SPSSAU中卡方檢驗包括卡方檢驗、卡方拟合優度、配對卡方、分層卡方。

對于上述四種卡方檢驗區别如下：

1.研究目的

卡方檢驗是研究實際觀測值與理論值之間的偏離程度，實際觀測值與理論值之間的偏離程度決定卡方值的大小，卡方值越大，偏差越大；卡方值越小，偏差越小，越趨于符合，若兩個值完全相等時，卡方值就為0，表明實際觀測值與理論值完全符合。

例如：例如研究人員想知道兩組學生對于手機品牌的偏好差異情況、不同減肥方式對于減肥幫助情況等，可以使用卡方檢驗。

2.數據格式

SPSSAU可支持兩類數據格式，一種是常規格式（非加權格式），另外一種是加權數據格式。

（1）常規格式

上圖為常規格式（即非加權格式），一行代表一個樣本，一列代表一個屬性，将全部的原始數據信息列出即可。

（2）加權格式

在醫學/實驗研究時，很多時候隻有彙總數據，即帶加權項的數據，比如上圖中X有2種情況，Y有3個情況，一種有2*3=6種組合，數據信息隻有6種組别的彙總項（即加權項），分别是40，10，20，30，20，50；相當于總共有170個樣本，如果是使用常規格式（即非加權格式），此時應該有170行；但加權格式則隻需要6行即可表示，如上圖。

3.上傳數據

4.SPSSAU操作步驟

操作步驟分為兩步如下說明：

Step1：點擊實驗/醫學研究，模塊下的卡方檢驗

Step2：将左側數據拖拽到右側分析框後，點擊開始分析如下圖

提示：若有加權項拖拽到右下方即可

5.分析

（1）卡方檢驗分析結果

從分析結果中可以看出p<0.05

（2）差異性說明

從上表可以看出：不同減肥方式樣本對于膽固醇水平共1項呈現出顯著性(p<0.05)，意味着不同減肥方式樣本對于膽固醇水平共1項均呈現出差異性。

（3）交叉圖

減肥方式和膽固醇水平的交叉圖更直觀看到三種減肥方式與膽固醇水平的關系。

（4）統計量指标說明

（5）深入指标

卡方檢驗時有多種指标(SPSSAU提供五類)可表示效應量，可結合數據類型及交叉表格類型綜合選擇；第一：如果是2*2表格，建議使用Phi指标；第二：如果是3*3,或4*4表格，建議使用列聯系數；第三：如果是n*n(n>4)表格，建議使用校正列聯系數；第四：如果是m*n(m不等于n)表格，建議使用Cramer V指标；第五：如果X或Y中有定序數據，建議使用Lambda指标；效應量值越大說明差異幅度越大，通常情況下效應量小、中、大的區分臨界點分别是: 0.20,0.50和0.80。

（6）多重比較

多重比較，對于此案例簡單來說若減肥方式與膽固醇之間存在差異，具體存在哪種差異，需要進行比較。

從上表中可以看到減肥方式與膽固醇之間比較次數為3次。

（7）趨勢卡方

6.總結

從上述分析中可知，三類減肥方式與膽固醇水平之間呈現出顯著性差異（χ²=7.054,p =0.029 < 0.05），具體通過對比百分比差異可知，藥物減肥中有83.33%的樣本為膽固醇較低，明顯高于飲食（36.36%）和鍛煉（33.33%）時膽固醇較低的比例，因而說明藥物對于減肥的幫助較高，明顯高于飲食和鍛煉這兩種方式。

1.研究目的

如果研究配對數據的差異性，例如：對于待診患者進行兩種方法診斷，通過研究判斷兩種診斷方法是否有差異性，那麼可以使用配對卡方。

2.數據格式

配對數據一般是在實驗時使用，而且配對數據的特點為：行數一定完全相等并且隻有兩列。

配對數據一般是在實驗時使用，而且配對數據的特點為：行數一定完全相等并且隻有兩列。如果研究數據的行數不相等，那可能不是配對數據

3.上傳數據

4.SPSSAU分析步驟

操作步驟分為兩步如下說明：

Step1：點擊實驗/醫學研究，模塊下的卡方檢驗

Step2：将左側數據拖拽到右側分析框後，點擊開始分析如下圖

提示：若有加權項拖拽到右下方即可

5.分析

（1）分析結果

（2）差異性說明

從上表可知，利用配對卡方檢驗去研究A方法三種結果和B方法三種結果之間的配對差異關系，本次配對對比類别數量大于2(即配對多分類),因而使用Bowker檢驗進行研究。配對數據之間呈現0.05水平的顯著性(chi=8.333,p=0.040<0.05)，意味着配對數據間有着明顯的差異性

