配对卡方检验及
K a p p a检验(一致性检
验)
精品文档
一、配对卡方检验
把每一份样本平均分成两份，分别用两种方法进行化验，比较此两种化验方法的结果（两类计数资料）是否有本质的不同；或者分别采用甲、乙两种方法对同一批病人进行检查，比较此两种检查方法的结果（两类计数资料）是否有本质的不同，此时要用配对卡方检验。
操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择McNemanr复选框，进行McNemanr检验。即配对卡方检验，只能针对方形表格进行。不能给出卡方值，只能给出P值。
二、一致性检验（Kappa检验）
诊断试验的一致性检验经常用在下列两种情况中：一种是评价待评价的诊断实验方法与金标准的一致性；另一种是评价两种化验方法对同一个样本（化验对象）的化验结果的一致性或两个医务工作者对同一组病人的诊断结论的一致性或同一医务工作者对同一组病人前后进行两次观察作出的诊断的一致性等等。
Kappa值即内部一致性系数(inter-rater,coefficient of internal consistency)，是作为评价判断的一致性程度的重要指标。取值在0～1之间。Kappa≥0.75两者一致性较好；0.75>Kappa≥0.4两者一致性一般；Kappa<0.4两者一致性较差。
操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择Kappa复选框。计算Kappa值。
如果选择Risk复选框，则计算OR值（比数比）和RR值（相对危险度）。
病例对照研究（case control study）是主要用于探索病因的一种流行病学方法。它是以某人群内一组患有某种病的人（称为病例）和同一人群内未患这种病但在与患病有关的某些已知因素方面和病例组相似的人（称为对照）作为研究对象；调查他们过去对某个或某些可疑病因（即研究因子）的暴露有无和（或）暴露程度（剂量）；通过对两组暴露史的比较，推断研究因子作为病因的可能性：如果病例组有暴露史者或严重暴露者的比例在统计学上显著高于对照组，则可认为这种暴露与患病存在统计学联系，有可能是因果联系。究竟是否是因果联系，须根据一些标准再加以衡量判断。
所谓联系（associatiom）是指两个或更多个变量间的一种依赖关系，可以是因果关系，也可以不是。
例如，对一组肺癌病人（病例组）和一组未患肺癌但有可比性的人（对照组）调查他们的吸烟（暴露）历史（可包括现在吸烟否，过去吸过烟否，开始
收集于网络，如有侵权请联系管理员删除
一、配对卡方检验 把每一份样本平均分成两份，分别用两种方法进行化验，比较此两种化验方法的结果（两类计数资料）是否有本质的不同；或者分别采用甲、乙两种方法对同一批病人进行检查，比较此两种检查方法的结果（两类计数资料）是否有本质的不同，此时要用配对卡方检验。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择McNemanr复选框，进行McNemanr检验。即配对卡方检验，只能针对方形表格进行。不能给出卡方值，只能给出P值。 二、一致性检验（Kappa检验） 诊断试验的一致性检验经常用在下列两种情况中：一种是评价待评价的诊断实验方法与金标准的一致性；另一种是评价两种化验方法对同一个样本（化验对象）的化验结果的一致性或两个医务工作者对同一组病人的诊断结论的一致性或同一医务工作者对同一组病人前后进行两次观察作 出的诊断的一致性等等。 Kappa值即内部一致性系数(inter-rater,coefficient of internal consistency)，是作为评价判断的一致性程度的重要指标。取值在0～1 之间。Kappa≥两者一致性较好；>Kappa≥两者一致性一般；Kappa<两者一致性较差。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择Kappa复选框。计算Kappa值。 如果选择Risk复选框，则计算OR值（比数比）和RR值（相对危险度）。 病例对照研究（case control study）是主要用于探索病因的一种流行病学方法。它是以某人群内一组患有某种病的人（称为病例）和同一人群内未患这种病但在与患病有关的某些已知因素方面和病例组相似的人（称为对照）作为研究对象；调查他们过去对某个或某些可疑病因（即研究因子）的暴露有无和（或）暴露程度（剂量）；通过对两组暴露史的比较，推断研究因子作为病因的可能性：如果病例组有暴露史者或严重暴露者的比例在统计学上显着高于对照组，则可认为这种暴露与患病存在统计学联系，有可能是因果联系。究竟是否是因果联系，须根据一些标准再加以衡量判断。 所谓联系（associatiom）是指两个或更多个变量间的一种依赖关系，可以是因果关系，也可以不是。
