多个样本率的卡方检验及两两比较之spss超简单

SPSS：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)呢？3、思维导图4、SPSS操作4.1 数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是24.7，大于5，满足假设5，具有足够的样本量。

用SPSS进行不同变量多组间两两比较卡方检验在使用SPSS进行不同变量多组间两两比较卡方检验时，我们可以按照以下步骤进行操作：一、实验设计在进行卡方检验之前，需要明确变量的分类和分组情况。

假设我们有一个调查数据集，其中包含一个自变量（X）和一个因变量（Y），分别有三个水平（A、B、C）和四个水平（D、E、F、G）。

我们的目标是检验自变量（X）的不同水平对因变量（Y）的影响是否显著。

二、导入数据将收集到的数据导入SPSS软件。

确保数据格式正确，变量的水平设置正确。

三、设置分析参数在SPSS的菜单栏选择“分析（Analyze）” - “描述统计（Descriptive Statistics）” - “交叉表（Crosstabs）”。

四、选择变量在交叉表对话框中，将因变量（Y）拖入“行”框中，自变量（X）拖入“列”框中。

点击“统计”按钮。

五、设置统计参数在统计对话框中，选择需要计算的统计量。

在这里，我们需要进行卡方检验，因此选择“卡方（Chi-square）”选项。

点击“继续”按钮。

六、进行卡方检验点击“OK”按钮，SPSS将生成卡方检验结果表格。

此表格显示了各个变量水平之间的卡方值、自由度和显著性水平。

七、结果解读根据卡方检验结果表格，我们可以判断各个变量水平之间的差异是否显著。

卡方值越大，说明差异越显著；相应地，显著性水平（p-value）越小，说明差异越显著。

如果p-value小于设定的显著性水平（通常为0.05），则可以拒绝原假设，即认为变量之间存在显著差异。

八、结果报告根据卡方检验结果生成一个简明的报告。

报告应包括所使用的统计方法，统计检验结果和结论。

可以用表格或图表展示数据，以便更直观地描述结果。

以上是使用SPSS进行不同变量多组间两两比较卡方检验的步骤。

通过这些步骤，我们可以得出结论，确定各个变量水平之间是否存在显著差异。

这为我们研究相关问题提供了可靠的数据支持。

SPSS：多个样本率的卡圆考验及二二比较之阳早格格创做去自：医咖会医咖会之前推支过“二个率的比较(卡圆考验)及Fisher 透彻考验的SPSS教程”，小伙陪们皆掌握了吗？如果不只二个分组，又该怎么样举止卡圆考验以及之后的二二比较呢？去瞅仔细教程吧！1、问题与数据某医死拟探讨药物以中的其余要领是可可落矮患者的胆固醇浓度，如巩固体育锻炼、缩小体沉及革新饮食习惯等.该医死招募了150位下胆固醇、死计习惯好的受试者，并将其随机分成3组.其中一组赋予落胆固醇药物，一组赋予饮食搞预，另一组赋予疏通搞预.通过6个月的考查后，该医死沉新丈量受试者的胆固醇浓度，分为下战平常二类.该医死支集了受试者交受的搞预要领（intervention）战考查中断时胆固醇的危害程度（risk_level）等变量疑息，并依照分类汇总整治，部分数据如下：注释：本钻研将胆固醇浓度分为“下”战“平常”二类，不过为了分解的便当，本去不代表临床诊疗截止.2、对于问题的分解钻研者念推断搞预后多个分组情况的分歧.如本钻研中通过落胆固醇药物、饮食战疏通搞预后，比较各组胆固醇浓度的变更情况.针对于那种情况，咱们修议使用卡圆考验(2×C)，然而需要先谦脚5项假设：假设1：瞅测变量是二分类变量，如本钻研中考查中断时胆固醇的危害程度变量是二分类变量.假设2：存留多个分组（>2个），如本钻研有3个分歧的搞预组.假设3：具备相互独力的瞅测值，如本钻研中诸位受试者的疑息皆是独力的，不会相互搞扰.假设4：钻研安排必须谦脚：(a) 样本具备代表性，如本钻研正在下胆固醇、死计习惯好的人群中随机抽与150位受试者；(b) 手段分组，不妨是前瞻性的，也不妨是回瞅性的，如本钻研中将受试者随机分成3组，分别赋予落胆固醇药物、饮食战疏通搞预.假设5：样本量脚够大，最小的样本量央供为分解中的任一预测频数大于5.经分解，本钻研数据切合假设1-4，那么该当怎么样考验假设5，并举止卡圆考验(2×C)呢？3、思维导图4、SPSS支配4.1 数据加权正在举止正式支配之前，咱们需要先对于数据加权，如下：(1)正在主页里面打Data→Weight Cases弹出下图：(2)面打Weight cases by，激活Frequency Variable窗心(3)将freq变量搁进Frequency Variable栏(4)面打OK4.2 考验假设5数据加权之后，咱们要推断钻研数据是可谦脚样本量央供，如下：(1)正在主页里面打Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention战risk_level分别搁进Row(s)栏战Column(s)栏(3)面打Statistics，弹出下图：(4)面打Chi-square(5)面打Continue→Cells(6)面打Counts栏中的Expected选项(7)面打Continue→OK经上述支配，SPSS输出预期频数截止如下：该表隐现，本钻研最小的预测频数是24.7，大于5，谦脚假设5，具备脚够的样本量.Chi-Square Tests 表格也对于该截止搞出提示，如下标注部分：即正在本钻研中，不小于5的预测频数，不妨曲交举止卡圆考验(2×C).那么，如果存留预测频数小于5的情况，咱们该当怎么办呢？