列聯(lián)表資料的SPSS分析

列聯(lián)表資料的SPSS分析

在實驗研究與基礎(chǔ)實驗研究中，所分析的指標可以是定量的，也可以是定性的。其定量指標,有時也轉(zhuǎn)化成定性資料進行分析。這些定性資料或由定量資料轉(zhuǎn)化而來的定性資料，一般都整理成列聯(lián)表形式，根據(jù)資料性質(zhì)和分析目的選擇恰當?shù)姆治龇椒ㄟM行統(tǒng)計分析，并將統(tǒng)計分析結(jié)果與專業(yè)知識相結(jié)合,做出合理的解釋。我們以實驗研究列聯(lián)表資料實例，運用SPSS軟件包進行統(tǒng)計分析，對操作過程和結(jié)果解釋予以詳細說明，希望能給大家提供借鑒。一、一般四格表（2×2列聯(lián)表）資料實驗研究一般四格表（2×2列聯(lián)表）資料分析目的主要有2個，一是分析兩個比率總體的差別有無統(tǒng)計學(xué)意義或兩樣本某指標的分布（或構(gòu)成）總體是否相同，二是分析兩個分類特征是否有關(guān)聯(lián)。例1.某院欲比較異梨醇口服液（試驗組）和氫氯噻嗪+地塞米松（對照組）降低顱內(nèi)壓的療效，將200例顱內(nèi)壓增高患者隨機分為2組,見表1。表1試驗組和對照組降低顱內(nèi)壓療效的比較組別有效無效有效率(%)合計試驗組99595.20104對照組752178.1396合計1742687.00200

數(shù)據(jù)錄入：打開SPSS；點擊VariableView定義變量，變量1Name為“group”，Type為“String”；變量2Name為“effect”，Type為“String”；變量3Name為“count”；Type為“Numeric”，Decimals為“0”，其它為默認設(shè)置；點擊DataView輸入數(shù)據(jù)。

分析過程：

①頻數(shù)加權(quán)（所有列聯(lián)表資料均需經(jīng)過頻數(shù)加權(quán),以下例題分析中省略該過程）：Data→WeightCasesWeightCasesby：FrequencyVariable：countOK

②分析：Analyze→DescriptiveStatistics→CrosstabsRows：groupColumns:effectStatistics：√Chi-square：ContinueOK

主要結(jié)果與解釋：根據(jù)2×2表資料c2檢驗的應(yīng)用條件：①總例數(shù)（n）≥40且所有的理論值（T）≥5時，選用一般的c2檢驗；P≈a時,改用Fisher確切概率法；②n≥40,有1≤T≤5時,選用連續(xù)校正的檢驗；或改用Fisher確切概率法;③n<40，或T<1時，用Fisher確切概率法。該資料n大于40，所有T均大于5，可取Pearsonc2值和似然比（Likelihoodratio）c2值，二者c2值分別為12.123和12.864，P<0.01，試驗組和對照組的療效差別有統(tǒng)計學(xué)意義，可認為異梨醇口服液降低顱內(nèi)壓的療效優(yōu)于氫氯噻嗪+地塞米松。

例2.一項關(guān)于嬰兒喂養(yǎng)方式與腹瀉關(guān)系的研究，資料如表2；試分析腹瀉與喂養(yǎng)方式間是否有關(guān)聯(lián)。表2嬰兒喂養(yǎng)方式與腹瀉的關(guān)系喂養(yǎng)方式有腹瀉無腹瀉人工母乳30171025

數(shù)據(jù)錄入：

定義變量，變量1Name為“method”，變量2Name為“result”，變量3Name為“count”，Type均為“Numeric”，Decimals均為“0”，其它為默認設(shè)置；

輸入數(shù)據(jù)，method：1為“人工喂養(yǎng)”，2為“母乳喂養(yǎng)”；result：1為“有腹瀉”，2為“無腹瀉”。

分析過程：Analyze→DescriptiveStatistics→CrosstabsRows：methodColumns：resultStatistics：√Chi-square，√ContingencycoefficientContinueOK