配对卡方检验及K a p p a 检验一致性检验 集团标准化办公室：[VV986T-J682P28-JP266L8-68PNN]
一、配对卡方检验 把每一份样本平均分成两份，分别用两种方法进行化验，比较此两种化验方法的结果（两类计数资料）是否有本质的不同；或者分别采用甲、乙两种方法对同一批病人进行检查，比较此两种检查方法的结果（两类计数资料）是否有本质的不同，此时要用配对卡方检验。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择McNemanr复选框，进行McNemanr检验。即配对卡方检验，只能针对方形表格进行。不能给出卡方值，只能给出P 值。 二、一致性检验（Kappa检验） 诊断试验的一致性检验经常用在下列两种情况中：一种是评价待评价的诊断实验方法与金标准的一致性；另一种是评价两种化验方法对同一个样本（化验对象）的化验结果的一致性或两个医务工作者对同一组病人的诊断结论的一致性或同一医务工作者对同一组病人前后进行两次观察作出的诊断的一致性等等。 Kappa值即内部一致性系数(inter-rater,coefficientofinternalconsistency)，是作为评价判断的一致性程度的重要指标。取值在0～1之间。Kappa≥0.75两者一致性较好；0.75>Kappa ≥0.4两者一致性一般；Kappa<0.4两者一致性较差。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择Kappa复选框。计算Kappa值。 如果选择Risk复选框，则计算OR值（比数比）和RR值（相对危险度）。 病例对照研究（casecontrolstudy）是主要用于探索病因的一种流行病学方法。它是以某人群内一组患有某种病的人（称为病例）和同一人群内未患这种病但在与患病有关的某些已知因素方面和病例组相似的人（称为对照）作为研究对象；调查他们过去对某个或某些可疑病因（即研究因子）的暴露有无和（或）暴露程度（剂量）；通过对两组暴露史的比较，推断研究因子作为病因的可能性：如果病例组有暴露史者或严重暴露者的比例在统计学上显着高于对照组，则可认为这种暴露与患病存在统计学联系，有可能是因果联系。究竟是否是因果联系，须根据一些标准再加以衡量判断。 所谓联系（associatiom）是指两个或更多个变量间的一种依赖关系，可以是因果关系，也可以不是。 例如，对一组肺癌病人（病例组）和一组未患肺癌但有可比性的人（对照组）调查他们的吸烟（暴露）历史（可包括现在吸烟否，过去吸过烟否，开始吸烟年龄，吸烟年数，最近每天吸烟支数；如已戒烟则为戒烟前每日吸烟支数，已戒烟年数，等等）。其目的为通过比较两组吸烟史的差别，检验吸烟（可疑病因）与疾病（肺癌）有因果联系的假设。这就是病例对照研究。 如果选择Cochran'sandMantel-Haenszelstatistics复选框，则可以为两个二分类变量进行独立性检验和同质性（齐性）检验，同时可进行分层因素的调整。包括：χ2MH统计量（分层卡
1． 配对四格表的卡方检验 （1） 当b+c≥40 c b c b +-=2 2 )(χ 1=υ （2） 当b+c<40 c b c b +--= 2 2 )1(χ 1=υ 例．有28份咽喉涂片标本，把每份标本一分为二，分别接种在甲、乙两种白喉杆菌培养基上，观察白喉杆菌生长的情况，其结果如表5，问两种培养基的阳性检出率是否相等？ 表5 两种白喉杆菌培养基培养结果比较 甲培养基 乙培养基 + - 合计 + 11 1 12 - 9 7 16 合计 20 8 28 例6．某医院用三种方案治疗急性无黄疸型病毒性肝炎结果如下，问三种疗法的有效率是否一致？ 表６ 三种方案治疗肝炎疗效的结果比较 组别 有效 无效 合计 有效率（％） 西药组 51 49 100 51.00 中药组 35 45 80 43.75 中西结合 59 15 74 79.73 145 109 254 57.09 卡方分割：（а必须校正，然后P 值和α’进行比较） 多个实验组间的两两比较：1 2' += k C α α 实验组与同一个对照组比较：() 12' -= k α α 1 输入值 2. 权重 3.计算卡方值 4.结果 Asymp.sig.的那一列就是P 值：表示三者间不全相同 5.卡方分割 输入条件 选择相应的组别计算相应的卡方值 例7. 测得某地5801人的ABO 血型和MN 血型结果如表7-10，问两种血型系统之间是否有关联？ 表7 某地5801人的血型 ABO 血型 MN 血型 合计 M N MN O 431 490 902 1823
