多个样本率的卡方检验及两两比较之spss超简单Word文档格式.docx
《多个样本率的卡方检验及两两比较之spss超简单Word文档格式.docx》由会员分享,可在线阅读,更多相关《多个样本率的卡方检验及两两比较之spss超简单Word文档格式.docx(22页珍藏版)》请在冰豆网上搜索。
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:
弹出下图:
(2)点击Weightcasesby,激活FrequencyVariable窗口
(3)将freq变量放入FrequencyVariable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→DescriptiveStatistics→Crosstabs
(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-SquareTests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)
(2)
(3)
(4)
(5)点击Percentage栏中的Column选项
(6)
4.4组间比较
(2)点击Cells,弹出下图:
(3)点击z-test栏中的Comparecolumnproportions和Adjustp-values(Bonferronimethod)选项
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-SquareTests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*interventionCrosstabulation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*interventionCrosstabulation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×
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
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)。