主要結(jié)果與解釋：這里，n>40，且所有T>5，取Pearsonc2檢驗結(jié)果，c2=9.981，P<0.01，可認為嬰兒腹瀉與喂養(yǎng)方式有關(guān)聯(lián)；Pearson列聯(lián)系數(shù)C=0.329，根據(jù)C≥0.7為高度關(guān)聯(lián)、C≥0.4為中度關(guān)聯(lián)、C<0.4為低度關(guān)聯(lián)的判斷原則，二者關(guān)聯(lián)強度較弱。二、配對四格表（2×2列聯(lián)表）資料

例3.某研究者對同一批標本進行兩個指標的檢測，結(jié)果見表3。問：①兩個指標的分布有無差別?②兩個指標有無關(guān)聯(lián)?表3同一批標本兩個指標的檢測結(jié)果

甲指標乙指標+-+-2173423162

數(shù)據(jù)錄入：

定義變量，變量1Name為“A”，變量2Name為“B”，變量3Name為“count”，Type均為“Numeric”，Decimals均為“0”，其它為默認設(shè)置；

輸入數(shù)據(jù)，A=1、B=1：甲指標“+”、乙指標“+”；A=1、B=2：甲指標“+”、乙指標“-”；A=2、B=1：甲指標“-”、乙指標“+”；A=2、B=2：甲指標“-”、乙指標“-”。

分析過程：

Analyze→DescriptiveStatistics→CrosstabsRows：AColumns：BStatistics：√Chi–square，√Contingencycoefficient，√McNemarContinueOK

主要結(jié)果與解釋：McNemarc2檢驗（SPSSMcNemar檢驗法不給c2值），P=0.185，說明兩個指標分布的差別無統(tǒng)計學(xué)意義；一般c2檢驗，Pearsonc2=235.821，P<0.01，說明兩個指標存在關(guān)聯(lián)，Pearson列聯(lián)系數(shù)C=0.592，關(guān)聯(lián)程度中等。

例4.某研究者用胃鏡和活檢對1321例患者進行胃癌檢查，結(jié)果見表4。問胃鏡和活檢的結(jié)果是否一致?表41321例患者胃鏡和活檢結(jié)果胃鏡活檢+-+-1434481126

數(shù)據(jù)錄入：同例3。

分析過程：Analyze→DescriptiveStatistics→CrosstabsRows:AColumns:BStatistics:√Kappa,√McNemar,ContinueOK

主要結(jié)果與解釋：McNemar檢驗，P<0.01，說明兩種檢查方法有差別；Kappa檢驗（SPSS不給可信區(qū)間），Kappa=0.824，P<0.01，說明兩種檢查具有較好的一致性?？梢钥闯?兩種檢驗結(jié)果是矛盾的。為什么呢?McNemar法一般用于樣本含量n不太大的資料，因只考慮結(jié)果不一致的情況，而未考慮樣本含量n和結(jié)果一致的情況，所以，當n很大且結(jié)果一致率高時，不一致的數(shù)值相對較小，容易出現(xiàn)有統(tǒng)計學(xué)意義的檢驗結(jié)果，但實際意義可能不大。本例即是如此，應(yīng)以一致性檢驗結(jié)果為準。實際上，對于兩種檢驗（查）方法或診斷方法結(jié)果進行分析時，主要分析的也就是一致性。根據(jù)Kappa值判斷一致性強度的標準尚有爭議，一般認為：Kappa值<0.4時，一致性較差；在0.4～0.75之間有中度至高度一致性；>0.75時，有極好的一致性。

三、R×C表資料

1.雙向無序R×C表資料

例5.某醫(yī)生研究物理療法、藥物治療和外用膏藥三種療法治療周圍性面神經(jīng)麻痹的療效，資料見表5，問三種療法的有效率有無差別?表5三種療法治療周圍性面神經(jīng)麻痹的療效療法有效無效合計有效率（%）物理療法藥物療法外用膏藥1991641187182626018214496.6090.1181.94合計4815153290.41