A 388 410 800 1598 B 495 587 950 2032 AB 137 179 32 348 合计1451 1666 2684 5801 此题为双向无序，用卡方检验，计算列联系数： 计算步骤相同 唯一不同之处：多选两项（contigency coefficient为列联系数） 结果 结果解释：卡方值显示两者间有联系，Linear-by- Linear Association 中P<0.0001，所以数据符合线性；论文统计时还需要计算偏离线性回归分量=213.162-51.336即可，相应的自由度为6-1=5，算出的P值越大越说明符合线性。 例8. 某研究者欲研究年龄与冠状动脉粥样硬化等级之间的关系，将278例尸解资料整理成表7-13，问年龄与冠状动脉粥样硬化等级之间是否存在线性变化趋势？ 表8 年龄与冠状动脉硬化的关系 年龄(岁) (X) 冠状动脉硬化等级(Y) 合计—+ ++ +++ 20～70 22 4 2 98 30～27 24 9 3 63 40～16 23 13 7 59 ≥50 9 20 15 14 58 合计122 89 41 26 278 双向有序但属性不同，进行线性趋势检验（test for linear trend）： 1. 计算总的X 2值 2. 计算线性回归分量X 2回归 3. 计算偏离线性回归分量X 2偏 4. 列2x分解表，确定p值 变异来源df p 总变异(R-1)(C-1) 线性回归分量若小于0则相 关 偏离线性回归分量若小于0则为非直线相关 输入值进行线性趋势检验 结果 结果解释：卡方值即总变异为71.432 回归值为63.389 然后在EXCEL手工计算 配对四格表的扩展即例9 例9. 以血清法作为金标准评价滤纸片法的准确性，检测指标为检测标本的抗体阳性反应等级，结果如下表33-4,试进行效度评价。 表9 滤纸片法与血清法比较
南京大学学报(自然科学) 第34卷 第5期 JOU RN AL OF NAN JING U NIV ERSIT Y Vol.34,No.5 1998年9月 (N ATU RAL SCIENCES ) Sept .,1998 配对四格表资料差别检验的精确概率方法 刘玉秀 刘 钧 ( 南京大学医学院临床学院 南京军区南京总医院 医务部,210002,南京) 摘 要 探讨用于配对四格表资料差别检验的精确概率方法。方法:在配对四格表资料两组率差为0的无效假设下,根据两项分布的原理,可导出假设检验用的精确概率计算公式,借此公式经逐一计算,给出b ≤20和c ≤10不同组合时的单、双侧检验精确概率值。提供了配对四格表资料差别检验的精确概率计算公式,并构造出b ≤20和c ≤10的精确概率速查表。结论:M cN emar 卡方检验方法仅适于b +c >20情形,当b +c ≤20时宜用本文介绍的精确概率方法:或通过公式计算或直接查表。 关键词 配对四格表,假设检验,精确概率分类法 R311a 0 引 言 医学研究中经常会遇到配对形式的四格表资料,该类资料数据处理的目的一般为推断两因素(处理)间有无关联或两处理的结果间有无差异(此种情况更为多见),前者可采用通常四格表资料处理的卡方检验法或Fisher 精确概率法,后者常规应用的方法为M cNem ar 卡方检验法,但此方法需满足一定的条件,当配对四格表中(b+c)较小(<20)时不宜使用,应考虑选用配对四格表资料差别检验的精确概率计算方法。 表1 A 、B 两种检验方法对血中某抗体的检出情况T able 1 T he o utcome o f two test matho ds A B +-合 计+ 461460-43640合计 50 50 100 1 举 例 欲比较两种检验方法对血样中某抗体的检出率,将100份血样同时用两种方法进行检测,结果为阳性或阴性。根据检测的结果,应以血样本为基本单位,整理成数据对子数为100的配对形式的四格表资料(表1)进行两方法间检出率 a 收稿日期:1997-07-14;修回日期:1998-03-03 第一作者简介:刘玉秀,男,1966年2月生,主治医师,现从事科研管理,曾发表“生物检定数据效价比 值的广义线性模型估计”等论文
