查看原文
其他

SPSS详细操作:一致性检验和配对卡方检验

2017-01-24 李延龙 医咖会

前面两期介绍了成组计数资料卡方检验的SPSS实例操作,这一期我们接着聊聊配对计数资料的卡方检验。


精彩回顾

1. SPSS详细操作:独立样本四格表的卡方检验

2. SPSS详细操作:多个独立样本列联表的卡方检验

一、问题与数据

有两种方法可用于诊断某种癌症,A方法简单易行,成本低,患者更容易接受,B方法结果可靠,但操作繁琐,患者配合困难。某研究选择了53例待诊断的门诊患者,每个患者分别用A和B两种方法进行诊断(表1),判断两种方法诊断癌症有无差别,A方法是否可以代替B方法。


表1 进口药和国产药治疗效果

二、对数据结构的分析

之前介绍过成组设计的列联表,它的行变量和列变量代表的是一个事物的两个不同属性,以我们举过的A药和B药治疗急性心肌梗死患者疗效比较为例,例子中行变量“药物”和列变量“转归”是患者的两个不同特征。


但是配对设计的列联表却有些不同,它的行变量和列变量代表的是一个事物的同一属性,只是对这个属性的判断方法不同而已。如表1所示,行和列均指的是患者是否患有癌症,所不同的是一个是A方法,另一个是B方法。这种列联表最大的特点是行和列数目永远都是一样的。此时,再用成组计数资料的χ2检验就不合适了。这里我们就要用到Kappa一致性检验和配对χ2检验(McNemar检验)


为什么同一配对设计计数资料咋还有两种检验方法呢?其实这两种方法各有侧重:


1、Kappa检验旨在评价两种方法是否存在一致性;配对χ2检验主要确定两种方法诊断结果是否有差别;


2、Kappa检验会利用列联表的全部数据,而配对χ2检验只利用“不一致“数据,如表1中b和c;


3、Kappa检验可计算Kappa值用于评价一致性大小,而配对χ2检验只能给出两种方法差别是否具有统计学意义的判断。


Kappa值判断标准:


Kappa≥0.75,说明两种方法诊断结果一致性较好;


0.4≤Kappa<0.75,说明两种方法诊断结果一致性一般;


Kappa<0.4,说明两种方法诊断结果一致性较差。


有关具体计算过程,我们这里可以交给计算机统计软件SPSS来完成。

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。


 

3. 选择Analyze→Descriptive Statistics→Crosstabs


 

4. 选项设置


(1) 主对话框设置:将“A方法”和“B方法”两个变量分别放入Row(s)框和Column(s)框中(无位置要求)。


 

(2) Statistics设置:勾选McNemar和Kappa→Continue


 

(3) Cells设置:Counts中勾选Observed,输出实际观测频数;Percentages勾选Row和Column,输出行和列占比→Continue→OK


四、结果解读

表1  统计描述

 

表2  配对χ2检验

 

表3  Kappa一致性检验

 

表2中SPSS给出了McNemer检验的结果, P=0.022<0.05,提示两种方法诊断情况并不一致;表3中Kappa=0.506,P<0.001,提示两种方法诊断结果存在一致性,但是Kappa在0.4~0.75范围内,一致性一般。

五、撰写结论

A方法和B方法诊断结果一致性一般(Kappa=0.506,P<0.001); B诊断阳性率为67.9%,明显高于A诊断(50.9%),且差别具有统计学意义(P=0.022)。


PS: R*C配对列联表的χ2检验应用Bowker检验,SPSS的具体操作方法同McNemar检验。


统计学精彩回顾

1. SPSS实例教程:有序多分类Logistic回归

2. SPSS详细操作:两因素重复测量的方差分析


研究进展精彩回顾

1. 图说:身高与癌症发病风险有关联?

2. 2017指南:妊娠期甲状腺疾病的诊治

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。

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存