SPSS170在生物统计学中的应用实验七卡方检验.docx
《SPSS170在生物统计学中的应用实验七卡方检验.docx》由会员分享，可在线阅读，更多相关《SPSS170在生物统计学中的应用实验七卡方检验.docx（19页珍藏版）》请在冰豆网上搜索。
SPSS170在生物统计学中的应用实验七卡方检验
SPSS在生物统计学中的应用
——实验指导手册
实验七：
卡方检验
一、实验目标与要求
1．帮助学生深入了解卡方检验的基本概念，掌握卡方检验的基本思想和原理
2．掌握卡方检验的过程。
二、实验原理
卡方检验适用于次数分布的检验，比如次数分布是否与某种理想的分布一致，或者不同样本同类测量分数次数分布是否一致。
对于前者，先要确定一个理想的次数分布比例，然后将观测的某一次数分布与其比较，确定二者的差异性，并用X2来反映。
X2越小，则差异越小，该样本的观测分布越有可能适合于理想分布；X2越大，则差异越大，其服从于理想分布的可能性就越小。
当服从理想分布的伴随概率小于0.05时，就认为该次数分布与理想的分布有显著性差异。
不同样本中测量分数的次数分布使用卡方检验时，如果卡方足够大，该观测在两个样本中的次数分布服从于同一总体的概率小于0.05时，则认为样本间存在显著性差异。
三、实验演示内容与步骤
㈠适合性检验
比较观测数与理论数是否符合的假设检验（compatibilitytest）,也称吻合性检验或拟合优度检验（goodnessoffittest）.。
【例】有一鲤鱼遗传试验,以红色和青灰色杂交,其F2代获得不同分离尾数,问观测值是否符合孟德尔3:
1遗传定律.
体色
青灰色
红色
总数
F2观测尾数
1503
99
1602
1.定义变量：
2.输入变量值
3.选择菜单1：
点击菜单【数据】→【加权个案】→弹出“加权个案”对话框
→
4.选择菜单2：
点击菜单【分析】→【非参数检验】→【卡方】→弹出“卡方检验”对话框
点击【选项】按钮，弹出“卡方检验：
选项”对话框，选择“描述性”，点击【继续】
点击【确定】在输出结果视图中看分析结果
基本统计量
DescriptiveStatistics
N
Mean
Std.Deviation
Minimum
Maximum
观测尾数
1602
1416.24
338.172
99
1503
观测尾数
ObservedN
实测频数
ExpectedN
理论频数
Residual
偏差
99
99
400.5
-301.5
1503
1503
1201.5
301.5
Total
1602
TestStatistics
观测尾数
Chi-Square卡方值
302.629a
df
1
Asymp.Sig.
.000
a.0cells（.0%）haveexpectedfrequencieslessthan5.Theminimumexpectedcellfrequencyis400.5.