一致性检验（Kappa检验） 诊断试验的一致性检验经常用在下列两种情况中：一种是评价待评价的诊断实验方法与金标准的一致性；另一种是评价两种化验方法对同一个样本（化验对象）的化验结果的一致性或两个医务工作者对同一组病人的诊断结论的一致性或同一医务工作者对同一组病人前后进行两次观察作出的诊断的一致性等等。 Kappa值即内部一致性系数(inter-rater,coefficient of internal consistency)，是作为评价判断的一致性程度的重要指标。取值在0～1之间。Kappa≥0.75两者一致性较好；0.75>Kappa≥0.4两者一致性一般；Kappa<0.4两者一致性较差。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择Kappa 复选框。计算Kappa值。 如果选择Risk复选框，则计算OR值（比数比）和RR值（相对危险度）。 病例对照研究（case control study）是主要用于探索病因的一种流行病学方法。它是以某人群内一组患有某种病的人（称为病例）和同一人群内未患这种病但在与患病有关的某些已知因素方面和病例组相似的人（称为对照）作为研究对象；调查他们过去对某个或某些可疑病因（即研究因子）的暴露有无和（或）暴露程度（剂量）；通过对两组暴露史的比较，推断研究因子作为病因的可能性：如果病例组有暴露史者或严重暴露者的比例在统计学上显著高于对照组，则可认为这种暴露与患病存在统计学联系，有可能是因果联系。究竟是否是因果联系，须根据一些标准再加以衡量判断。 所谓联系（associatiom）是指两个或更多个变量间的一种依赖关系，可以是因果关系，也可以不是。 例如，对一组肺癌病人（病例组）和一组未患肺癌但有可比性的人（对照组）调查他们的吸烟（暴露）历史（可包括现在吸烟否，过去吸过烟否，开始吸烟年龄，吸烟年数，最近每天吸烟支数；如已戒烟则为戒烟前每日吸烟支数，已戒烟年数，等等）。其目的为通过比较两组吸烟史的差别，检验吸烟（可疑病因）与疾病（肺癌）有因果联系的假设。这就是病例对照研究。 如果选择Cochran's and Mantel-Haenszel statistics复选框，则可以为两个二分类变量进行独立性检验和同质性（齐性）检验，同时可进行分层因素的调整。包括：χ2MH统计量（分层卡方检验）、χ2CMH统计量、同质性检验（用于检验各层的风险情况是否一致）。可在下方设定相应H0假设的OR值，默认为1。计算Kappa值的标准误［1］:本例为SK＝0.10314。（4）为Kappa值的假设检验:①H０：Kappa＝0。②统计量U值：U＝Kappa／SK，本例为U＝5.7214465。 三、实例分析
Q：如何在SPSS中实现四格表的卡方检验？ A：在多数统计软件中，四格表（和行*列表）的数据格式均为行变量、列变量和频数变量。如下面这个四格表的数据及相应格式如下： 分析时首先选择菜单Data->Weight Cases，将频数变量选入Frequency格中，按OK确认。此时系统就会以频数表的形式来读取所输入的数据，既记录数应为34+12+23+26=95例，而不是4例。然后选择菜单Analyze->Descriptive Statistics->Cross Tables,将行、列变量分别选入相应的Row、Column格中，再按下方的Statistics钮，选中左上角的Chi-square复选框，按Continue钮，最后按OK即可。 Spss电脑实验－第三节(1) 您要打印的文件是：Spss电脑实验－第三节(1) 打印本文 Spss电脑实验－第三节(1) 作者：佚名转贴自：本站原创点击数：74
