多个样本率的卡方检验及其两两比较 之 spss 超简单
-*
SPSS：多个样本率的卡方检验及两两比
较
来自：医咖会
医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙
伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来
看详细教程吧！
1、问题与数据
某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、
减少体重及改善饮食习惯等。
该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。其中一
组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。经过6个月的试验后，
该医生重新测量受试者的胆固醇浓度，分为高和正常两类。
该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度
（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：
-*
注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临
床诊断结果。
2、对问题的分析
研究者想判断干预后多个分组情况的不同。如本研究中经过降胆固醇药物、饮食和运
动干预后，比较各组胆固醇浓度的变化情况。针对这种情况，我们建议使用卡方检验
(2×C)，但需要先满足5项假设：
假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二
分类变量。
假设2：存在多个分组（>2个），如本研究有3个不同的干预组。
假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相
互干扰。
假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差
的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，
如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。
假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。
经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)
呢？
3、思维导图
-*
4、SPSS操作
4.1 数据加权
在进行正式操作之前，我们需要先对数据加权，如下：
(1) 在主页面点击Data→Weight Cases
-*
弹出下图：
-*
(2) 点击Weight cases by，激活Frequency Variable窗口
(3) 将freq变量放入Frequency Variable栏
-*
(4) 点击OK
4.2 检验假设5
数据加权之后，我们要判断研究数据是否满足样本量要求，如下：
(1) 在主页面点击Analyze→Descriptive Statistics→Crosstabs
弹出下图：
-*
(2) 将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏
-*
(3) 点击Statistics，弹出下图：
(4) 点击Chi-square
-*
(5) 点击Continue→Cells
(6) 点击Counts栏中的Expected选项
-*
(7) 点击Continue→OK
经上述操作，SPSS输出预期频数结果如下：
该表显示，本研究最小的预测频数是24.7，大于5，满足假设5，具有足够的样本
量。Chi-Square Tests 表格也对该结果做出提示，如下标注部分：
即在本研究中，没有小于5的预测频数，可以直接进行卡方检验(2×C)。那么，如果
存在预测频数小于5的情况，我们应该怎么办呢？一般来说，如果预测频数小于5，就需
要进行Fisher精确检验(2×C)，我们将在后面推送的内容中向大家详细介绍。
4.3 卡方检验(2×C)的SPSS操作
(1)
-*
弹出下图：
(2)
-*
(3)
(4)
-*
(5) 点击Percentage栏中的Column选项
(6)
-*
4.4 组间比较
(1)
弹出下图：
-*
(2) 点击Cells，弹出下图：
-*
(3) 点击z-test栏中的Compare column proportions和Adjust p-values (Bonferroni
method)选项
(4)
5、结果解释
5.1 统计描述
在进行卡方检验(2×C)的结果分析之前，我们需要先对研究数据有个基本的了解。
SPSS输出结果如下：
-*
该表提示，本研究共有150位受试者，根据干预方式均分为3组。在试验结束时，药