普遍去道，如果预测频数小于5，便需要举止Fisher透彻考验(2×C)，咱们将正在后里推支的真质中背大家仔细介绍.4.3 卡圆考验(2×C)的SPSS支配(1)弹出下图：(2)(3)(4)(5)面打Percentage栏中的Column选项(6)4.4 组间比较(1)弹出下图：(2)面打Cells，弹出下图：(3)面打z-test栏中的Compare column proportions战Adjust p-values (Bonferroni method)选项(4)5、截止阐明5.1 统计形貌正在举止卡圆考验(2×C)的截止分解之前，咱们需要先对于钻研数据有个基础的相识.SPSS输出截止如下：该表提示，本钻研公有150位受试者，根据搞预办法均分为3组.正在考查中断时，药物搞预组的50位受试者中有16位胆固醇浓度下，饮食搞预组的50位受试者中有28位胆固醇浓度下，而疏通搞预组的50位受试者中有30位胆固醇浓度下，如下标注部分：由此可睹，药物搞预比饮食或者疏通搞预的疗效更佳.共时，该表也提示，药物搞预组的50位受试者中有34位胆固醇浓度下落，饮食搞预组的50位受试者中有22位胆固醇浓度下落，而疏通搞预组的50位受试者中惟有20位胆固醇浓度下落，如下标注部分：然而是，当各组样本量分歧时，频数会误导人们对于数据的明白.果此，咱们推荐使用频次去分解截止，如下标注部分：该表提示，药物搞预组的50位受试者中68%胆固醇浓度下落，饮食搞预组的50位受试者中44%胆固醇浓度下落，而疏通搞预组的50位受试者中惟有40%胆固醇浓度下落，提示药物搞预比饮食战疏通搞预更灵验.然而是那种曲交的数据比较大概受到抽样缺面的效率，可疑性不强，咱们还需要举止统计教考验.5.2 卡圆考验(2×C)截止本钻研中任一预测频数均大于5，所以根据Chi-Square Tests表格分解各组的不共.SPSS输出考验截止如下：卡圆考验(2×C)截止隐现χ2=9.175，P = 0.010，证明本钻研中各组之间率的好值与0的好别具备统计教意义，提示药物搞预与饮食、疏通搞预正在落矮受试者胆固醇浓度的效率上存留分歧.如果P>0.05，那么便证明各组之间率的好值与0的好别不统计教意义，即不认为各组之间存留好别.5.3 卡圆考验(2×C)中的成对于比较分解如果卡圆考验(2×C)的P<0.05，证明起码有二组之间的好别存留统计教意义.SPSS输出的risk_level * intervention Crosstabulation表格通过数字标记表记标帜提示了二二比较的截止，如下标注部分：大家大概会注意到，每组数据的标记表记标帜相共（即上下二止的标记表记标帜相共），那么咱们只消知讲组间标记表记标帜的效率即可.那么，risk_level * intervention Cross tabulation表格的标记表记标帜是什么意义呢？第一种情况，各组间无好别，如下：如上图，各组间标记表记标帜普遍，证明各组之间无好别.第二种情况，任性二组之间均存留好别，如下：即每组标记表记标帜字母均不相共，证明任性二组之间的好别均存留统计教意义.第三种情况，有些组之间存留好别，而另一些组之间的好别不统计教意义，如下：如果任二组之间标记表记标帜字母相共，证明那二组之间的好别不统计教意义；如果二组标记表记标帜字母分歧，证明那二组之间的好别存留统计教意义.根据那一准则，分解本钻研截止如下：该表证明，正在本钻研中，药物搞预的落胆固醇效率(“a”)与饮食搞预的落胆固醇效率(“b”)的好别存留统计教意义(P<0.05)，药物搞预的落胆固醇效率(“a”)也与疏通搞预的落胆固醇效率(“b”)的好别存留统计教意义(P<0.05)，而饮食搞预(“b”)与疏通搞预(“b”)正在落胆固醇的效率上不好别.6、撰写论断6.1 若卡圆考验(2×本钻研招募150位下胆固醇、死计习惯好的受试者，随机分组后分别赋予药物、饮食战疏通搞预.考查中断时，药物搞预组有34位(68%)胆固醇浓度下落，饮食搞预组有22位(44%)胆固醇浓度下落，而疏通搞预组有20位(40%)胆固醇浓度下落，三组好别具备统计教意义(P=0.010).成对于比较截止提示，药物搞预的落胆固醇效验佳于饮食或者疏通搞预(P<0.05)，而饮食与疏通搞预正在落矮胆固醇浓度上的效率无好别(P>0.05).6.2 若卡圆考验(2×C)的P≥本钻研招募150位下胆固醇、死计习惯好的受试者，随机分组后分别赋予药物、饮食战疏通搞预.考查中断时，药物搞预组有24位(48%)胆固醇浓度下落，饮食搞预组有22位(44%)胆固醇浓度下落，而疏通搞预组有20位(40%)胆固醇浓度下落，三组截止的好别不统计教意义（P=0.620）.。

SPSS：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)呢？3、思维导图4、SPSS操作4.1 数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(6)点击Counts栏中的Expected选项经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是24.7，大于5，满足假设5，具有足够的样本量。

多个样本率的卡方检验及两两比较之s p s s超简单Document number【SA80SAB-SAA9SYT-SAATC-SA6UT-SA18】S P S S：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

SPSS：多个样本率的卡方检验及两两比较欧阳家百（2021.03.07）来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)呢？3、思维导图4、SPSS操作4.1 数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是24.7，大于5，满足假设5，具有足够的样本量。