第三节不同对象有关指标发生率 （百分比）间的比较 Ⅰ．两种对象率（百分比）间的比较—四格表χ2 检验 χ 2 检验（chi-square test），χ为希腊文字母，读作 [kai]（卡）； chi-square读作“卡方”；χ2 检验即“卡方检验”。它是一种用途较广的假设检验方法，是分析计率或百分 比及某些等级资料常用的方法，可分析两个或两个以上率（或百分比）差别的显著性。 1. 两个样本率（百分比）比较—一般四格表的χ2检验 四格表的χ2检验用于分析两组或两组以上率（或百分比）差别的显著性。 χ2 = ∑[（∣A - T∣）2 / T ] .....................................(3-1) 式中 A 为四格表各格子中的实际数，T 为理论数。 χ2 =（ad-bc)2 n / [(a+b)(c+d)(a+c)(b+d)] .........................(3-2) 例如: 某医院用两种疗法（drug）治疗慢性肾炎病人，结果（effect）西药 组有效率为 79.7%（63/79）；中药组有效率为 87.0（47/54），见表 3-1-a。问中药治疗的有效率是否较高？（引自何清波等 主编，医学统计学及其软件包，2002 年，P.183）。 表3-1-a 两种疗法治疗慢性肾炎病人的结果 治疗用药治疗例数有效例数有效率(%) 西药 79 63 79.7中药 54 47 87.0--------------------------------------------------------------------- -----------合计 133 110 82.7 表 3-1是学术论文或总结报告中的常用形式；而在进行χ2检验时，不能用这 个表的形式，必须列出象表 3-1-b 的表格形式，其中要从“治疗例数合计”中分出“无效例数”，这才是所谓著 名的“四格表”（fourfold table，或2×2表，即 a = 63、b = 16、c = 47、d = 7 这 4 格），而不是表 3-1-a 中的 79、63、54、 47 这 4 格！ 表3-1-b 两种疗法治疗慢性肾炎病人的结果 治疗结果（effect）治疗用药 ---------------------------------（drug）有效例数 (1) 无效 例数 (2) 治疗例数合计有效率(%) 西药 (1) 63 (a) 16 (b) 79 (a+b) 79.7中药 (2) 47 (c) 7 (d) 54 (c+d)
配对卡方检验及 K a p p a检验(一致性检 验)
精品文档 一、配对卡方检验 把每一份样本平均分成两份，分别用两种方法进行化验，比较此两种化验方法的结果（两类计数资料）是否有本质的不同；或者分别采用甲、乙两种方法对同一批病人进行检查，比较此两种检查方法的结果（两类计数资料）是否有本质的不同，此时要用配对卡方检验。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择McNemanr复选框，进行McNemanr检验。即配对卡方检验，只能针对方形表格进行。不能给出卡方值，只能给出P值。 二、一致性检验（Kappa检验） 诊断试验的一致性检验经常用在下列两种情况中：一种是评价待评价的诊断实验方法与金标准的一致性；另一种是评价两种化验方法对同一个样本（化验对象）的化验结果的一致性或两个医务工作者对同一组病人的诊断结论的一致性或同一医务工作者对同一组病人前后进行两次观察作出的诊断的一致性等等。 Kappa值即内部一致性系数(inter-rater,coefficient of internal consistency)，是作为评价判断的一致性程度的重要指标。取值在0～1之间。Kappa≥0.75两者一致性较好；0.75>Kappa≥0.4两者一致性一般；Kappa<0.4两者一致性较差。 操作方法：单击【Statistics钮】，在弹出的Statistics对话框中选择Kappa复选框。计算Kappa值。 如果选择Risk复选框，则计算OR值（比数比）和RR值（相对危险度）。 病例对照研究（case control study）是主要用于探索病因的一种流行病学方法。它是以某人群内一组患有某种病的人（称为病例）和同一人群内未患这种病但在与患病有关的某些已知因素方面和病例组相似的人（称为对照）作为研究对象；调查他们过去对某个或某些可疑病因（即研究因子）的暴露有无和（或）暴露程度（剂量）；通过对两组暴露史的比较，推断研究因子作为病因的可能性：如果病例组有暴露史者或严重暴露者的比例在统计学上显著高于对照组，则可认为这种暴露与患病存在统计学联系，有可能是因果联系。究竟是否是因果联系，须根据一些标准再加以衡量判断。 所谓联系（associatiom）是指两个或更多个变量间的一种依赖关系，可以是因果关系，也可以不是。 例如，对一组肺癌病人（病例组）和一组未患肺癌但有可比性的人（对照组）调查他们的吸烟（暴露）历史（可包括现在吸烟否，过去吸过烟否，开始 收集于网络，如有侵权请联系管理员删除
