分类数据在医学统计中很常见，一些统计书籍将其称为计数数据，例如（有效、无效）、（病态、非病态）、（男性、女性）、血型（A、B、O、AB）等。分类数据一般按照频率组织成列联表的形式，一般的列联表多为二维的（也叫行表，或称 R×C 列联表，高维列联表将在下次讨论），列联表可分为双向无序、 单项排序，根据变量是否排序，以及统计方法不同，进行双向顺序列联表，分析如下：

1. 双向无序连接表

（1） 一组四格表格

例如，为了研究吸烟与肺癌之间的关系，行变量是 smoking： smoking， non-smoking，列变量是 lung cancer incidence： onset， non-incidence，如下表所示

对于这类数据，我们的统计目的是分析列变量的独立性，即肺癌的发病率是否与吸烟有关，有两种方法可以采用：

1. Pearson 卡方检验：

基于卡方分布，H0 独立于行和列变量，这可以在 SPSS 中实现，例如“分析->描述性统计->交叉表”。四格表使用条件：特殊公式 （1） 样本总数大于 40;（2） 每个单元格的理论值大于 5。校正公式：（1） 样本总数大于 40;（2） 理论值 1

2. 费舍尔精确概率：

基于超几何分布，当数据不满足 Pearson 卡方检验时，将使用该指标。在 SPSS 中血型不能配对表图，可以实现 “Analysis->Descriptive Statistics->Cross Table”。请注意，SPSS 仅提供 2×2 表的精确概率，您需要计算 R×C 列联表的精确概率，并且可以在精确按钮中选择蒙特卡洛近似方法。

（2） R×C 组表（双向无序）。

1. Pearson 卡方检验

条件：任何网格都不能有理论频率 T

如果不是：可以增加研究样本量（通常谨慎使用）;合并或删除理论频率较小的行或列;使用 R×C 表的 Fisher 精确概率法（通常为蒙特卡洛近似）

2. R×C 表 Fisher 精确概率法

操作：分析 - 描述 - 交叉表 - 设置行和列变量 - 单击精确 - 选择 Monte Carlo。

其次，有一个用于各个项目的序列列表

结果变量是有序的，而原因变量是无序的，这是很常见的。例如，比较两种药物在 AB 中的治疗效果，药物分组 （AB） 是无序的，而结果变量是有序的 （无效、明显、治愈），可以安排到下表中：

可以选择的主要统计方法有：

1. Mann-Whitney U 检验

基于卡方分布，H0 与两组的整体分布一致，这可以在 SPSS 中的“分析>非参数检验>独立样本”中实现。

注： 在 SPSS 中，如果将数据整理到列联表中分享交流 :选取 R×C 列联表的统计分析方法，并采用 SPSS 实现，则需要按频率对数据进行加权。变量编码为：（1） 药物（标称）：A = 1，B = 2，（2） 疗效（测量）：无效 = 1，有效 = 2，治愈 = 3，（3） 频率（测量）。

2. Kruskal-Wallis H 检验：

当组数大于 2 时使用，例如比较 3 种或更多药物的疗效。实现类似于 Mann-WhitneyU。

注意：当行变量有序时，通常将其视为无序变量。但是，如果行变量是有序变量，而列变量是二进制比率，则还可以根据研究的目的选择趋势卡方检验。

3. 两个方向都有一个顺序表

1. 行和列的变量有序但属性不同

例如血型不能配对表图，在这个例子中，为了比较某种药物对某种疾病的治疗效果，按年龄组分组，以检查治疗效果是否与年龄组相关血型不能配对表图，组织到下表中：

行和列是有序的，这是我们主要关心的：列和列之间是否存在相关性，如果有，是线性关系还是曲线关系。您可以选择的方法如下：

（1） Spearman 等级相关：

相关性检验基于卡方检验，可以在 SPSS“分析->相关性->双样本”中实现。

（2） 线性趋势的卡方检验：

该测试具有无线关系，基于卡方检验，SPSS“Analysis-> Cross Table”的卡方结果表中的“线性和线性组合”就是这样。

2. 行和列已排序，并且属性相同

（1） 行列式变量和列变量是独立的

通常是为了检查一致性。例如，如果使用两台仪器测试同一个样品，结果分为阴性和阳性，那么现在需要比较两台仪器的结果是否一致。组织到下表中：

常用的方法是：

Kappa 一致性检查：

H0 是没有一致性的行列式变量。这可以在 SPSS “Analysis->Descriptive Statistics-> Crosstabs” 中完成。

（2） 配对行列表

行列变量是配对数据，例如，如果有某种药物可以缓解某种疾病的某种症状，比较同一患者用药前后的症状，评价该药物的数据效果，如下表所示：

可用的统计方法：

（1） McNemar 检验：

仅用于 2×2 列联表。基于卡方分布。这可以在 SPSS “Analysis->Descriptive Statistics-> Crosstabs” 中完成。本测试与 Pearson 卡方检验相同分享交流 :选取 R×C 列联表的统计分析方法，并采用 SPSS 实现，使用条件必须满足 Pearson 卡方检验的条件。如果不满足条件，则需要进行 Yate 校正。

（2） Bowker 测试：

是 McNemar 检验的扩展，用于配对列联表分析分享交流 :选取 R×C 列联表的统计分析方法，并采用 SPSS 实现，具有大于 2 的类数。这可以在 SPSS “Analysis->Descriptive Statistics-> Crosstabs” 中完成。在 SPSS 中仍选择了 Mcnemar，输出是 Mcnemar-Bowker 结果。

什么是行变量和列变量？设置原则一般如下：实验设计三要素中的干预因子为行变量，实验效果指标为列变量。

标签： 无标签

版权说明：以上内容来自网友投稿，若有侵权请联系

★文章来自爱算卦网，未经允许不得转载！★