數(shù)據(jù)錄入與分析過程，見例1。

主要結(jié)果與解釋：該資料的原因變量（療法）與結(jié)果變量（有效與無效）均無序，屬雙向無序R×C表資料，選用一般c2檢驗分析即可。R×C表資料c2檢驗時，要求所有T≥1且T<5的格子數(shù)不超過總格子數(shù)的1/5，否則：①增加樣本含量以增大理論頻數(shù)；②根據(jù)專業(yè)知識，刪去理論頻數(shù)太小的行或列，或?qū)⒗碚擃l數(shù)太小的行或列與性質(zhì)相近的鄰行或鄰列合并；③改用Fisher確切概率。這里，所有T>5，取Pearsonc2值或似然比c2值，c2=21.038（或21.559），P<0.01，認為3種療法有效率的差別有統(tǒng)計學(xué)意義。

例6.測得某地5801人的ABO血型和MN血型結(jié)果，問兩種血型系統(tǒng)之間是否有關(guān)聯(lián)?表6某地5801人ABO血型和MN血型分布ABO血型MN血型合計MNMNOABAB43138849513849041058717990280095032182315982032348合計1451166626845801

數(shù)據(jù)錄入與分析過程:見例2。

主要結(jié)果與解釋：所有T>5，c2=213.162（或248.143）,P<0.01，認為該地ABO血型和MN血型系統(tǒng)之間有關(guān)聯(lián)。列聯(lián)系數(shù)C=0.188，關(guān)聯(lián)性很弱。

2.單向有序R×C表資料

例7某醫(yī)生用3種藥物治療某病患者，療效如表7。問3種藥物的療效有無差別?表73種藥物對某病患者的療效藥物種類治愈顯效好轉(zhuǎn)無效合計ABC154149915315045522241008585合計207312651270

數(shù)據(jù)錄入：定義變量，變量1Name為“medicine”，變量2Name為“result”，變量3Name為“count”，Type均為“Numeric”，Decimals均為“0”，其它為默認設(shè)置；

輸入數(shù)據(jù)：medicine：1為“A藥”，2為“B藥”，3為“C藥”，result：1為“治愈”，2為“顯效”，3為“好轉(zhuǎn)”，4為“無效”。分析過程：Analyze→Nonparametrictests→KIndependentSamplesTestVariableList:resultGroupingVariable:medicineDefineRange:RangeforGroupingVariable:Minimum:1;Maximum:3;Continue√Kruskal-WallisHOK

主要結(jié)果與解釋：該資料原因變量“藥物種類”屬于無序變量，而結(jié)果變量“療效”屬于有序變量；可以選用秩和檢驗、Ridit分析或有序變量的Logistic回歸分析，本例選用秩和檢驗分析。結(jié)果，c2(Hc)=61.146，P<0.01,說明3種藥物的療效差別有統(tǒng)計學(xué)意義。

3.雙向有序且屬性不同R×C表資料

例8某研究者對不同肥胖程度的高血壓患者進行治療，觀察患者血壓控制情況,試作分析。表8不同肥胖程度高血壓患者的血壓控制情況肥胖程度血壓控制情況合計良好尚可不良不肥胖輕度肥胖中/重度肥胖154202421312711511344合計393930108

數(shù)據(jù)錄入：定義變量，變量1Name為“fat”，變量2Name為“control”，變量3Name為“count”，Type均為“Numeric”，Decimals均為“0”，其它為默認設(shè)置；輸入數(shù)據(jù)，fat:1為“不肥胖”，2為“輕度肥胖”，3為“中/重度肥胖”；result:1為“良好”，2為“尚可”，3為“不良”。分析過程：Analyze→DescriptiveStatistics→CrosstabsRows:fatColumns:controlExact:Exact:Continue/MonteCarlo:ContinueStatistics:√Chi-square,ContinueOKAnalyze→Correlate→BivariateVariables:fat,controlCorrelationCoefficients:√Spearman,√Kendall+stau-bTestofSignificance:Tow-tailedOK

主要結(jié)果與解釋：該資料原因變量“肥胖程度”和結(jié)果變量“血壓控制情況”均屬有序（等級）變量，但屬性不同，可通過c2檢驗判斷高血壓患者的血壓控制情況和肥胖度之間有無相關(guān)性，并通過等級相關(guān)分析其相關(guān)程度。該資料有3個格子（33.3%）的理論值均小于5，不能取Pearsonc2檢驗或似然比c2檢驗結(jié)果，而應(yīng)取Fisher確切概率法檢驗結(jié)果，P=0.072>0.05，故尚不能認為高血壓患者的血壓控制情況與其肥胖程度有相關(guān)關(guān)系。Kendall和Spearman等級相關(guān)分析結(jié)果：t