统计软件配对卡方检验 教程 Company Document number：WUUT-WUUY-WBBGB-BWYTT-1982GT
1．配对四格表的卡方检验 （1） 当b+c≥40 c b c b +-=2 2 )(χ 1=υ （2） 当b+c<40 c b c b +--= 2 2 )1(χ 1=υ 例．有28份咽喉涂片标本，把每份标本一分为二，分别接种在甲、乙两种白喉杆菌培养基上，观察白喉杆菌生长的情况，其结果如表5，问两种培养基的阳性检出率是否相等 表5 两种白喉杆菌培养基培养结果比较 甲培养基 乙培养基 + - 合计 + 11 1 12 - 9 7 16 合计 20 8 28 例6．某医院用三种方案治疗急性无黄疸型病毒性肝炎结果如下，问三种疗法的有效率是否一致 表６ 三种方案治疗肝炎疗效的结果比较 组别 有效 无效 合计 有效率（％） 西药组 51 49 100 中药组 35 45 80 中西结合 59 15 74 145 109 254 卡方分割：（а必须校正，然后P 值和α’进行比较） 多个实验组间的两两比较：1 2'+= k C α α 实验组与同一个对照组比较：() 12'-= k α α 1 输入值
2. 权重 3.计算卡方值 4.结果 .的那一列就是P值：表示三者间不全相同 5.卡方分割 输入条件 选择相应的组别计算相应的卡方值 例7. 测得某地5801人的ABO血型和MN血型结果如表7-10，问两种血型系统之间是否有关联 表7 某地5801人的血型 ABO血型 MN血型 合计M N MN O 431 490 902 1823 A 388 410 800 1598 B 495 587 950 2032 AB 137 179 32 348 合计1451 1666 2684 5801 此题为双向无序，用卡方检验，计算列联系数： 计算步骤相同 唯一不同之处：多选两项（contigency coefficient为列联系数） 结果 结果解释：卡方值显示两者间有联系，Linear-by- Linear Association 中P<，所以数据符合线性；论文统计时还需要计算偏离线性回归分量=即可，相应的自由度为6-1=5，算出的P值越大越说明符合线性。 例8. 某研究者欲研究年龄与冠状动脉粥样硬化等级之间的关系，将278例尸解资料整理成表7-13，问年龄与冠状动脉粥样硬化等级之间是否存在线性变化趋势 表8 年龄与冠状动脉硬化的关系 年龄(岁) 冠状动脉硬化等级(Y) 合计
一致性检验之Kappa、ICC、kendall协调系数的差别 展开全文 一致性检验的目的在于比较不同方法得到的结果是否具有一致性。检验一致性的方法有很多比如：Kappa检验、ICC 组内相关系数、Kendall W协调系数等。每种方法的功能侧重，数据要求都略有不同： 一致性检验 Kappa系数检验，适用于两次数据（方法）之间比较一致性，比如两位医生的诊断是否一致，两位裁判的评分标准是否一致等。
ICC组内相关系数检验，用于分析多次数据的一致性情况，功能上与Kappa系数基本一致。ICC分析定量或定类数据均可；但是Kappa一致性系数通常要求数据是定类数据。Kendall W协调系数，是分析多个数据之间关联性的方法，适用于定量数据，尤其是定序等级数据。 进一步说明（1）Kappa检验 Kappa检验分为简单Kappa检验和加权Kappa检验，两者的区别主要在于： 如果研究数据是绝对的定类数据（比如阴性、阳性），此时使用简单Kappa系数； 如果数据为等级式定类数据（比如轻度，中度，重度；也或者不同意，中立，同意）；此时可使用加权（线性）Kappa 系数。 应用举例 两个医生分别对于50个病例进行MRI检查（MRI检查诊断共分三个等级，分别是轻度，中度和重度），对比两名医生检查结果诊断的一致性水平。 （1表示轻度，2表示中度，3表示重度） 使用路径：SPSSAU→医学实验→Kappa
