SPSS17.0在生物统计学中的应用-实验七-卡方检验
SPSS在生物统计学中的应用 ——实验指导手册
实验七：卡方检验 一、实验目标与要求 1．帮助学生深入了解卡方检验的基本概念，掌握卡方检验的基本思想和原理 2．掌握卡方检验的过程。
二、实验原理 卡方检验适用于次数分布的检验，比如次数分布是否与某种理想的分布一致，或者不同样本同类测量分数次数分布是否一致。对于前者，先要确定一个理想的次数分布比例，然后将观测的某一次数分布与其比较，确定二者的差异性，并用X2来反映。 X2 越小 ，则差异越小 ，该样本的观测分布越有可能适合于理想分布； X2 越大 ，则差异越大 ，其服从于理想分布的可能性就越小。当服从理想分布的伴随概率小于0.05时，就认为该次数分布与理想的分布有显著性差异。 不同样本中测量分数的次数分布使用卡方检验时，如果卡方足够大，该观测在两个样本中的次数分布服从于同一总体的概率小于0.05时，则认为样本间存在显著性差异。
三、实验演示内容与步骤 ㈠ 适合性检验 比较观测数与理论数是否符合的假设检验(compatibility test),也称吻合性检验或拟合优度检验(goodness of fit test).。 【例】有一鲤鱼遗传试验,以红色和青灰色杂交,其F2代获得不同分离尾数,问观测值是否符合孟德尔3:1遗传定律. 体色 青灰色 红色 总数 F2观测尾数 1503 99 1602
1. 定义变量： 2. 输入变量值 3. 选择菜单1：点击菜单【数据】→【加权个案】→弹出“加权个案”对话框
→ 4. 选择菜单2：点击菜单【分析】→【非参数检验】→【卡方】→弹出“卡方检验”对话框 点击【选项】按钮，弹出“卡方检验：选项”对话框，选择“描述性”，点击【继续】 点击【确定】在输出结果视图中看分析结果 基本统计量 Descriptive Statistics N Mean Std. Deviation Minimum Maximum 观测尾数 1602 1416.24 338.172 99 1503
观测尾数 Observed N 实测频数 Expected N 理论频数 Residual 偏差
99 99 400.5 -301.5 1503 1503 1201.5 301.5 Total 1602
Test Statistics 观测尾数 Chi-Square 卡方值 302.629a df 1 Asymp. Sig. .000 a. 0 cells (.0%) have expected frequencies less than 5. The minimum expected cell frequency is 400.5. ㈡ 独立性检验 又叫列联表（contigency table）χ2检验，它是研究两个或两个以上因子彼此之间是独立还是相互影响的一类统计方法。
【例】考察不同灌溉方式对水稻叶子衰老是否有影响。几种灌溉方式下的叶态表现调查结果 叶态 频数 灌溉方式 绿叶 黄叶 枯叶 总数
深水 146（141.57） 7（8.83） 8（10.596） 161 浅水 183（179.39） 9（11.188） 12（13.426） 204 湿润 152（160.04） 14（9.98） 16（11.978） 182 总数 481 30 36 547 先将水稻分为3组，第一组用采用深水灌溉，第二组采用浅水灌溉，第三组采用湿润灌溉，然后统计每种灌溉方式下，水稻三种叶子（绿叶、黄叶、枯叶）出现的频数。 这时需要分析灌溉方式与叶态表现是否相关，若两者彼此相关，表明叶态表现因灌溉方式不同而异，即三种灌溉方式对叶态表现的影响不相同；若两者相互独立，表明三种灌溉方式对叶态表现的影响相同。 这种根据频数资料判断两类因子彼此相关或相互独立的假设检验就是独立性检验。独立性检验实际上是基于频数资料对因子间相关性的研究。 根据概率乘法法则，若事件A和事件A是独立的，或者说它们之间无关联，这时事件A和事件B同时出现的概率等于它们分别出现时概率的乘积。
1、数据格式