物干预组的50位受试者中有16位胆固醇浓度高，饮食干预组的50位受试者中有28位胆
固醇浓度高，而运动干预组的50位受试者中有30位胆固醇浓度高，如下标注部分：
由此可见，药物干预比饮食或运动干预的疗效更好。同时，该表也提示，药物干预组
的50位受试者中有34位胆固醇浓度下降，饮食干预组的50位受试者中有22位胆固醇浓
度下降，而运动干预组的50位受试者中只有20位胆固醇浓度下降，如下标注部分：
但是，当各组样本量不同时，频数会误导人们对数据的理解。因此，我们推荐使用频
率来分析结果，如下标注部分：
-*
该表提示，药物干预组的50位受试者中68%胆固醇浓度下降，饮食干预组的50位受
试者中44%胆固醇浓度下降，而运动干预组的50位受试者中只有40%胆固醇浓度下降，
提示药物干预比饮食和运动干预更有效。但是这种直接的数据比较可能受到抽样误差的影
响，可信性不强，我们还需要进行统计学检验。
5.2 卡方检验(2×C)结果
本研究中任一预测频数均大于5，所以根据Chi-Square Tests表格分析各组的差别。
SPSS输出检验结果如下：
卡方检验(2×C)结果显示 χ2=9.175，P = 0.010，说明本研究中各组之间率的差值与0
的差异具有统计学意义，提示药物干预与饮食、运动干预在降低受试者胆固醇浓度的作用
上存在不同。如果P>0.05，那么就说明各组之间率的差值与0的差异没有统计学意义，即
不认为各组之间存在差异。
5.3 卡方检验(2×C)中的成对比较分析
-*
如果卡方检验(2×C)的P<0.05，说明至少有两组之间的差异存在统计学意义。SPSS
输出的risk_level * intervention Crosstabulation表格通过数字标记提示了两两比较的结
果，如下标注部分：
大家可能会注意到，每组数据的标记相同（即上下两行的标记相同），那么我们只要
知道组间标记的作用即可。
那么，risk_level * intervention Cross tabulation表格的标记是什么意思呢？第一种情
况，各组间无差异，如下：
-*
如上图，各组间标记一致，说明各组之间无差异。第二种情况，任意两组之间均存在
差异，如下：
即每组标记字母均不相同，说明任意两组之间的差异均存在统计学意义。第三种情
况，有些组之间存在差异，而另一些组之间的差异没有统计学意义，如下：
-*
如果任两组之间标记字母相同，说明这两组之间的差异没有统计学意义；如果两组标
记字母不同，说明这两组之间的差异存在统计学意义。
根据这一原则，分析本研究结果如下：
该表说明，在本研究中，药物干预的降胆固醇作用(“a”)与饮食干预的降胆固醇作用
(“b”)的差异存在统计学意义(P<0.05)，药物干预的降胆固醇作用(“a”)也与运动干预的降胆
固醇作用(“b”)的差异存在统计学意义(P<0.05)，而饮食干预(“b”)与运动干预(“b”)在降胆固醇
的作用上没有差异。
6、撰写结论
6.1 若卡方检验(2×C)的P<0.05
本研究招募150位高胆固醇、生活习惯差的受试者，随机分组后分别给予药物、饮食
和运动干预。试验结束时，药物干预组有34位(68%)胆固醇浓度下降，饮食干预组有22
位(44%)胆固醇浓度下降，而运动干预组有20位(40%)胆固醇浓度下降，三组差异具有统
计学意义(P=0.010)。
-*
成对比较结果提示，药物干预的降胆固醇效果好于饮食或运动干预(P<0.05)，而饮食
与运动干预在降低胆固醇浓度上的作用无差异(P>0.05)。
6.2 若卡方检验(2×C)的P≥0.05
本研究招募150位高胆固醇、生活习惯差的受试者，随机分组后分别给予药物、饮食
和运动干预。试验结束时，药物干预组有24位(48%)胆固醇浓度下降，饮食干预组有22
位(44%)胆固醇浓度下降，而运动干预组有20位(40%)胆固醇浓度下降，三组结果的差异
没有统计学意义（P=0.620）。
卡方检验及SPSS分析
Data Weight Cases
• ③ x2检验：从菜单选择 分析 描述统计 交叉表
Analyze Descriptive Statistics Crosstabs • 结合数据（例3.sav）演示操作过程。
实际频数 理论频数
Fisher确切概率
第二节
2
配对资料的 检验 x2 test of paired fourfold data
某新药治疗原发性高血压的疗效
分组
有效
无效
合计
有效率（）
试验组
20(a)
8(b)
28
71.43
对照组
2(c)
6(d)
8
25.00
合计
22
14
36
61.11
*例3. x2检验----Fisher确切概率法
（一）适用条件
① T<1或 n<40 ② P≈
（二）基本思想（超几何分布）
在四格表周边合计不变的条件下，直接计算表内四个数据的各
以认为两种剂量注射的结果不同。
SPSS操作过程
• ①建立数据文件：例4.sav 数据格式：包括4行3列的频数格式，三个变量分别为行变量、列变量和频数变 量。
• ②说明频数变量：数据 加权个案
Data Weight Cases