㈡独立性检验
又叫列联表（contigencytable）χ2检验，它是研究两个或两个以上因子彼此之间是独立还是相互影响的一类统计方法。
【例】考察不同灌溉方式对水稻叶子衰老是否有影响。
几种灌溉方式下的叶态表现调查结果
叶态
频数
灌溉方式
绿叶
黄叶
枯叶
总数
深水
146（141.57）
7（8.83）
8（10.596）
161
浅水
183（179.39）
9（11.188）
12（13.426）
204
湿润
152（160.04）
14（9.98）
16（11.978）
182
总数
481
30
36
547
先将水稻分为3组，第一组用采用深水灌溉，第二组采用浅水灌溉，第三组采用湿润灌溉，然后统计每种灌溉方式下，水稻三种叶子（绿叶、黄叶、枯叶）出现的频数。
这时需要分析灌溉方式与叶态表现是否相关，若两者彼此相关，表明叶态表现因灌溉方式不同而异，即三种灌溉方式对叶态表现的影响不相同；若两者相互独立，表明三种灌溉方式对叶态表现的影响相同。
这种根据频数资料判断两类因子彼此相关或相互独立的假设检验就是独立性检验。
独立性检验实际上是基于频数资料对因子间相关性的研究。
根据概率乘法法则，若事件A和事件A是独立的，或者说它们之间无关联，这时事件A和事件B同时出现的概率等于它们分别出现时概率的乘积。
1、数据格式
2、选择菜单1：
点击菜单【数据】→【加权个案】→弹出“加权个案”对话框
2、选择菜单2：
点击菜单【分析】→【描述统计】→【交叉表】→弹出“交叉表”对话框
点击【统计量】按钮，弹出“交叉表：
统计量”对话框，选择“卡方”，点击【继续】
点击【确定】在输出结果视图中看分析结果
交叉表
灌溉方式*稻叶情况Crosstabulation
Count
稻叶情况
Total
1
2
3
灌溉方式
1
146
7
7
160
2
183
9
13
205
3
152
14
16
182
Total
481
30
36
547
Chi-SquareTests
Value
df
Asymp.Sig.（2-sided）
PearsonChi-Square常用卡方值
5.622a
4
.229
LikelihoodRatio连续性校正卡方值
5.535
4
.237
Linear-by-LinearAssociation对数释然比法卡方值
4.510
1
.034
NofValidCases有效记录数
547
a.0cells（.0%）haveexpectedcountlessthan5.Theminimumexpectedcountis8.78.
㈢两个率的比较
【课本例题13.11】为检验新措施对防治仔猪白痢是否优于传统措施，研究试验后得到如下资料
存亡
1
2
措施
1
114
36
2
132
18
措施*存亡Crosstabulation
Count
存亡
Total
死亡
治愈
措施
旧措施
18
132
150
新措施
36
114
150
Total
54
246
300
Chi-SquareTests
Value
df
Asymp.Sig.（2-sided）
ExactSig.（2-sided）
ExactSig.（1-sided）
PearsonChi-Square
7.317a
1
.007
ContinuityCorrectionb
6.527
1
.011
LikelihoodRatio
7.435
1
.006
Fisher'sExactTest
.010
.005
NofValidCases
300
a.0cells（.0%）haveexpectedcountlessthan5.Theminimumexpectedcountis27.00.
b.Computedonlyfora2x2table
与课本第202页的结果进行比较
【例题】某养猪场第一年养猪225头，死亡23头；第二年养猪368头，死亡28头。
试检验这两年猪的死亡率是否有显著差异？
存亡
1
2
年份
1
146
23
2
183
28
㈣单个率的检验（样本率与总体率的比较）
【例】有一批蔬菜种子的平均发芽率PO=0.85，现随机抽取500粒，有种衣剂进行浸种处理，结果有445粒发芽，试检验种衣剂对种子发芽率有无效果。
因平均发芽率PO=0.85，检验比例输入0.85
BinomialTest
Category
N
ObservedProp.
试验频率
TestProp
检测标准概率.
Asymp.Sig.（1-tailed）
检验集结果：
显著性水平概率
出芽记录
Group1
445
445
0.89（发芽频率）
0.85
0.006a
Group2
55
55
0.11（未发芽频率）
Total
500
1.00
a.BasedonZApproximation.基于Z近似（大样本近似正态分布假设）
卡方检验：
出芽记录
出芽
未出芽
种子处理
未用包衣剂
200
170
使用包衣剂
445
55
种子处理*出芽情况Crosstabulation
Count
出芽情况
Total
出芽
未出芽
种子处理
使用包衣剂
445
55
500
未用包衣剂
200
170
370
Total
645
225
870
Chi-SquareTests
Value
df
Asymp.Sig.（2-sided）
ExactSig.（2-sided）
ExactSig.（1-sided）
PearsonChi-Square
135.439a
1
.000
ContinuityCorrectionb
133.622
1
.000
LikelihoodRatio
137.591
1
.000
Fisher'sExactTest
.000
.000
NofValidCases
870
a.0cells（.0%）haveexpectedcountlessthan5.Theminimumexpectedcountis95.69.
b.Computedonlyfora2x2table
升级会员 