SPSS 多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher 精确检验的SPSS 教程”，小伙 伴们都掌握了吗？如果不止两个分组， 又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度, 少体重及改善饮食习惯等。

该医生招募了 150位高胆固醇、生活习惯差的受试者， 并将其随机分成 3组。

其中一组 给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过 6个月的试验后，该医 生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法(intervention )和试验结束时胆固醇的风险程度(risk_level )等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代 表临床诊断结果。

如增强体育锻炼、减2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验但需要先满足5项假设：饮食和运动(2 X C),假设类变量。

1 :观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分假设2:存在多个分组(>2个)，如本研究有3个不同的干预组。

假设干扰。

3 :具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互4:研究设计必须满足: 假设的人群中随机抽取150位受试者；本研究中将受试者随机分成3组, (a)样本具有代表性，如本研究在高胆固醇、生活习惯差(b)目的分组，可以是前瞻性的，也可以是回顾性的，如分别给予降胆固醇药物、饮食和运动干预。

假设5:样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5,并进行卡方检验(2 X C) 呢？3、思维导图4、SPSS操作4.1数据加权在进行正式操作之前，我们需要先对数据加权，如下: ⑴ 在主页面点击Data 7 Weight Cases弹出下图:@1 Ooi not wrieight cases O Weight M&es byFll '!!二 I'-' 311^1：-* -----------------------Current Status* Weight cafi&s by fr&q(2) 点击 Weight cases by ，激活 Frequency Variable 窗口吗 Weigiht Cases©0 natweigtit cases.jIBMIBJM IIMJIM MUBJII■ ■ ■ ■ ■ |©(WeiglTl cases byjFrequency Va'rii3 QI e:Current Stains. Weigh! cases Dy fr&q(3) 将 freq 变量放入 Frequency Variable 栏绘 Weight CasesO Do not 術eight cases. @ Weight cases by■ Requancy Variabls-Current Status: Weiont cases Dy ITeqif ---------- ' ----------- 1 (— f[Paste J J [Cane 巳I HelpWeight CasesR&set CancelHelpIgjjj interventfcridi risfcjeveiOKPaste 11 ResetCancel HelpR intervention cjj TisKJ 列创炉 freq诳)intE“erition d riskjevelOK(4)点击OK 4.2检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下:(1) 在主页面点击Analyze f Descriptive Statistics 弹出下图: T Crosstabs駅Crosstabs□Difiplav dusiered parcharts□Suppress tablesX匕]Fj兰Reset I Cancel Help(2)将变量intervention 和risk_level 分别放入Row(s)栏和Column(s)栏呛Crosstabs-Layer 1 of1□Display clustered bar charts□Suppress ta&lesROMS')：Exact...■「isK_lev&lStatistics... 1CeIJs. 11 JColumn(sJ< Form at...|intervention鼬底“ 1XC - [L I-J； lj；r Jl -J |rj _-| ■_■_ f I T J - IOK ]J'Paste Ke set Cancel* IHelp(3)点击Statistics ，弹出下图: Crosstabs: Statist!cs□ iChi-square■ ■ - n [ IT ■-nilin-iniii i —ii—■■■■! □Correlations r Nominal rOrdinaln Continig,en cy coeUcienitI'【Phi and Cramer's V二 LambdaC Uncertainty coefFicient 匚I GaTTiirnaLJ Somers' d□ Kendalls iau*b □ Kendall's tau< Nominal Dy Interval□ .Eta □ !<appa□ Risk □ McWernar I ' I Cghr ■即‘5 and Maitel -Haenszel st 苹ti 了tiosJIl iii_ - d I ,1-1] - Continue] Canc&l | [ H&lp(4)点击 Chi-square © Crosstabs: Statist!C5 ■ ■ ■ ■ ■ ■ ■ ■ ■ ■H ■ ■ ■ ■ ■ H ■ ■ ■ ■ HB ■ H ■ ■ HHiChi-square!• r•.. ■■■■ —ni——p■■■ i —nIL ■■■ •・o ・r'i □Correlations r Nominal rOrdifia l□ ContingencycoefficientLJ Phi and Cramers V □ Lamnda □ Uncert^inbr coefficient !?_. Garnrnai' Somers' d■ ----r Kendalls lau*b C Kendall's tau-c Nomiinal by Interval □ Eta□ Kappa □ RiskWcNemarL I Cochran's and Mantel-Haenszel statistics IIill[Centinue] Cancel ]Help(5)点击 Continue CellsC ounts ------------ ■ 11 ■― ■ 111 l-ni ll^^lll I —II ■IIFT1II閘也 tJSEFVEd\■ • • • — H ■ ■ ■ H ■ . . . —H ■ ■ XD ^peeled□ Hide small countsLess than 匸□Unsta ndardi 军匸I □Standard'ilzed □Adjusted standardized■Noninteger Wsi ght s -------------- -@ Round cell counts O Round case weights O Truncate c&y 匚ounts O Truncale ca&e weights O No adjustments「P &rcentages rResidualsContinue Cancel HElp(6)点击Counts栏中的Expected 选项 -Z'test'n Compare column proportions0 -C. IJ'^I |A 孙三 II-H ：l I 1□ gciw □ Column □ lolal(1)⑺点击Continue OK经上述操作，SPSS输出预期频数结果如下:Level of cholesterol risk: "High" & "Normal*'* Type of intervention: "Drug'",'■Diet'* 5. "EKGrcisG" CrosstabulationEKpectedl CountType ofintervenlion: "Drug", “Di或’& "ExerdsG"该表显示，本研究最小的预测频数是24.7，大于5，满足假设5,具有足够的样本量。