• ③ x2检验：从菜单选择 分析 描述统计 交叉表
Analyze Descriptive Statistics Crosstabs • 统计量Statistics： √ McNemar
mcnemarkappa?选中进行配对卡方检验??p005p005按按005005水准拒绝水准拒绝h0h0接受接受h1h1可以认为两种剂量的毒性有差异可以认为两种剂量的毒性有差异??甲剂量组的死亡率较高因为甲剂量组的死亡率较高因为bc?48?配对四格表mcnemar检验?kappa系数在pearson卡方检验中对行变量和列变量的相关性作检验其中行变量和列变量是一个事物的两个不同属性
卡方检验SPSS操作
卡方检验SPSS操作卡方检验是一种统计方法，用于比较观察频数与期望频数之间的差异是否显著。
它适用于比较两个或多个分类变量之间的关系，并确定这些变量是否相互独立。
在SPSS中，可以使用交叉表和卡方检验命令来执行卡方检验。
首先，打开SPSS软件并导入待分析的数据文件。
然后，选择“数据”菜单中的“交叉表”选项。
在弹出的交叉表对话框中，将要分析的变量拖拽到“行”和“列”的方框中。
假设我们要比较性别和喜好电影类型之间的关系，那么将性别拖拽到“行”，将电影类型拖拽到“列”。
接下来，在交叉表对话框中，点击“统计”按钮。
在弹出的统计对话框中，选择“卡方”选项，并点击“继续”按钮。
然后，点击“确定”按钮生成交叉表。
SPSS将显示交叉表的结果，包括观察频数、期望频数、卡方值和p值等。
在卡方检验中，我们通过观察频数和期望频数之间的差异来判断两个变量是否相关。
如果差异较大，卡方值较大，p值较小，则说明两个变量之间存在显著关系。
不管是使用交叉表还是描述统计方法进行卡方检验，都需要注意以下几点：1.样本数据应该是随机抽取的，并且足够大。
2.对于交叉表中的每个单元格，期望频数应当大于等于5，以确保卡方检验的可靠性。
3.卡方检验只能检验两个或多个分类变量之间的关系，不能用于比较连续变量。
4.如果卡方检验结果显著，表明两个变量之间存在关联，但不能确定关联的性质或因果关系。
卡方检验在数据分析中有着广泛的应用，可以用于医学研究、市场调查、社会科学等领域。
通过SPSS软件的操作，可以便捷地进行卡方检验，并获取检验结果。
最新SPSS 卡方检验
例：Doll和Hill以709例肺癌患者做病例、709 个非肿瘤患者做对照，按性别分层，研究 吸烟与肺癌的关系，调查结果如下表。试 做肺癌的病例对照分析。
SPSS 卡方检验
如果不分层结果如下
结果解释：p=0.002，差异具有统计学意义
SPSS 卡方检验
分层做法
操作:(1)建立数据文件 分层变量：选如“gender” （2）菜单选择 统计量主对话框下 风险 Cochran’s and Mantel-Haenszel统计量
SPSS 卡方检验
• 文件diagnosis.sav为例
• 操作过程：
• 分析
• 统计描述
•
交叉表
• 行变量：treat_b
• 列变量：treat_a
• 统计量：McNemar
Kappa
SPSS 卡方检验
结果解释：McNemar 检验结果p=0.057，两 法诊断结果差异无统计学意义
SPSS 卡方检验
两种诊断吻合系数为 k=0.740，p=0.000，说 明两种诊断方法的吻合度有统计学意义且 较强。一般大于0.7表示吻合度较强。 0.7~0.4一般，小于0.4表示较弱
SPSS 卡方检验
• 1.两独立样本率比较的卡方检验 • 2.配对计数资料的卡方检验 • 3.分层资料的卡方检验 • 4.卡方的两两比较
SPSS 卡方检验
（2）加权个案 加权个案是指对变量，特别是频数变量赋 予权重。本例对变量“freq”进行加权。
Spss18.0操作 点击“数据”——选择“加权个案”
SPSS 卡方检验
• 弹出下列窗口 选择加权个案，并将变量“freq”拉进框内
SPSS 卡方检验
（3）卡方检验操作： 分别选择 “分析” “统计描述” “交叉表”
SPSS操作：多个独立样本的非参数检验及两两比较
SPSS操作：多个独立样本的非参数检验及两两比较一、问题与数据某研究者想探讨不同体力活动的人，应对职场压力的能力是否不同。
因此，研究招募了31名研究对象，测量了他们每周进行体力活动的时间（分钟），以及应对职场压力的能力。
根据体力活动的时间长短，研究对象被分为4组：久坐组、低、中、高体力活动组（变量名为group）。
利用Likert量表调查的总得分（CWWS得分）来评估应对职场压力的能力，分数越高，表明应对职场压力的能力越强（变量名为coping_stress）。
部分数据如下图。
二、对问题的分析研究者想知道不同体力活动组之间CWWS得分是否不同，可以使用Kruskal-Wallis H检验。
Kruskal-Wallis H检验（有时也叫做对秩次的单因素方差分析）是基于秩次的非参数检验方法，用于检验多组间（也可以是两组）连续或有序变量是否存在差异。
使用Kruskal-Wallis H test进行分析时，需要考虑以下3个假设。