2、选择菜单1：点击菜单【数据】→【加权个案】→弹出“加权个案”对话框 2、选择菜单2：点击菜单【分析】→【描述统计】→【交叉表】→弹出“交叉表”对话框 点击【统计量】按钮，弹出“交叉表：统计量”对话框，选择“卡方”，点击【继续】 点击【确定】在输出结果视图中看分析结果
交叉表 灌溉方式 * 稻叶情况 Crosstabulation Count 稻叶情况 Total 1 2 3 灌溉方式 1 146 7 7 160 2 183 9 13 205 3 152 14 16 182 Total 481 30 36 547
Chi-Square Tests Value df Asymp. Sig. (2-sided) Pearson Chi-Square常用卡方值 5.622a 4 .229 Likelihood Ratio连续性校正卡方值 5.535 4 .237 Linear-by-Linear Association对数释然比法卡方值 4.510 1 .034 N of Valid Cases有效记录数 547 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 8.78. ㈢ 两个率的比较 【课本例题13.11】为检验新措施对防治仔猪白痢是否优于传统措施，研究试验后得到如下资料 存亡 1 2 措施 1 114 36 2 132 18 措施 * 存亡 Crosstabulation Count
存亡 Total 死亡 治愈 措施 旧措施 18 132 150 新措施 36 114 150 Total 54 246 300
Chi-Square Tests Value df Asymp. Sig. (2-sided) Exact Sig. (2-sided) Exact Sig. (1-sided) Pearson Chi-Square 7.317a 1 .007 Continuity Correctionb 6.527 1 .011 Likelihood Ratio 7.435 1 .006 Fisher's Exact Test .010 .005 N of Valid Cases 300 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 27.00. b. Computed only for a 2x2 table
与课本第202页的结果进行比较 【例题】某养猪场第一年养猪225头，死亡23头；第二年养猪368头，死亡28头。试检验这两年猪的死亡率是否有显著差异？ 存亡 1 2 年份 1 146 23 2 183 28
㈣ 单个率的检验（样本率与总体率的比较） 【例】 有一批蔬菜种子的平均发芽率PO=0.85，现随机抽取500粒，有种衣剂进行浸种处理，结果有445粒发芽，试检验种衣剂对种子发芽率有无效果。 因平均发芽率PO=0.85，检验比例输入0.85 Binomial Test Category N Observed Prop. 试验频率 Test Prop 检测标准概率. Asymp. Sig. (1-tailed) 检验集结果：显著性水平概率
出芽记录 Group 1 445 445 0.89（发芽频率） 0.85 0.006a Group 2 55 55 0.11（未发芽频率）
Total 500 1.00 a. Based on Z Approximation.基于Z近似（大样本近似正态分布假设） 卡方检验： 出芽记录 出芽 未出芽 种子处理 未用包衣剂 200 170 使用包衣剂 445 55
种子处理 * 出芽情况 Crosstabulation Count
出芽情况 Total 出芽 未出芽 种子处理 使用包衣剂 445 55 500 未用包衣剂 200 170 370 Total 645 225 870
Chi-Square Tests Value df Asymp. Sig. (2-sided) Exact Sig. (2-sided) Exact Sig. (1-sided) Pearson Chi-Square 135.439a 1 .000
Continuity Correctionb 133.622 1 .000