SPSS：多个样本率的卡方检验及两两比力之马矢奏春创作来自：医咖会医咖会之前推送过“两个率的比力(卡方检验)及Fisher精确检验的SPSS教程”, 小伙伴们都掌握了吗？如果不止两个分组,又该如何进行卡方检验以及之后的两两比力呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度, 如增强体育熬炼、减少体重及改善饮食习惯等.该医生招募了150位高胆固醇、生活习惯差的受试者, 并将其随机分成3组.其中一组给予降胆固醇药物, 一组给予饮食干预, 另一组给予运动干预.经过6个月的试验后, 该医生重新丈量受试者的胆固醇浓度, 分为高和正常两类.该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险水平（risk_level）等变量信息, 并依照分类汇总整理, 部份数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类, 只是为了分析的方便, 其实不代表临床诊断结果.2、对问题的分析研究者想判断干预后多个分组情况的分歧.如本研究中经过降胆固醇药物、饮食和运动干预后, 比力各组胆固醇浓度的变动情况.针对这种情况, 我们建议使用卡方检验(2×C), 但需要先满足5项假设：假设1：观测变量是二分类变量, 如本研究中试验结束时胆固醇的风险水平变量是二分类变量.假设2：存在多个分组（>2个）, 如本研究有3个分歧的干预组.假设3：具有相互自力的观测值, 如本研究中各位受试者的信息都是自力的, 不会相互干扰.假设4：研究设计必需满足：(a) 样本具有代表性, 如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组, 可以是前瞻性的, 也可以是回顾性的, 如本研究中将受试者随机分成3组, 分别给予降胆固醇药物、饮食和运动干预.假设5：样本量足够年夜, 最小的样本量要求为分析中的任一预测频数年夜于5.经分析, 本研究数据符合假设1-4, 那么应该如何检验假设5, 并进行卡方检验(2×C)呢？3、思维导图4、SPSS把持4.1 数据加权在进行正式把持之前, 我们需要先对数据加权, 如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by, 激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 检验假设5数据加权之后, 我们要判断研究数据是否满足样本量要求, 如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics, 弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述把持, SPSS输出预期频数结果如下：该表显示, 本研究最小的预测频数是24.7, 年夜于5, 满足假设5, 具有足够的样本量.Chi-Square Tests 表格也对该结果做出提示, 如下标注部份：即在本研究中, 没有小于5的预测频数, 可以直接进行卡方检验(2×C).那么, 如果存在预测频数小于5的情况, 我们应该怎么办呢？一般来说, 如果预测频数小于5, 就需要进行Fisher精确检验(2×C), 我们将在后面推送的内容中向年夜家详细介绍.4.3 卡方检验(2×C)的SPSS把持(1)弹出下图：(2)(3)(4)(5)点击Percentage栏中的Column选项(6)4.4 组间比力(1)弹出下图：(2)点击Cells, 弹出下图：(3)点击z-test栏中的Compare column proportions和Adjust p-values (Bonferroni method)选项(4)5、结果解释5.1 统计描述在进行卡方检验(2×C)的结果分析之前, 我们需要先对研究数据有个基本的了解.SPSS输出结果如下：该表提示, 本研究共有150位受试者, 根据干预方式均分为3组.在试验结束时, 药物干预组的50位受试者中有16位胆固醇浓度高, 饮食干预组的50位受试者中有28位胆固醇浓度高, 而运动干预组的50位受试者中有30位胆固醇浓度高, 如下标注部份：由此可见, 药物干预比饮食或运动干预的疗效更好.同时, 该表也提示, 药物干预组的50位受试者中有34位胆固醇浓度下降,饮食干预组的50位受试者中有22位胆固醇浓度下降, 而运动干预组的50位受试者中只有20位胆固醇浓度下降, 如下标注部份：可是, 当各组样本量分歧时, 频数会误导人们对数据的理解.因此, 我们推荐使用频率来分析结果, 如下标注部份：该表提示, 药物干预组的50位受试者中68%胆固醇浓度下降, 饮食干预组的50位受试者中44%胆固醇浓度下降, 而运动干预组的50位受试者中只有40%胆固醇浓度下降, 提示药物干预比饮食和运动干预更有效.可是这种直接的数据比力可能受到抽样误差的影响, 可信性不强, 我们还需要进行统计学检验.5.2 卡方检验(2×C)结果本研究中任一预测频数均年夜于5, 所以根据Chi-Square Tests表格分析各组的分歧.SPSS输出检验结果如下：卡方检验(2×C)结果显示χ2=9.175, P = 0.010, 说明本研究中各组之间率的差值与0的不同具有统计学意义, 提示药物干预与饮食、运动干预在降低受试者胆固醇浓度的作用上存在分歧.如果P>0.05, 那么就说明各组之间率的差值与0的不同没有统计学意义, 即不认为各组之间存在不同.5.3 卡方检验(2×C)中的成比较力分析如果卡方检验(2×C)的P<0.05, 说明至少有两组之间的不同存在统计学意义.SPSS输出的risk_level * intervention Crosstabulation表格通过数字标识表记标帜提示了两两比力的结果, 如下标注部份：年夜家可能会注意到, 每组数据的标识表记标帜相同（即上下两行的标识表记标帜相同）, 那么我们只要知道组间标识表记标帜的作用即可.那么, risk_level * intervention Cross tabulation表格的标识表记标帜是什么意思呢？第一种情况, 各组间无不同, 如下：如上图, 各组间标识表记标帜一致, 说明各组之间无不同.第二种情况, 任意两组之间均存在不同, 如下：即每组标识表记标帜字母均不相同, 说明任意两组之间的不同均存在统计学意义.第三种情况, 有些组之间存在不同, 而另一些组之间的不同没有统计学意义, 如下：如果任两组之间标识表记标帜字母相同, 说明这两组之间的不同没有统计学意义；如果两组标识表记标帜字母分歧, 说明这两组之间的不同存在统计学意义.根据这一原则, 分析本研究结果如下：该表说明, 在本研究中, 药物干预的降胆固醇作用(“a”)与饮食干预的降胆固醇作用(“b”)的不同存在统计学意义(P<0.05), 药物干预的降胆固醇作用(“a”)也与运动干预的降胆固醇作用(“b”)的不同存在统计学意义(P<0.05), 而饮食干预(“b”)与运动干预(“b”)在降胆固醇的作用上没有不同.6、撰写结论6.1 若卡方检验(2×本研究招募150位高胆固醇、生活习惯差的受试者, 随机分组后分别给予药物、饮食和运动干预.试验结束时, 药物干预组有34位(68%)胆固醇浓度下降, 饮食干预组有22位(44%)胆固醇浓度下降, 而运动干预组有20位(40%)胆固醇浓度下降, 三组不同具有统计学意义(P=0.010).成比较力结果提示, 药物干预的降胆固醇效果好于饮食或运动干预(P<0.05), 而饮食与运动干预在降低胆固醇浓度上的作用无不同(P>0.05).6.2 若卡方检验(2×C)的P≥本研究招募150位高胆固醇、生活习惯差的受试者, 随机分组后分别给予药物、饮食和运动干预.试验结束时, 药物干预组有24位(48%)胆固醇浓度下降, 饮食干预组有22位(44%)胆固醇浓度下降, 而运动干预组有20位(40%)胆固醇浓度下降, 三组结果的不同没有统计学意义（P=0.620）.。