（3）兩種方法結果對比

（4）對比圖

對比圖中可以看到不同項A方法與B方法的百分比。

6.總結

配對對比類别數量為2(即配對四表格),使用McNemar檢驗進行研究，配對對比類别數量大于2(即配對多分類),使用Bowker檢驗進行研究。

1.研究目的

如果想研究實際與預期比例之間的比較，比如研究實際性别比例情況，是否與預期性别比例表現一緻，則要使用卡方拟合優度檢驗。（PS：卡方拟合優度檢驗隻針對類别數據）

2.數據格式

（1）普通格式（非加權）

上圖為常規格式（即非加權格式），一行代表一個樣本，一列代表一個屬性，将全部的原始數據信息列出即可。

（2）加權格式

很多時候隻有彙總數據，即帶加權項的數據，比如上圖圖中研究項有3種情況，每種情況時樣本量分别是40，10，20；相當于總共有70個樣本，如果是使用常規格式（即非加權格式），此時應該有70行；但加權格式則隻需要3行即可表示。

3.上傳數據

4.SPSSAU操作步驟

5.分析

（1）分析結果

此表為卡方拟合優度檢驗結果，其中P值為0.689。

（2）差異性分析

從上表可以看出：性别全部均沒有呈現顯著性（p>0.05)，意味着接受原假設(原假設：實際分布比例與預期比例一緻)，即數據分布與預期一緻。

（3）圖表

上表可以觀察出不同性别的實際頻數與期望頻數的差異，可以看出數據分布與預期大概一緻。

6.總結

卡方拟合優度檢驗研究定類數據的頻數分布是否與期望頻數保持一緻；第一：期望頻數默認為完全均勻，可自行設置期望頻數；第二：分析是否呈現出顯著性(p值小于0.05或0.01)；第三：如果呈現出顯著性(p<0.05)，說明實際頻數分布與期望分布具有顯著差異；第四：對分析進行總結。

1.研究目的

若想考慮另一個幹擾因素分層項，比如是否吸煙與是否生病的關系時，将性别納入考慮範疇，則要使用分層卡方。

2.數據格式(加權形式)

針對分層卡方，SPSSAU支持2*2*k結構，即X和Y均為2個類别，k表示分層項的類别數量。

3.上傳數據

4.SPSSAU操作步驟

5.分析

（1）彙總表格

（2）比值比OR值估計

上表格中展示合并OR值或Ln(OR值)，及其95%置信區間。

（3）比值比齊性檢驗

從上表可知：Breslow-Day比值比齊性檢驗并沒有呈現出顯著性（chi=1.089,p=0.580 >0.05），意味着各層之間關系同質，分層因素之間不存在混雜作用。

（4）條件獨立性檢驗

（5）差異性說明

從上表可知：Cochran–Mantel–Haenszel條件獨立性檢驗呈現出顯著性（chi=7.055,p=0.008 <0.05），意味着在考慮幹擾因素之後，是否吸煙和是否感冒之間呈現出顯著性差異。

6.總結

通常情況下，首先查看‘比值比齊性檢驗’，如果其呈現出顯著性（p 值小于0.05），則說明具有混雜因素，即需要考慮分層項，即分别查看不同分層項下的數據結果。反之如果沒有通過‘比值比齊性檢驗’，即說明沒有混雜因素不需要考慮分層項，報告整體的結果即可（包括卡方檢驗，以及OR值）。

Cochran–Mantel–Haenszel條件獨立性用于研究考慮混雜因素（分層項）後，X與Y之間是否還存在着差異關系，相對意義較小。

Q1：什麼樣的數據格式才适合？

如果數據已經進行過初步統計，比如下圖中的數據，膽固醇較高并且使用藥物減肥的數量為2，膽固醇較低使用鍛煉減肥方式的數量為3。這種屬于已經統計好的數據，如果希望對此類數據進行卡方檢驗，則需要對數據格式進行‘改造’。

Q2：多選題卡方檢驗怎麼做？

多選題與其他題項的交叉分析也可采用卡方檢驗，隻是SPSSAU将多選題單獨設計為一個方法，方法上依然是卡方檢驗。

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!