Likelihood Ratio 137.591 1 .000
Fisher's Exact Test .000 .000
N of Valid Cases 870
a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 95.69. b. Computed only for a 2x2 table
论文格式设置 卡方检验方法17.0
利用SPSS17.0软件进行卡方检验[日期：2012-12-06] 来源：检验科作者：胡佰胜[字体：大中小] 在医学论文写作中，通常要用到Pearson卡方检验。
用途：用于检验两个或多个率或构成比的差别有无统计学意义的方法。
它常用于四格表和行列资料的分析，基于无效假设成立时理论频数与实际频数的差别不大的思想进行假设检验。
它对样本量有一定的要求，样本量条件不满足时，需使用其他方法如校正卡方或确切概率法检验。
对下面一组数据分别进行卡方检验。
2005－2007年高一新生HBSAg检测结果1.分组1＝男生 2＝女生；类别 1＝阳性人数 2＝阴性人数2.打开SPSS界面：3.编辑菜单，插入变量→类别、分组、频数。
4.在类别、分组、频数中输入相应数值。
5.数据菜单，个案加权→选中频数→单击确定。
6.分析菜单→描述统计→交叉表→把分组加入到行,把类别加入到列, 单击统计量，选中卡方，单击继续，单击确定。
7. 卡方检验（X2）结果显示如下：8.依照上述方法可以对2006年及2007年进行卡方检验（X2）结果，其结果分别为15.2、16.9。
一、文字样式部分文章有很多种字体格式，一个一个的修改很麻烦，所以在工作之前先要设置一下。
一般分为：正文、图片表格标题、大标题（目录级别）等，首先点菜单栏（是这么叫吧）上的格式，点格式和样式在右侧出现格式和样式，点新样式，出现新建样式对话框，根据要求设置格式。
然后选中需要更改的文字，点击右面设置的样式即可。
二、如何加入目录目录不可少，教给大家一个我用的方法吧，有别的简单方法，我分享过，注意修改格式。
现在说说我这个方法：1.一般目录分为n个级别，一般有3个级别（根据报告不同而不同）如图2.设置标题级别：选中需要设置级别（目录）的标题，右击选“段落”，如图。
3.出现段落后设置级别：大纲级别选择1级，如图。
同理，各个级别也这样选择。
4.注意：每个标题写的文字格式最好一样，如1.1（空格）球墨铸铁概况那么下一个如1.2（空格）球墨铸铁概况，2.1（空格）球墨铸铁概况也同样有空格，而且需要注意标点符号是英文点还是中文圈。
用SPSS进行不同变量多组间两两比较卡方检验
用SPSS进行不同变量多组间两两比较卡方检验在使用SPSS进行不同变量多组间两两比较卡方检验时，我们可以按照以下步骤进行操作：一、实验设计在进行卡方检验之前，需要明确变量的分类和分组情况。
假设我们有一个调查数据集，其中包含一个自变量（X）和一个因变量（Y），分别有三个水平（A、B、C）和四个水平（D、E、F、G）。
我们的目标是检验自变量（X）的不同水平对因变量（Y）的影响是否显著。
二、导入数据将收集到的数据导入SPSS软件。
确保数据格式正确，变量的水平设置正确。
三、设置分析参数在SPSS的菜单栏选择“分析（Analyze）” - “描述统计（Descriptive Statistics）” - “交叉表（Crosstabs）”。
四、选择变量在交叉表对话框中，将因变量（Y）拖入“行”框中，自变量（X）拖入“列”框中。
点击“统计”按钮。
五、设置统计参数在统计对话框中，选择需要计算的统计量。
在这里，我们需要进行卡方检验，因此选择“卡方（Chi-square）”选项。
点击“继续”按钮。
六、进行卡方检验点击“OK”按钮，SPSS将生成卡方检验结果表格。
此表格显示了各个变量水平之间的卡方值、自由度和显著性水平。
七、结果解读根据卡方检验结果表格，我们可以判断各个变量水平之间的差异是否显著。
卡方值越大，说明差异越显著；相应地，显著性水平（p-value）越小，说明差异越显著。
如果p-value小于设定的显著性水平（通常为0.05），则可以拒绝原假设，即认为变量之间存在显著差异。