SPSS：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)呢？3、思维导图4、SPSS操作数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是，大于5，满足假设5，具有足够的样本量。

多个样本率的卡⽅检验及两两⽐较之spss超简单SPSS：多个样本率的卡⽅检验及两两⽐较来⾃：医咖会医咖会之前推送过“两个率的⽐较(卡⽅检验)及Fisher精确检验的SPSS教程”，⼩伙伴们都掌握了吗？如果不⽌两个分组，⼜该如何进⾏卡⽅检验以及之后的两两⽐较呢？来看详细教程吧！1、问题与数据某医⽣拟探讨药物以外的其他⽅法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮⾷习惯等。

该医⽣招募了150位⾼胆固醇、⽣活习惯差的受试者，并将其随机分成3组。

其中⼀组给予降胆固醇药物，⼀组给予饮⾷⼲预，另⼀组给予运动⼲预。

经过6个⽉的试验后，该医⽣重新测量受试者的胆固醇浓度，分为⾼和正常两类。

该医⽣收集了受试者接受的⼲预⽅法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“⾼”和“正常”两类，只是为了分析的⽅便，并不代表临床诊断结果。

2、对问题的分析研究者想判断⼲预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮⾷和运动⼲预后，⽐较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使⽤卡⽅检验(2×C)，但需要先满⾜5项假设：假设1：观测变量是⼆分类变量，如本研究中试验结束时胆固醇的风险程度变量是⼆分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的⼲预组。

假设3：具有相互独⽴的观测值，如本研究中各位受试者的信息都是独⽴的，不会相互⼲扰。

假设4：研究设计必须满⾜：(a) 样本具有代表性，如本研究在⾼胆固醇、⽣活习惯差的⼈群中随机抽取150位受试者；(b) ⽬的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮⾷和运动⼲预。

假设5：样本量⾜够⼤，最⼩的样本量要求为分析中的任⼀预测频数⼤于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进⾏卡⽅检验(2×C)呢？3、思维导图4、SPSS操作4.1 数据加权在进⾏正式操作之前，我们需要先对数据加权，如下：(1)在主页⾯点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗⼝(3)将freq变量放⼊Frequency Variable栏(4)点击OK4.2 检验假设5数据加权之后，我们要判断研究数据是否满⾜样本量要求，如下：(1)在主页⾯点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放⼊Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(6)点击Counts栏中的Expected选项经上述操作，SPSS输出预期频数结果如下：该表显⽰，本研究最⼩的预测频数是24.7，⼤于5，满⾜假设5，具有⾜够的样本量。

SPSS实现多组率的两两比较SPSS实现多组率的两两比较在医学研究中，多组率的比较是一个常见的问题。

通常，这些比较会被列为R×2表进行χ2检验，但是这种方法只能说明多个率之间的差异具有统计学意义，而不能对两两之间的差异进行检验。

将其分割成2×2表虽然可以进行两两比较，但是不宜使用独立四格表的显著界值。

因此，本文将介绍如何使用国际通用的SPSS软件来解决这个问题。

首先，我们有一组病例资料，如图1所示。

我们需要对这些数据进行统计分析。

根据图2的方式，将这些数据录入SPSS中。

需要注意的是，要将各组按观察率从小到大排列。

在本例中，有效率已经是升序排列，因此无需再排序。

通过交叉表对三组资料进行卡方检验后，发现具有统计学意义。

下一步是进行两两比较。

下面是操作步骤：1.权变量：由于“数据”变量中的数据并非真正的每条记录的数据，而是频数资料，因此需要加权。

具体步骤如下：Data→Weight Case→选择⊙weight case by单选按钮→将“数据”变量添加到Frequency Variable框内→OK。

2.选择记录：根据杜养志法，需要分别将G1组与第Gi ( i = 2.3,⋯⋯k)组进行非独立2 ×2表。

具体步骤如下：Data→Select Case→选择⊙If n is satisfied单选按钮→点击其下方的If⋯⋯按钮→在右上方框体内录入引号内的内容:“行变量= 1 or行变量= i”( i根据所比的具体组的序数而定)→continue→OK。