假设1：有一个因变量，且因变量为连续变量或等级变量。
假设2：存在多个分组（≥2个）。
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，不存在相互干扰作用。
三、SPSS操作1. Kruskal-Wallis H检验在主界面点击Analyze→Nonparametric Tests→Independent Samples，出现Nonparametric Tests: Two or More Independent Samples对话框，默认选择Automatically compare distributions across groups。
点击Fields，在Fields下方选择Use custom field assignments，将变量coping_stress放入Test Fields框中，将变量group放入Groups框中。
点击Settings→Customize tests，在Compare MedianDifference to Hypothesized区域选择Kruskal-Wallis 1-way ANOVA (k samples)，如下图。
SPSS卡方检验步骤
effect
阴转人数 阳性数
30
14
9
36
39
50
T o tal 44 45 89
Chi-Square Tests
Pearson Chi-Square Continuity Correctiona
Value 20.979b
19.068
df 1 1
Asymp. Sig. (2 -si d e d) .000
A 47 52 99
血型 B
66 54 120
AB 20 19 39
O 106 62 168
T o ta l 239 187 426
Chi-Square Tests
Pearson Chi-Square
Value 6.755a
df 3
Asymp. Sig. (2 -si d e d) .080
X2=20.687，p=0.000，按a=0.05水 准，拒绝H0，接受H1，差异有统计 学意义，可认为试验组有效率高于对 照组。
P440 第5题 配对设计卡方检验 步骤： 1、定义变量
11
步骤： 2、输入数据
12
步骤： 3、变量加权
13
步骤： 3、变量加权：按频数加权
14
步骤： 4、分析：选 Analyze
35
X2=20.979，p=0.000，按a=0.0167水 准，拒绝H0，接受H1，差异有统计 学意义，可认为甲、乙两种疗法对尿 路感染治疗效果有差别，甲疗法优于 乙疗法。
36
甲、丙检 验结果
group * effect Crosstabulation
Count
group 甲 丙
T o tal
卡方检验SPSS操作ppt课件
2.行×列表： 有无1/5格子的理论频数大于1小于5或有
一个格子T<1。若有，则考虑 （１）增加样本； （２）相邻组进行合理合并； （３）采用确切概率法。
3.SPSS不会自动做两两比较
3
一、四格表资料x2检验(两样本率比较) 第9-1题，P84
4
步骤： 1、定义变量
5
步骤： 2、输入数据
34
做出统计结论和专业结论
因x2＝297.38,p=0.000<0.05,按a＝０.
０５水准，拒绝H０，差别有统计学意 义，可认为三个不同地区的人群血型 分布不同。
35
作业 P94 第2、4、6题
36
要获得卡方值，需用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）
19
20
21
非参数配对检验中的 McNemar检验，得到卡方值 和p值。 （ b+c>25时，可获得卡方值）
22
三、行×列表资料的x2检验 例8-3，P154
23
其 (SPSS的操作步骤与四格表相同)
实习 x2检验 一、目的要求： ●x2检验的基本思想 ●四格表资料x2检验(两样本率比较) ●配对设计四格表资料x2检验(两样本率比较) ●行×列表资料的x2检验(多个样本率比较) ●样本构成比的比较 ●四格表资料的确切概率法
1
注意事项： 1.四格表：⑴a、b、c、d四个基本数据是否给出？
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。 （４）若P≈α，改用四格表资料的确切概率法 （５）配对设计中25≤ b+c<40，需校正；b+c<25时，用配 对设计四格表资料的确切概率法
spss-卡方检验
际频数相加，使重新计算的理论频数增大。
(4) 删去理论频数太小的格子所对应的行或列。 上述合并或删除的方法都会损失信息，损害样本的随机性。
13
配对生化测定诊断低血钾的价值，
分别采用两种方法对79名临床确诊的低血钾患者进行诊断。 问两种方法的检测结果有无差别？（例6.sav）
例5：为了解新型农村合作医疗对于农村贫困居民住院服务
利用的影响，某研究在经济条件相似的甲、乙两个国家级贫