Kappa系数结果表 根据上表可知，两位医生对于MRI检查诊断结论具有较强（Kappa值=0.644）的一致性。 （2）ICC组内相关系数 ICC组内相关系数可用于研究评价一致性，评价信度，测量复测信度（重测信度）等。相对于Kappa系数，ICC组内相关系数的适用范围更广，适用于定量或者定类数据，而且可针对双样本或者多样本进行分析一致性。但ICC的分析相对较为复杂，通常需要从三个方面进行分析并且选择最优的ICC模型；分别是模型选择，计算类型和度量标准。 六类模型细分 模型选择上，需要考虑是否将当前结论延伸推广到其它研究中，也或者考虑是否为研究数据的绝对相等程度。 计算类型上，如果不需要考虑系统误差则使用“一致性”，如果需要考虑系统误差则使用“绝对一致性”。 度量标准上，如果是原始数据则使用“单一度量”，如果是计算后的数据，则使用“平均度量”。 应用举例 3个医生对于10位术后病人的恢复情况评分；现在希望通过分析研究3个医生的打分一致性水平情况，使用ICC组内相关系数进行研究。录入后的ICC数据格式如下：
Excel实现配对资料比较的卡方检验 (该Excel文件pzhh@https://www.doczj.com/doc/9c7553573.html,免费提供,欢迎e-mail索取) 视频例1 χ2检验多用于推断两个或两个以上样本率（或构成比）之间有无差异。 对于配对资料，应采用分析结果不同部分有无差别的McNemar χ2 检验。 例:有28份痰液样本，依同样条件分别接种于甲、乙两种结核杆菌培养基上，同+11例同-7例甲+乙-9例甲-乙+1例，问两种培养基的结果有无联系、有无差别(α=0.05)？ 在B3，C3，B4，C4格分别输入实际例数11、9、1、7。在E1格输入0.05。 因本例中B组的两个理论频数低于5，故采用校正公式3、4的结论，在α=0.05的水准上，行属性与列属性独立（无相关，也就是说两行上的频数分布是相同的，甲培养的阳性、阴性与乙培养的阳性、阴性之间无关）（χ2=2.658，P=0.103）。如采用未校正公式1、2，将得到如下错误结论：在α=0.05的水准上，行属性与列属性不独立（相关）（χ2=4.215，P=0.040）。 因本例为配对资料，要判断甲与乙之间有无差异时，应采用分析结果不同部分有无差别的McNemar χ2 检验：在α=0.05的水准，结果不同部分有显著的统计学意义（Mc Nemarχ2=4.900，P=0.027）。专业结论：甲乙两种培养基的结果无相关（χ2=2.658，P=0.103）。甲乙两种培养基上结核杆菌生长率不同（Mc Nemarχ2= 4.90,P=0.027），甲培养基上结核杆菌生长率较高（71.4%>42.9%）。
在列的第4至8行分别输入方法1的各级疗效的实际例数；在C列的第4至8行分别输入方法2的各级疗效的实际例数；在G1输入显著性水准0.05，因本例数据等级Ⅰ为疗效最好的“治愈”，所以在G13格录入1（如数据等级Ⅰ为疗效最差的“恶化”时录0）。 原始数据录入后就可得到结果如下图所示。 图中两组值显示在16行，C列，检验u值显示在B19格，值显示在E19格。如值<显著水准α，显示为亮蓝色，否则为桔红色。B20、B21为统计结论。 统计结论：两组数据的值之间差异有非常显著的统计学意义（u=4.05，= 5.1×10-5）。 专业结论：两种治疗方法的治疗效果差异有非常显著的统计学意义（u=4.05，= 5.1×10-5）。1=0. 576，2=0.405；1﹥2，因数据等级是按疗效由好至差排列，所以治疗方法2优于治疗方法1。 双击Excel文件“常用统计”。单击工作表“Ridit分析”。 在列的第4至8行分别输入方法1的各级疗效的实际例数；在C列的第4至8行分别输入方法2的各级疗效的实际例数；在D列的第4至8行分别输入方法3的各级疗效的实际例数；在L1输入显著性水准0.05。因本例数据等级Ⅰ为疗效最好的“治愈”，所以在G13格录入1（如数据等级Ⅰ为疗效最差的“恶化”时录0）。 工作表中最多可录入6个组，每组数据最多可分为9个等级。 图中各组值显示在16行列至G列，多组检验χ2值显示在B23格，值显示在E23格，为桔红色。当值<显著水准α时，显示为亮蓝色，B24显示统计结论：行属性(疗效)与列属性(治疗方法)之间不独立，有相关性。要进一步作各组间两两比较。两个组行列交叉的C27格至G31格显示这两组值两两比较的F值，C33格至G37格是对应的值。当值<显著水准α时，显示为亮蓝色，说明相对应的两治疗方法之间疗效差异有显著的统计学意义。依据G13格录入的数据等级所表示的好差方向，C39格至G43格显示对应交叉格两方法比较的统计结论，哪一方法优于另一方法。 专业结论：各治疗方法与疗效之间不独立（χ2=16.521，=2.59×10-4）。1=0.575，2=0.403；3 =0.503。多组R值均数的两两之间比较显示疗法1与疗法2疗效差异有非常显著的统计学意义（F=8.255，