3.卡方检验：XXX→Descriptive XXX→XXX→将“行变量”放入Row框体中→将“列变量”放入column框体中→Statistics→选择Chi-XXX→continue→OK。

4.重复选择记录步骤，选择新的比较组，再行卡方检验，直到所有组均与G1比较过为止。

经过分析后，得出下图结果。

然后根据下图“XXX非独立的2×2表的χ2值的显著界值表”确定界值。

多个样本率的卡方检验及两两比较之s p s s超简单SPSS：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)呢？3、思维导图4、SPSS操作4.1 数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是24.7，大于5，满足假设5，具有足够的样本量。

多个样本率的卡方检验及两两比较之s p s s超简单文件排版存档编号：[UYTR-OUPT28-KBNTL98-UYNN208]S P S S：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

SPSS：多个样本率的卡方检验及两两比较之杨若古兰创作来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher 精确检验的SPSS教程”，小伙伴们都把握了吗？如果不止两个分组，又该如何进行卡方检验和以后的两两比较呢？来看具体教程吧！1、成绩与数据某大夫拟探讨药物之外的其他方法是否可降低患者的胆固醇浓度，如加强体育锻炼、减少体重及改善饮食习气等.该大夫招募了150位高胆固醇、生活习气差的受试者，并将其随机分成3组.其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予活动干预.经过6个月的试验后，该大夫从头测量受试者的胆固醇浓度，分为高和正常两类.该大夫收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总清算，部分数据如下：正文：本研讨将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，其实不代表临床诊断结果.2、对成绩的分析研讨者想判断干预后多个分组情况的分歧.如本研讨中经过降胆固醇药物、饮食和活动干预后，比较各组胆固醇浓度的变更情况.针对这类情况，我们建议使用卡方检验(2×C)，但须要先满足5项假设：假设1：观测变量是二分类变量，如本研讨中试验结束时胆固醇的风险程度变量是二分类变量.假设2：存在多个分组（>2个），如本研讨有3个分歧的干预组.假设3：具有彼此独立的观测值，如本研讨中各位受试者的信息都是独立的，不会彼此干扰.假设4：研讨设计必须满足：(a) 样本具有代表性，如本研讨在高胆固醇、生活习气差的人群中随机抽取150位受试者；(b) 目的分组，可所以前瞻性的，也能够是回顾性的，如本研讨中将受试者随机分成3组，分别给予降胆固醇药物、饮食和活动干预.假设5：样本量足够大，最小的样本量请求为分析中的任一猜测频数大于5.经分析，本研讨数据符合假设1-4，那么应当如何检验假设5，并进行卡方检验(2×C)呢？3、思维导图4、SPSS操纵4.1 数据加权在进行正式操纵之前，我们须要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 检验假设5数据加权以后，我们要判断研讨数据是否满足样本量请求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操纵，SPSS输出预期频数结果如下：该表显示，本研讨最小的猜测频数是24.7，大于5，满足假设5，具有足够的样本量.Chi-Square Tests 表格也对该结果做出提示，如下标注部分：即在本研讨中，没有小于5的猜测频数，可以直接进行卡方检验(2×C).那么，如果存在猜测频数小于5的情况，我们应当怎样办呢？普通来说，如果猜测频数小于5，就须要进行Fisher精确检验(2×C)，我们将在后面推送的内容中向大家具体介绍.4.3 卡方检验(2×C)的SPSS操纵(1)弹出下图：(2)(3)(4)(5)点击Percentage栏中的Column选项(6)4.4 组间比较(1)弹出下图：(2)点击Cells，弹出下图：(3)点击z-test栏中的Compare column proportions和Adjust p-values (Bonferroni method)选项(4)5、结果解释5.1 统计描述在进行卡方检验(2×C)的结果分析之前，我们须要先对研讨数据有个基本的了解.SPSS输出结果如下：该表提示，本研讨共有150位受试者，根据干预方式均分为3组.在试验结束时，药物干预组的50位受试者中有16位胆固醇浓度高，饮食干预组的50位受试者中有28位胆固醇浓度高，而活动干预组的50位受试者中有30位胆固醇浓度高，如下标注部分：因而可知，药物干预比饮食或活动干预的疗效更好.同时，该表也提示，药物干预组的50位受试者中有34位胆固醇浓度降低，饮食干预组的50位受试者中有22位胆固醇浓度降低，而活动干预组的50位受试者中只要20位胆固醇浓度降低，如下标注部分：但是，当各组样本量分歧时，频数会误导人们对数据的理解.是以，我们推荐使用频率来分析结果，如下标注部分：该表提示，药物干预组的50位受试者中68%胆固醇浓度降低，饮食干预组的50位受试者中44%胆固醇浓度降低，而活动干预组的50位受试者中只要40%胆固醇浓度降低，提示药物干预比饮食和活动干预更无效.但是这类直接的数据比较可能受到抽样误差的影响，可信性不强，我们还须要进行统计学检验.5.2 卡方检验(2×C)结果本研讨中任一猜测频数均大于5，所以根据Chi-Square Tests表格分析各组的不同.SPSS输出检验结果如下：卡方检验(2×C)结果显示χ2=9.175，P = 0.010，说明本研讨中各组之间率的差值与0的差别具有统计学意义，提示药物干预与饮食、活动干预在降低受试者胆固醇浓度的感化上存在分歧.如果P>0.05，那么就说明各组之间率的差值与0的差别没有统计学意义，即不认为各组之间存在差别.5.3 卡方检验(2×C)中的成对比较分析如果卡方检验(2×C)的P<0.05，说明至多有两组之间的差别存在统计学意义.SPSS输出的risk_level * intervention Crosstabulation表格通过数字标识表记标帜提示了两两比较的结果，如下标注部分：大家可能会留意到，每组数据的标识表记标帜不异（即上下两行的标识表记标帜不异），那么我们只需晓得组间标识表记标帜的感化即可.那么，risk_level * intervention Cross tabulation表格的标识表记标帜是什么意思呢？第一种情况，各组间无差别，如下：如上图，各组间标识表记标帜分歧，说明各组之间无差别.第二种情况，任意两组之间均存在差别，如下：即每组标识表记标帜字母均不不异，说明任意两组之间的差别均存在统计学意义.第三种情况，有些组之间存在差别，而另一些组之间的差别没有统计学意义，如下：如果任两组之间标识表记标帜字母不异，说明这两组之间的差别没有统计学意义；如果两组标识表记标帜字母分歧，说明这两组之间的差别存在统计学意义.根据这一准绳，分析本研讨结果如下：该表说明，在本研讨中，药物干预的降胆固醇感化(“a”)与饮食干预的降胆固醇感化(“b”)的差别存在统计学意义(P<0.05)，药物干预的降胆固醇感化(“a”)也与活动干预的降胆固醇感化(“b”)的差别存在统计学意义(P<0.05)，而饮食干预(“b”)与活动干预(“b”)在降胆固醇的感化上没有差别.6、撰写结论6.1 若卡方检验(2×本研讨招募150位高胆固醇、生活习气差的受试者，随机分组后分别给予药物、饮食和活动干预.试验结束时，药物干预组有34位(68%)胆固醇浓度降低，饮食干预组有22位(44%)胆固醇浓度降低，而活动干预组有20位(40%)胆固醇浓度降低，三组差别具有统计学意义(P=0.010).成对比较结果提示，药物干预的降胆固醇后果好于饮食或活动干预(P<0.05)，而饮食与活动干预在降低胆固醇浓度上的感化无差别(P>0.05).6.2 若卡方检验(2×C)的P≥本研讨招募150位高胆固醇、生活习气差的受试者，随机分组后分别给予药物、饮食和活动干预.试验结束时，药物干预组有24位(48%)胆固醇浓度降低，饮食干预组有22位(44%)胆固醇浓度降低，而活动干预组有20位(40%)胆固醇浓度降低，三组结果的差别没有统计学意义（P=0.620）.。

