SPSS详细操作：独立样本四格表的卡方检验

前面几期和大家一起学习了t检验的SPSS操作，相信各位小伙伴都已经轻车熟路了，还没看的小伙伴赶快戳下面的文章：

学了这么多连续变量的统计分析，那么对于计数资料可咋整。小伙伴会问了：如果我想看不同患者人群的术后复发率有没有差异，怎么办？这时候就需要欢迎我们的统计小助手——卡方检验闪亮登场啦！

卡方检验可是一位重量级选手，凡是涉及到计数资料分布的比较都需要他的帮忙。和t检验一样，卡方检验也会用在成组和配对设计资料分析中，本期我们一起聊聊独立样本四格表的χ²检验。

一、问题与数据

用药物A治疗急性心肌梗死患者198例，24小时内死亡11例，病死率为5.56%，另42例治疗时采用药物B，24小时内死亡6例，病死率为14.29%，提问：两组病死率有无差别？

表1. 两种药物急性心肌梗塞患者治疗后24小时内死亡情况

二、对数据结构的分析

“生存”，还是“死亡”，这是个问题，但更是一个典型的二分类结局指标，我们关注的重点是两种药物治疗后“生存”和“死亡”的分布（或者说病死率）有无差别，由此组成的2*2列联表就是χ²检验中经典的“四格表”（如表1）。

下面一起看看SPSS怎样搞定χ²检验。

三、SPSS分析方法

1. 数据录入

(1) 变量视图

(2) 数据视图

2. 加权个案：选择Data→weight cases→勾选Weight cases by，将频数放入Frequency Variable→OK。因为本例中数据库每一行代表多个观测对象，所以需要对其进行加权处理。

当然，如果数据是以单个观测对象的形式，即每一行代表1个观测对象，则无需加权（如下图）。

3. 选择Analyze→Descriptive Statistics→Crosstabs

4. 选项设置

(1) 主对话框设置：将分组变量Drug放入Row(s)框中→将指标变量Outcome放入Column(s)框中（实际上χ²检验是关注实际和理论频数是否一致，这里Row(s)框和Column(s)框内变量也可以颠倒放，并不影响最终结果）。

(2) Statistics设置：勾选Chi-square，确定使用成组计数资料的卡方检验→Continue

(3) Cells设置：Counts中勾选Observed和Expected，输出实际观测频数和理论频数；Percentages中勾选Row，输出每组转归百分比→Continue→OK

四、结果解读

表2  统计汇总

表2中不仅有服用两种药物后患者实际转归（生存/死亡）的频数和相应百分比，还输出了相应的理论频数（所在行列合计数乘积/总例数）。需要注意的是，这里的理论频数和总例数直接决定了下面卡方检验结果的选择。

表3  卡方检验结果

表3中这么多检验结果，到底看哪一个？不要着急 ，我们一个一个来看：

1、总例数≥40，所有理论频数≥5，看Pearson Chi-Square结果；

2、总例数≥40，出现1个理论频数≥1且<5，χ²检验需进行连续性校正，这时以Continuity Correction结果为准；

3、总例数≥40，至少2个理论频数≥1且<5，看Fisher’s Exact Test结果；

4、总例数<40或者出现理论频数<1，看Fisher’s Exact Test结果。

（ SPSS也会友好地在表格下方的注释部分提示是否有理论频数小于5，以及最小的理论频数是多少，方便选择恰当的检验方法）

本例中总例数=240>40，存在1个理论频数=3.0<5，所以需要看Continuity Correction结果，χ²=2.796，P=0.095>0.05。

五、撰写结论

两种药物治疗急性心肌梗塞患者的预后并不相同，A药病死率为5.6%，低于 B药(14.3%)，但差异无统计学意义（χ²=2.796，P=0.095）。

六、延伸阅读

1、χ²检验是基于χ²分布的一种假设检验，简单讲就是想看看实际观测数和理论频数偏离程度。比如说，上面提到的例子中服用A药后共观察到187例存活，这里的187例就是“实际观测数”，对应的“理论频数”是187所在行列合计的乘积与总例数的比值，也就是198*223/240=184。所有单元格的实际观测数和理论频数计算出后，可根据如下公式计算χ²，得到相应的P值。

χ²=∑[(实际观测数-理论频数)²/理论频数]，ν=(行数-1)*(列数-1)

χ²检验的原假设是实际观测数和理论频数分布一致，如果P<0.05，那么拒绝原假设，认为实际观测数和理论频数分布是不一致的，也就是A药和B药治疗后的转归是不同的。当然有了统计分析软件，我们就不需要这么辛苦的计算啦。

2、如果χ²检验所得P值在0.05左右，或者总例数较小，理论频数较少时，给出的结论一定要谨慎，不要简单给出P>0.05或者P<0.05，靠谱儿的做法是给出明确的P值。另外，利用列联表χ²检验比较不同患者某种治疗结局有无差别时，还应该评估不同组患者是否“同质”。举个例子，患者病情严重程度是否一致，这些特征都可能会影响最终结果的判断，对于这一类问题，可以考虑分层χ²检验，logistic回归进行处理，这些后面我们接着聊~~~ 

研究进展精彩回顾

统计学精彩回顾

医咖会微信：medieco-ykh

关注医咖会，轻松学习统计

我们建了一个微信群，有临床研究设计或统计学方面的难题？快加小咖个人微信（xys2016ykf），拉你进群，和其他小伙伴们一起交流学习吧。

点击左下角“阅读原文”，看看医咖会既往推送了哪些研究设计或统计学文章。还可以到医咖会公众号下方的自定义菜单，点击“直接搜索”，查找你想了解的内容。