SPSS卡方检验笔记

卡方检验基础

1.如果有加权记得加权
2.适用于分类变量与分类变量的情况
3.行变量就是自变量，列变量就是因变量
4.卡方检验只会揭示变量和变量间有关系，但不会说明具体是哪些变量，所以需要事后两两比较。且配对卡方需要进行人为的卡方分割(人为手动的两两比较)
5.仅渐进法：系统默认设置，表示显著性水平的计算基于渐进分布假设。渐进方法要求足够大的样本容量，如果样本容量偏小，该方法将会失效。
蒙特卡洛法：一般用于不满足渐进分布假设的巨量数据。使用时，应在“置信度级别”和“样本数”输入相应数据。
精确：该方法可以得到精确的显著性水平，但是缺点是计算量过大。用户可以设置相应的计算时间，如果超过该时间，SPSS将自动停止计算并输出结果。
当数据量较大时，我们可以选择上面的蒙特卡洛近似法计算，速度会极大提升，结果与Fisher确切概率法几乎一致。
6.卡方分割方法
卡方分割就是对检验水准α进行调整，有两种分割方式
注:需要p小于检验水准α才行，而不是传统的0.05
（1）比如A、B和C三组资料比较，则两两比较需要进行3次，AB、AC和BC，则检验水准α′=2α/K（K-1）=α/3=0.0167；
（2）若是A组、B组和对照组三组资料，各组只和对照组比较，则比较次数为组数K-1次，即α′=α/（k-1）=0.05/2=0.025。得到α′之后，我们进行卡方检验，只有统计分析得到的P值小于α′才为具有统计学意义，不再是小于0.05为有统计学意义的标准了。

7.a. 卡方：
包括皮尔逊卡方检验和似然比卡方检验，用了检验行变量和列变量之间是否相关
b. 相关性：
生成Spearman相关系数Rho，用来等级顺序之间的相关性
c. 名义选项栏：
列联系数：基于卡方统计的想象测量，0-1之间，越接近1，表示关联性越强
Phi和Cramer V：基于卡方统计的相关性测量，校正的列联系数
Lambda：以一变量的不同水平来预测另一变量可能结果时，误差的几率减少的比率，反映使用自变量的值来预测因变量的值时可能发生的错误。取值0-1之间，1表示预测效果最好，0表示最差
不确定系数：取值0~1之间，用于计算不定和非对称的系数。接近1，表明从第一个观察量获得的有关第二个变量的信息越多。
d. 有序：行、列变量均为有序分类变量
Gamma：两个有序变量的对称关联程度，取值-1到+1之间
萨默斯：Gamma的非对称扩展，与Gamma相同
肯德尔tau-b：对两个有序变量进行非参数相关性检验，考虑相同的观测量情况，表示关联大小
肯德尔tau-c：对两个有序变量进行非参数相关性检验，不考虑相同的观测量情况，表示关联大小
e. Eta：关联度统计量，取值 0~1，用于描述因变量为定量变量，自变量为分类变量的两个变量之间的关联度
f. Kappa：一致性度量系数，只适合方表(行数=列数)
g. 风险：针对2×2表，表明事情的发生与某因素之间的关联性，当某因素发生的可能性非常小，使用比数比(OR)统计量来测定相对危险度
h. 麦克尼玛尔：2×2配对卡方检验
i. 柯克兰和奥特尔-亨塞尔统计：两个二分变量独立性检验的统计量，条件是给定一个或多个分层变量定义的协变量模式。

线性趋势

观察两个变量间有无线性关系，看数值和p决定有没有意义和使用多少

配对设计

卡方检验—配对设计列联表资料
配对设计是指：将受试对象按配对条件配成对子，每对中的个体接受不同的处理。配对设计一般以主要的非实验因素作为配比条件，而不以实验因素作为配比条件。
优点：最大限度排除干扰因素

配对设计分类：
自身配对（同源配对）
自身前后配对：观察同一个体在处理前后某些指标变化的一种设计，如同一批病人采用不同治疗方法前后治疗效果或者缓解率比较。
自身左右配对：指两种不同处理分别施加于同一个体左右两部分的设计，如分别对人体左右肢体、神经或者肌肉等施加不同处理后观察某指标变化情况。
异体配对：将同一受试对象按照一定条件（依据专业知识确定），将条件相同或者相似的个体配成对子，然后在对子内部按照随机方法，将一个分配至实验组，平一个分配到对照组，最后对其结果以配对设计的统计方法加以处理

分层卡方

三维表可以使用分类卡方进行检验，再多的维度表需要进行logistic回归
结果:
（1）卡方检验：注意样本容量和理论频数，然后选择适当的值进行sig显著性观测

成组四格表卡方检验结果选择依据：
（1）N≥40 and T≥5：选择Pearson卡方
（2）N≥40 and 1≤T<5：选择连续性校正χ2检验
（3）n<40 or T<1：选择Fisher精确概率法
（4）N≥40 and T≥5：选择似然比χ2检验与Pearson卡方一致

（2）比值比齐性检验：其实是层间差异性检验，就是比较分层变量有没有用，如果结果发现P>0.05，即为无统计学意义
（3）条件独立性检验：在扣除了分层变量影响之后，自变量与因变量间关系，发现P均小于0.05，说明存在统计学意义。

（4）Mantel-Haenszel OR值估算：图11-28结果可见ORMH=0.151，因为本例变量设置年龄（1=儿童，2=成人），病变（1=皮炎型，2=其他类型），故OR=0.151是指成人得其他类型的松毛虫病是儿童的0.151倍，换言之，成人得皮炎型松毛虫病的机会是儿童的1/0.151=6.62倍。

卡方规律:

成组设计：
■ 成组设计四格表（2×2）
■ 成组设计行列表（2×C、R×2、R×C）
■ 2×C：（C若无序）：Pearson卡方
■ （C若有序）：非参数检验
■ R×2：R有序等同无序：Pearson卡方
■ R有序，看线性趋势：线性趋势卡方
■ R无序：Pearson卡方
■ R×C：双向无序：Pearson卡方
■ R有C无：Pearson卡方
■ R无C有：非参数
■ R有C有属性不同：Spearman相关
■ 配对设计：
■ 配对设计四格表（2×2）-McNemar
■ 配对设计行列表（方表）
■ 双向无序属性相同：McNemar-Bowker（MB）
■ 双向有序属性不同：Spearman、线性趋势卡方
■ 双向有序属性相同：Kappa一致性、MB

属性的判别方法:
所谓属性相同，是指配对设计的效应指标均为同一指标，均是等级资料。

因为考虑结果是否有差异，因此考虑McNemar-Bowker检验；判断结果是否一致，可以采用Kappa一致性检验。
Kappa值的专业意义如下：Kappa≥0.75时，表明两者一致性较好；0.75>Kappa ≥0.4时，表明一致性一般；Kappa<0.4时，表明两者一致性较差。