S P S S：多个样本率的卡方检验及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢来看详细教程吧！1、问题与数据某医生拟探讨药物以外的其他方法是否可降低患者的胆固醇浓度，如增强体育锻炼、减少体重及改善饮食习惯等。

该医生招募了150位高胆固醇、生活习惯差的受试者，并将其随机分成3组。

其中一组给予降胆固醇药物，一组给予饮食干预，另一组给予运动干预。

经过6个月的试验后，该医生重新测量受试者的胆固醇浓度，分为高和正常两类。

该医生收集了受试者接受的干预方法（intervention）和试验结束时胆固醇的风险程度（risk_level）等变量信息，并按照分类汇总整理，部分数据如下：注释：本研究将胆固醇浓度分为“高”和“正常”两类，只是为了分析的方便，并不代表临床诊断结果。

2、对问题的分析研究者想判断干预后多个分组情况的不同。

如本研究中经过降胆固醇药物、饮食和运动干预后，比较各组胆固醇浓度的变化情况。

针对这种情况，我们建议使用卡方检验(2×C)，但需要先满足5项假设：假设1：观测变量是二分类变量，如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

假设2：存在多个分组（>2个），如本研究有3个不同的干预组。

假设3：具有相互独立的观测值，如本研究中各位受试者的信息都是独立的，不会相互干扰。

假设4：研究设计必须满足：(a) 样本具有代表性，如本研究在高胆固醇、生活习惯差的人群中随机抽取150位受试者；(b) 目的分组，可以是前瞻性的，也可以是回顾性的，如本研究中将受试者随机分成3组，分别给予降胆固醇药物、饮食和运动干预。

假设5：样本量足够大，最小的样本量要求为分析中的任一预测频数大于5。

经分析，本研究数据符合假设1-4，那么应该如何检验假设5，并进行卡方检验(2×C)呢3、思维导图4、SPSS操作数据加权在进行正式操作之前，我们需要先对数据加权，如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by，激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK检验假设5数据加权之后，我们要判断研究数据是否满足样本量要求，如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分别放入Row(s)栏和Column(s)栏(3)点击Statistics，弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操作，SPSS输出预期频数结果如下：该表显示，本研究最小的预测频数是，大于5，满足假设5，具有足够的样本量。