八、结果报告根据卡方检验结果生成一个简明的报告。
报告应包括所使用的统计方法，统计检验结果和结论。
可以用表格或图表展示数据，以便更直观地描述结果。
以上是使用SPSS进行不同变量多组间两两比较卡方检验的步骤。
通过这些步骤，我们可以得出结论，确定各个变量水平之间是否存在显著差异。
这为我们研究相关问题提供了可靠的数据支持。
SPSS卡方检验教程
（二）配对设计的两样本率比较的假设检验
例5
χ2检验及P值
（三）完全随机设计的多个样本率比较的假设检验
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
( A − T )2 A2 χ2 = Σ = n (Σ − 1) T nR nC ν＝（R－1）（C－1）
当χ2 ≥χ20.05,ν时，P≤0.05，拒绝H0 。 当χ2 <χ20.05,ν时，P>0.05，接受H0 。
五、完全随机设计的多个样本率比较的假设检验
（三）注意事项 1.当P≤0.05，拒绝H0时，总的说来各组总体率有差别，但 并不意味着任何两组总体率都有差别：可能是任何两者间 都有差别，也可能其中某两者间有差别，而其它组间无差 别。目前尚无公认的进一步两两比较的方法（可考虑采用 Logistic回归）。 2.当有1个格子的理论数小于1或者1/5以上格子的理论数小 于5时，不宜采用卡方检验，推荐精确概率法（SPSS10.0 以上已经有行×列表的精确概率法）。
p ± 1.96S p
三、完全随机设计的两样本率比较的假设检验
（一）假设检验的目的：推断π1 ＝ π2 ？ H0：π1=π2 （二）方法： H1：π1≠π2
( A − T )2 χ2 = Σ T
当χ2 ≥χ20.05,1=3.84时，P≤0.05，拒绝H0 。 当χ2 <χ20.05,1=3.84时，P>0.0r 精确概 率法
P值
2格理论数小于5，最小理论数为3.79
（二）配对设计的两样本率比较的假设检验
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%
SPSS卡方分析实验报告
实验八：卡方检验一、实验目的：学习利用spss进行卡方检验，包括配合度检验、独立性检验、同质性检验。
二、实验内容：1.专家对某些产品的等级评定如表1所示，试分析专家的不同等级评定是否有一致。
2.某校对学生的课外活动内容进行调查结果如表2所示，试分析男女学生在课外活动内容上是否有关联。
3.教学评比成绩效应表如表3所示，试分析两次测验结果是否能合并。
三、实验步骤：1.对个案进行加权，选择数据→加权个案，弹出窗口，选择加权连续数据count。
2.选择分析→非参数检验→卡方，弹出窗口，设置专家的评定等级为检验变量，再对精确和选项进行设置，一般卡方分析都选择渐进法。
点击确定，得出配合度分析结果。
3.对个案进行加权，选择数据→加权个案，弹出窗口，选择加权连续数据人数。
4.选择分析→描述统计→交叉表，弹出窗口，选择活动内容和性别分为为交叉表的行和列，对统计量和单元格进行描述。
统计量选择卡方，单元格显示观察值和理论值。
点击确定，得出独立性检验结果。
5.步骤和三四步骤基本相同，但在统计量设置时，还需用到mcnemar检验，点击确定，得出同质性检验结果。
四、实验图表及步骤图示：表1表2表3五、实验结果及分析：分析一：由结果得渐进显著性为0.141，说明专家的不同等级评定是无显著差异。
分析二：由结果可知，p=0.016<0.05,说明男女学生在课外活动内容选择上有差别。
分析三：由结果可知各种检验结果都表明p=0.000<0.05,说明两次测验结果差异显著，不能合并。
六、实验小结：通过本次试验我掌握了卡方分析的基本步骤，但操作时我发现得结合理论知识，通过自己的理解操作起来才会更简单。
同时，假设设计、数据类型和输入数据方式环节尤其重要，某个环节出错，整个结果都是无效的。
一句话，基础功得扎实。
SPSS知识6：卡方检验（无序变量）