=-0.074，P=0.401；rs=-0.085，P=0.381，也不支持兩者之間有相關(guān)關(guān)系。該資料若把“肥胖程度”視為無序的分組變量，則可按照“單向有序R×C表資料”進行秩和檢驗分析。

4.雙向有序且屬性相同R×C表資料

例9兩位放射科醫(yī)生對一批矽肺胸片獨自作出了矽肺分級診斷，請問他們的診斷結(jié)果是否一致。表9兩位醫(yī)生對一批矽肺胸片的分級診斷結(jié)果甲醫(yī)生乙醫(yī)生合計1級2級3級1級2級3級32101554701245476752合計337657166

數(shù)據(jù)錄入與分析過程：見例4。

主要結(jié)果與解釋：該資料兩位醫(yī)生的診斷結(jié)果有序（等級）且屬性相同，選用一致性檢驗。結(jié)果,Kappa=0.676<0.75，P<0.01，認為兩位醫(yī)生的診斷存在一致性，一致性中等。四、多個樣本率間的兩兩比較

對于K×2表或2×K表資料，總體檢驗有統(tǒng)計學(xué)意義時，只能說明各總體比率（分布）之間總的說來有差別，但不能說明任兩個總體比率（分布）之間有差別。若要對每兩個總體比率（分布）之間做出有無差別的推斷，需進一步分析。

1.組間全面比較—Bonferroni法設(shè)總的檢驗水準為a，進行比較的次數(shù)為m，令各次比較的檢驗水準a’=a/m,并規(guī)定P≤a’時拒絕H0，基于這樣的做法，就可以把Ⅰ類錯誤的累積概率控制在a。當多組間比較次數(shù)不多時，該法的效果較好。但是，當組間比較次數(shù)較多（如10次以上）時，檢驗水準過低，導(dǎo)致結(jié)果過于保守，犯Ⅱ類錯誤的概率增加。以例5為例，分析三種療法任兩種療法之間療效有無差別。①求總的c2值，P<a時，作兩兩比較。本例Pearsonc2=21.038，P<0.01；②求各四格表的c2值及P值；③按公式計算校正的a’值，式中k為比較的組數(shù)，本例為3；④各P值與校正的a’值比較，判別有無統(tǒng)計學(xué)意義。表10三種療法有效率的兩兩比較比較組c2值P值a’值統(tǒng)計學(xué)意義物理療法與藥物治療物理療法與外用膏藥藥物治療與外用膏藥6.75621.3234.5910.0090.0000.0320.01250.01250.0125有有無

結(jié)果與解釋：物理療法與藥物治療、物理療法與外用膏藥比較，Pearsonc2值分別為6.756和21.323，P值分別為0.009和0.000，均小于調(diào)整后的檢驗水準a’（0.0125），差別有統(tǒng)計學(xué)意義，結(jié)合物理療法、藥物治療與外用膏藥的有效率分別為96.60%、90.11%和81.94%，可以認為物理療法的有效率高于藥物治療和外用膏藥；藥物治療與外用膏藥比較，Pearsonc2=4.591，P=0.032>a’，表明尚不能認為此兩種療法有效率有差別。

2.多個實驗組與同一對照組比較—Brunden法若多個實驗組與同一對照組進行比較時，設(shè)總的檢驗水準為a，樣本率個數(shù)為k，則每個實驗組與對照組比較的檢驗水準a’，并規(guī)定P≤a’時拒絕H0。仍以例5為例，以外用膏藥作為對照，分析物理療法和藥物治療兩種療法與物理療法之間療效有無差別。

①求總的c2值，P<a時，作兩兩比較。本例Pearsonc2=21.038，P<0.01；②求各實驗組與對照組四格表的c2值及P值；③按公式計算校正的a’值；④各P值與校正的a’值比較，判別有無統(tǒng)計學(xué)意義。表11物理療法和藥物治療與外用膏藥法有效率