困县(其中甲县2006年已开展新型农村合作医疗，乙县2006年 尚未开展)分别进行抽样调查，得到2006年应住院未住院原因， 见表11.5。问甲、乙两县应住院未住院原因构成是否不同？ （例5.sav）
试验。两组纳入分析的病例数分别为32和33人。问两药治 疗下呼吸道感染的有效率有无差异？ （例2.sav）
8
例3：某研究者欲了解某新药联合某常规药物治疗急性重 症胰腺炎的效果，将28例患者随机分为两组，试验组采用 新药+常规药物联合治疗，对照组仅采用常规药物治疗，
治疗10天后，疗效见表11.15。试问两种治疗方案的有效
率有无差别？（例3.sav）
9
R×C表资料的卡方检验
例4：某研究者欲比较A、B、C 3种方案治疗轻、中度高血
压的疗效，将年龄在50~70岁的240例轻、中度高血压患者随
机等分为3组，分别采用3种方案治疗。一个疗程后观察疗效。 问3种方案治疗轻、中度高血压的有效率有无差别？（例 4.sav）
10
R×C表资料的卡方检验
11
R×C表χ2检验应注意的问题
注意χ2检验的条件
R×C列联表χ2检验条件：理论数必须>1 ,且理论数<5的格子数不能超过 总格子数的1/5。
卡方检验(2x2)-SPSS教程
卡方检验（2x2）-SPSS教程一、问题与数据学了这么多连续变量的统计分析，那么对于计数资料可咋整。
小伙伴会问了：如果我想看不同患者人群的术后复发率有没有差异，怎么办？这时候就需要欢迎我们的统计小助手——卡方检验闪亮登场啦！卡方检验可是一位重量级选手，凡是涉及到计数资料分布的比较都需要他的帮忙。
和t检验一样，卡方检验也会用在成组和配对设计资料分析中，本期我们一起聊聊独立样本四格表的χ2检验。
用药物A治疗急性心肌梗死患者198例，24小时内死亡11例，病死率为5.56%，另42例治疗时采用药物B，24小时内死亡6例，病死率为14.29%，提问：两组病死率有无差别？表1. 两种药物急性心肌梗塞患者治疗后24小时内死亡情况二、对问题分析“生存”，还是“死亡”，这是个问题，但更是一个典型的二分类结局指标，我们关注的重点是两种药物治疗后“生存”和“死亡”的分布（或者说病死率）有无差别，由此组成的2*2列联表就是χ2检验中经典的“四格表”（如表1）。
下面一起看看SPSS怎样搞定χ2检验。
三、SPSS操作1. 数据录入(1) 变量视图(2) 数据视图2. 加权个案：选择Data→weight cases→勾选Weight cases by，将频数放入Frequency Variable→OK。
因为本例中数据库每一行代表多个观测对象，所以需要对其进行加权处理。
当然，如果数据是以单个观测对象的形式，即每一行代表1个观测对象，则无需加权（如下图）。
3. 选择Analyze→Descriptive Statistics→Crosstabs4. 选项设置(1) 主对话框设置：将分组变量Drug放入Row(s)框中→将指标变量Outcome 放入Column(s)框中（实际上χ2检验是关注实际和理论频数是否一致，这里Row(s)框和Column(s)框内变量也可以颠倒放，并不影响最终结果）。
(2) Statistics设置：勾选Chi-square，确定使用成组计数资料的卡方检验→Continue(3) Cells设置：Counts中勾选Observed和Expected，输出实际观测频数和理论频数；Percentages中勾选Row，输出每组转归百分比→Continue→OK四、结果解释表2 统计汇总表2中不仅有服用两种药物后患者实际转归（生存/死亡）的频数和相应百分比，还输出了相应的理论频数（所在行列合计数乘积/总例数）。
多个样本率间的两两比较方法
多个样本率间的两两比较方法
你想啊，有时候我们会遇到好几个不同的样本，每个样本都有自己的率，那怎么知道这些样本率之间到底有没有差别呢？这就需要两两比较啦。
一种常见的方法就是卡方分割法。
这个方法就像是把一块大蛋糕（总的卡方值）按照一定的规则切成小块（每个两两比较的部分）。
它的原理呢，就是根据总的自由度，合理地分配给每个两两比较的部分。
不过这里面有个小讲究哦，要注意调整检验水准，不然就容易出错啦。
就像我们分蛋糕的时候，如果不小心分错了，那每个人吃到的量就不对了。
还有一种Bonferroni法。
这个方法就比较简单粗暴啦，它是直接把总的检验水准除以两两比较的次数。
比如说，我们要做3次两两比较，那每个比较的检验水准就会比原来的小很多。
这就好比是我们有一笔钱（总的检验水准），要分给好几个地方（两两比较），那每个地方能拿到的就少了。
但是这种方法有时候会过于保守，可能会错过一些实际上有差异的情况。
另外呢，还有Sidak法。
它和Bonferroni法有点像，但是又稍微有点不同。
它在计算的时候会更精确一点，就像是在计算分配东西的时候，考虑得更细致一些。
这些方法在不同的情况下都有自己的用处。
比如说，如果样本量比较小的时候，可能某种方法就更合适；如果我们想要更保守一点，不轻易得出有差异的结论，那又可以选择另外一种方法。
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）