SPSS知识6：卡方检验（无序变量）卡方检验定义：卡方检验用作分类计数的假设检验方法：检验两个或多个样本率或构成比之间的差别是否有统计学意义→从而推断两个或多个总体率或构成比之间的差别是否有统计学意义。
一、行*列卡方检验（只需要判断最小理论频数即可）SPSS操作：第一步：建立数据文件（group：横标目，type：纵标目-无序变量，f→共3列数据）；第二步：对频数f加权（weight cases）；第三步：卡方分析（analyze→descriptive statistics →crosstabs→横标目group调入rows，纵标目types调入columns→点击statistics…→激活Chi-square→continue→点击cells…→激活row行百分数→continue→OK）；第四步：判断结果（结果有2个图表，根据最小理论频数与5的比较和总例数与40的比较，判断是选用pearson Chi-square还是其他指标，读取对应P值，若P＜0.05，则有差异，需要利用行*列分割进行22比较，检验水准也需要变化，因为扩大了第一类错误）。
第五步：两两比较（对group横标目设不同的missing value值后进行行*列分割计算。
）Missing value→重复analyze操作。
二、四格表卡方检验（要根据N和T判断选用四格表卡方专用公式、校正公式、确切概率法？）SPSS操作：第一步：建立数据文件（group：横标目，effect：纵标目-无序变量，f，频数→共计3列数据）；第二步：对频数加权（weight cases）；第三步：卡方分析（analyze→descriptive statistics →crosstabs→group调入rows，effect调入columns →点击statistics…→激活chi-square→continue→点击cells…→激活rows 百分数→continue→OK）；第四步：判断结果（根据N和T判断选用公式→判断P值）。
SPSS 卡方检验 PPT
• 结果3：OR的均一性检验,用两种方法比较 性别之间OR是否存在差异（p=0.001）。 说明男性高于女性
• 结果4：又称协变量分析，将性别当做协变 量，即剔除性别这个影响后吸烟与肺癌的
关系。结果显示在剔除性别影响后，吸烟
和肺癌仍然显著相关，即吸烟史导致肺癌 的危险因素。
• 结果5：又称公共OR值估计，合并OR值为2.812，95%置 信区间不包括1，且与1相比差异有显著性（p=0.000）
结果1：男性卡方检验p=0.000 女性p=0.584
关于OR值
• Odds Ratio:相对危险度（也称比值比、优 势比）
• 指病例组中暴露人数与非暴露人数的比值 除以对照组中暴露人数与非暴露人数的比 值。
• 涵义：暴露者的疾病危险度为非暴露者的 多少倍。OR>1说明疾病的危险度因暴露而 增加，暴露与疾病为“正”关联。OR<1说 明疾病的危险度因暴露而减少，“负”关 联
Spss18.0操作 点击“数据”——选择“加权个案”
• 弹出下列窗口 选择加权个案，并将变量“freq”拉进框内
（3）卡方检验操作： 分别选择 “分析” “统计描述” “交叉表”
如右图
大家有疑问的，可以询问和交流
可以互相讨论下，主对话框 1.行变量 本例选择“group” 2.列变量 本例选择“effect”
证检验假设中I型错误 的概率不变。
• 重新规定检验标准的估计方法有两种
• 1.多个实验组间的两两比较 分析目的为k个 实验组间，任两个率进行比较 ，公式如下
'
k(k 1)/21
例 3个实验组间的两两比较，其检验水准 ' 用上 面公式估计如下
• 点击右边“统计量”选项，弹出对话框 （如下图）
SPSS进行卡方检验具体操作(二)
2 c
2
( A T 0.5) T
n 2 2
2
(|ad-bc|- ) n c =(a+b)(c+d )(a+c)(b+d )
卡方检验
■ 四格表资料的χ2检验
2.当n≥40 但有1≤T＜5时，用四格表资料χ2检验的校正公式；或改用四 格表资料的Fisher确切概率法。 例题：某医师欲比较胞磷胆碱与神经节苷酯治疗脑血管疾病的疗效，将 78 例脑血管疾病患者随机分为两组，结果见表。问两种药物治疗脑血管疾病 的有效率是否相等？
