结果。
四、 实验结果与分析
（包括实验原理、数据的准备、运行过程分析、源程序（代码）
例6.1
分析：表1是灭螨A 和灭螨B 杀灭大蜂螨效果的样本分类的频数分析表，即交叉列联表。
表2卡方检验
b.仅对2x2表计算
分析：表2是卡方检验的结果。
因为两组各自的结果互不影响，即相互独立。
对于这种频数表
格式资料，在卡方检验之前必须用“加权个案”命令将频数变量定义为加权变量，才能 进行卡方检验。
Pearson 卡方：皮尔逊卡方检验计算的卡方值（用于样本数
n > 40且所有理论数E > 5）;
连续校正b
：连续性校正卡方值（df=1 ,只用于2*2列联表）； 似然比：对数似然比法计算的卡方值（类似皮尔逊卡方检验）；
Fisher 的精确检验：精确概率法计算的卡方值（用于理论数
E<5）。
不同的资料应选用不同的卡方计算方法。
例6.1为2*2列联表，df=1，须用连续性校正公式，故采用“连续校正”行的统计结果。
X 2=7.944 , P （Sig ） =0.005<0.01，表明灭螨剂 A
组的杀螨率极显著高于灭螨剂
B 组。
例6.2
表3治疗方法*治疗效果交叉制表
计数
治疗效果
、图形图象界面等）
合计
分析：表4是卡方检验的结果。
自由度df=4，表格下方的注解表明理论次数小于5的格子数为0，最小的理论次数为6.13。
各理论次数均大于5,无须进行连续性校正，因此可以采用第
一行（Pearson卡方）的检验结果，即X2=1.428，P=0.839>0.05,差异不显著，可以认为
不同的治疗方法与治疗效果无关，即三种治疗方法对治疗效果的影响差异不显著。
例6.3
表5灌溉方式*稻叶情况交叉制表
分析：表5是灌溉方式*稻叶情况资料分析的列联表。
分析：表6是卡方检验的结果。
自由度df=4，样本数n=547。
表格下方的注解表明理论次数小于
5的格子数为0,最小的理论次数为8.78。
各理论次数均大于5,无须进行连续性校正，
因此可以采用第一行（Pearson卡方）的检验结果，即X2=5.622，P=0.229>0.05,差异不显著，即不同灌溉方式对稻叶情况的影响差异不显著。
例6.4
表7场地*奶牛类型交叉制表
分析：表5是场地*奶牛类型资料分析的列联表。
a. 3 单元格（33.3%）的期望计数少于5。
最小期望计数为 3.61
b.标准化统计量是-.848。
分析：表8是卡方检验的结果。
自由度df=4，样本数n=108。
表格下方的注解表明理论次数小于5的格子数为3,最小的理论次数为 3.61。
需采用精确概率法计算，即用第三行（Fisher
的精确检验）的检验结果，即X2=8.463，P=0.072>0.05,差异不显著，即3种奶牛牛场
不同类型奶牛的构成比对差异不显著。
例6.5
表9 LPA* FA 交叉制表
分析：表9是LPA* FA资料分析的列联表。
表10配对卡方检验
分析：表10是LPA和FA两种检测方法的配对卡方检验。
由于b+c<40,S PSS选用二项分布的直接
计算概率法(相当于进行了精确校正)，计算该配对资料的检验的精确双侧概率，并且不能给出卡方值。
本例
P=0.125>0.05，差异不显著，即LPA法和FA法对番鸭细小病毒抗
原的检出率差异不显著。
b.使用渐进标准误差假定零假设。
分析：表11为LPA和FA两种检测结果的的一致性检验。
Kappa值是内部一致性系数，除数据P值判断一致性有无统计学意义外，根据经验，Kappa》0.75，表明两者一致性较好0.7>Kappa
> 0.4，表明一致性一般，Kappa<0.4，则表明一致性较差。
本例Kappa值为0.680，P=0.000<0.01 ,拒绝无效假设，即认为两种检测方法结果存在一致性，Kappa值=0.680 , 0.7>Kappa > 0.4，表明一致性一般。
例1
表结果显示一周内各日死亡的理论数( )为，即一周内各日死亡均数;
还算出实际死亡数与理论死亡数的差值( Residual )。
表13 检验统计量
周日
2.875 a
卡方
df
渐近显著性
a. 0个单元（.0%）具有小于5的期望频率。
单元最小期望频率为
16.0。
分析：Chi-Square 过程，调用此过程可对样本数据的分布进行卡方检验。
卡方检验适用于配合 卡方值X 2
=2.875，自由
度数（df ）
=6, P=0.824>0.05，差异不显著，即可认为一周内各日的死亡危险性是相同的。
调用过程可对样本资料进行二项分布分析。
表 的二项分布检验表明，女婴
名，男婴28名，观察概率为0.70 （即男婴占70%，检验概率为0.50，二项分布检验的 结果是双侧概率为0.017，可认为男女比例的差异有高度显著性，即与通常 0.5的性比例
相比，该地男婴比女婴明显为多。
过程：调用此过程可对两个独立样本的均数、中位数、离散趋势、
.824 度检验，主要用于分析实际频数与某理论频数是否相符。
偏度等进行差异比较检验。
有四种检验方法: Mann-Whitney U :主要用于判别两个独立
样本所属的总体是否有相同的分布； Kolmogorov-Smirnov Z :推测两个样本是否来自具
有相同分布的总体；
Moses extreme reactio ns :检验两个独立样本之观察值的散布范
围是否有差异存在，以检验两个样本是否来自具有同一分布的总体;
Wald-Wolfowitz
runs :考察两个独立样本是否来自具有相同分布的总体。
表16
检验统计量b
血铅值
Mann-Whitney U Wilcoxon W
渐近显著性（双侧）
精确显著性［2* （单侧显著性）］
a.没有对结进行修正。
b. 分组变量：group
4.500 59.500 -2.980
.003 .001
分析：本例选Mann-Whitney □检验方法，表15结果表明，第1组的平均秩次(MeanRank)为5.95 , 第2组的平均秩次为13.36，U = 4.5，W = 93.5，精确双侧概率P = 0.001，可认为铅作
业组工人的血铅值高于非铅作业组。
表17 grou p* effect 交叉制表
分析：表17是group* effect 资料分析的列联表。
b.仅对2x2表计算
分析：表18卡方检验资料n=200>40 ,表格下方的注解表明理论次数小于5的格子数为0,最小的理论次数为12.48。
,可取Pearson卡方值和似然比(Likelihood ratio) 值，二者值分
别为12.857和13.588,P<0.01,试验组和对照组的疗效差别有统计学意义,可认为异梨醇口服液降低颅内压的疗效优于氢氯噻嗪+地塞米松。
手写签名:。