卡方检验
■ 行×列表资料的χ2检验
多个样本率的比较
例题 某医师研究物理疗法、药物治疗和外用膏药三种疗法治疗周围性面 神经麻痹的疗效，资料见下表。问三种疗法的有效率有无差别？
卡方检验
■ 行×列表资料的χ2检验
多个样本率的比较
卡方检验
■ 行×列表资料的χ2检验
多个样本率的比较
卡方检验
卡方检验
■ 行×列表资料的χ2检验
行×列表资料χ2检验的注意事项
表 2 治疗组与对照组疗效比较 例 数 无效 6 14 有效 35 24 显效 19 20 百分比（%） 无效 10.00 24.14 有效 58.33 41.38 显效 31.67 34.48
例如，假定两组的显效 组别 例数 例数和有效例数互换， 治疗组 60 见表2。
Coxhran Armitage 趋势检验（Cochran Armitage trend test ）
卡方检验
■ 有序分组资料的线性趋势 χ2检验
SPSS进行卡方检验具体操作(一)
SPSS结果
统计表格式
新药与对照药治疗感冒的效果
分组
无效人 有效人
数
数
合计
新药 10 对照药 17
50
60
52
69
合计 27
102
129
有效率 %
83.3 75.4 80.6来自 Chi-Square Tests
Pearson Chi-Square Continuity Correctiona Likelihood Ratio Fisher's Ex act Test Linea r-by-Line ar A ssociat ion
效有差异。
四个表卡方检验应用条件
1．当n>40，且所有T≥5时，用
Pearson 2值。
2．当n>40，但有1<T<5时，需
用连续校正2值。
3．若n≤40，或T≤1时，需用确
切概率值。
二、多个率（构成比）的2检验
例 五种食品的真菌检验结果, 试 比较它们的真菌检出率有无差异？ 卡方2.SAV
乙培养基
＋
－
合计
＋
11
9
20
－
1
7
8
合计
12
15
28
SPSS操作(一)
数据加权处理 Dataweight case weight case by : 例数 OK
SPSS操作（二）
analyze descriptive crosstables row: 甲培养基 columns: 乙培养基 Statistics: McNemar OK
Likelihood Ratio
34 . 487
4
SPSS卡方检验的操作原理
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）
沈毅
四格表卡方检验
几种卡方检验的比较： 连续性校正χ2检验：
仅适用于四格表资料，在n>40，所有期望频数均大于1，只有1/5单元 格的期望频数大于1小于5时；
Fisher精确概率法：
在样本含量<40或有格子的期望频数<1的列联表，应该采用该法；
似然比χ2检验：
当n>40，最小期望频数>5时，结论与Pearson χ2基本一致；
结果分析
表示药物加化疗与单用药物治疗某种癌症的疗效比较的行 ×列表，除了观察值以外，还有期望值。 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
结果分析
此为四格表χ2检验的结果，χ2＝6.508，P＝0.011，差异有显著性 意义，即药物加化疗与单用药物治疗癌症的疗效有显著性差异。
浙江大学医学院流行病与卫生统计学教研室
卡方检验基础卡方分布浙江大学医学院流行病与卫生统计学教研室沈毅检验某个连续变量的分布是否与某种理论分布一致如是否符合正态分布possion分布等检验某个分类变量各类的出现概率是否等于指定概率检验两个分类变量是否相互独立如吸烟是否与呼吸道疾病有关检验控制某种或某几种分类变量因素的作用之后另两个分类变量是否独立如上例控制年龄性别之后吸烟是否与呼吸道疾病有关检验两种方法的结果是否一致如两种诊断方法对同一批人进行诊断其诊断结果是否一致卡方检验基础用途浙江大学医学院流行病与卫生统计学教研室沈毅例1某种药物加化疗与单用某种药物治疗的两种处理方法观察对某种癌症的疗效结果见下表