SPSS：多个样本率的卡方磨练及两两比较来自：医咖会医咖会之前推送过“两个率的比较(卡方磨练)及Fisher准确磨练的SPSS教程”,小伙伴们都控制了吗？假如不止两个分组,又该若何进行卡方磨练以及之后的两两比较呢？来看具体教程吧！1.问题与数据某大夫拟商量药物以外的其他办法是否可降低患者的胆固醇浓度,如加强体育锤炼.削减体重及改良饮食习惯等.该大夫招募了150位高胆固醇.生涯习惯差的受试者,并将其随机分成3组.个中一组赐与降胆固醇药物,一组赐与饮食干涉,另一组赐与活动干涉.经由6个月的实验后,该大夫从新测量受试者的胆固醇浓度,分为高和正常两类.该大夫收集了受试者接收的干涉办法（intervention）和实验停止时胆固醇的风险程度（risk_level）等变量信息,并按照分类汇总整顿,部分数据如下：注释：本研讨将胆固醇浓度分为“高”和“正常”两类,只是为了剖析的便利,其实不代表临床诊断成果.2.对问题的剖析研讨者想断定干涉后多个分组情形的不合.如本研讨中经由降胆固醇药物.饮食和活动干涉后,比较各组胆固醇浓度的变更情形.针对这种情形,我们建议应用卡方磨练(2×C),但须要先知足5项假设：假设1：不雅测变量是二分类变量,如本研讨中实验停止时胆固醇的风险程度变量是二分类变量.假设2：消失多个分组（>2个）,如本研讨有3个不合的干涉组.假设3：具有互相自力的不雅测值,如本研讨中列位受试者的信息都是自力的,不会互相干扰.假设4：研讨设计必须知足：(a) 样本具有代表性,如本研讨在高胆固醇.生涯习惯差的人群中随机抽取150位受试者;(b) 目标分组,可所以前瞻性的,也可所以回想性的,如本研讨中将受试者随机分成3组,分离赐与降胆固醇药物.饮食和活动干涉.假设5：样本量足够大,最小的样本量请求为剖析中的任一猜测频数大于5.经剖析,本研讨数据相符假设1-4,那么应当若何磨练假设5,并进行卡方磨练(2×C)呢？3.思维导图4.SPSS操纵4.1 数据加权在进行正式操纵之前,我们须要先对数据加权,如下：(1)在主页面点击Data→Weight Cases弹出下图：(2)点击Weight cases by,激活Frequency Variable窗口(3)将freq变量放入Frequency Variable栏(4)点击OK4.2 磨练假设5数据加权之后,我们要断定研讨数据是否知足样本量请求,如下：(1)在主页面点击Analyze→Descriptive Statistics→Crosstabs弹出下图：(2)将变量intervention和risk_level分离放入Row(s)栏和Column(s)栏(3)点击Statistics,弹出下图：(4)点击Chi-square(5)点击Continue→Cells(6)点击Counts栏中的Expected选项(7)点击Continue→OK经上述操纵,SPSS输出预期频数成果如下：该表显示,本研讨最小的猜测频数是24.7,大于5,知足假设5,具有足够的样本量.Chi-Square Tests 表格也对该成果做出提醒,如下标注部分：即在本研讨中,没有小于5的猜测频数,可以直接进行卡方磨练(2×C).那么,假如消失猜测频数小于5的情形,我们应当怎么办呢？一般来说,假如猜测频数小于5,就须要进行Fisher准确磨练(2×C),我们将在后面推送的内容中向大家具体介绍.4.3 卡方磨练(2×C)的SPSS操纵(1)弹出下图：(2)(3)(4)(5)点击Percentage栏中的Column选项(6)4.4 组间比较(1)弹出下图：(2)点击Cells,弹出下图：(3)点击z-test栏中的Compare column proportions和Adjust p-values (Bonferroni method)选项(4)5.成果解释5.1 统计描写在进行卡方磨练(2×C)的成果剖析之前,我们须要先对研讨数据有个根本的懂得.SPSS输出成果如下：该表提醒,本研讨共有150位受试者,依据干涉方法均分为3组.在实验停止时,药物干涉组的50位受试者中有16位胆固醇浓度高,饮食干涉组的50位受试者中有28位胆固醇浓度高,而活动干涉组的50位受试者中有30位胆固醇浓度高,如下标注部分：由此可见,药物干涉比饮食或活动干涉的疗效更好.同时,该表也提醒,药物干涉组的50位受试者中有34位胆固醇浓度降低,饮食干涉组的50位受试者中有22位胆固醇浓度降低,而活动干涉组的50位受试者中只有20位胆固醇浓度降低,如下标注部分：但是,当各组样本量不合时,频数会误导人们对数据的懂得.是以,我们推举应用频率来剖析成果,如下标注部分：该表提醒,药物干涉组的50位受试者中68%胆固醇浓度降低,饮食干涉组的50位受试者中44%胆固醇浓度降低,而活动干涉组的50位受试者中只有40%胆固醇浓度降低,提醒药物干涉比饮食和活动干涉更有用.但是这种直接的数据比较可能受到抽样误差的影响,可托性不强,我们还须要进行统计学磨练.5.2 卡方磨练(2×C)成果本研讨中任一猜测频数均大于5,所以依据Chi-Square Tests 表格剖析各组的不同.SPSS输出磨练成果如下：卡方磨练(2×C)成果显示χ2=9.175,P = 0.010,解释本研讨中各组之间率的差值与0的差别具有统计学意义,提醒药物干涉与饮食.活动干涉在降低受试者胆固醇浓度的感化上消失不合.假如P>0.05,那么就解释各组之间率的差值与0的差别没有统计学意义,即不以为各组之间消失差别.5.3 卡方磨练(2×C)中的成比较较剖析假如卡方磨练(2×C)的P<0.05,解释至少有两组之间的差别消失统计学意义.SPSS输出的risk_level * intervention Crosstabulation表格经由过程数字标识表记标帜提醒了两两比较的成果,如下标注部分：大家可能会留意到,每组数据的标识表记标帜雷同（即高低两行的标识表记标帜雷同）,那么我们只要知道组间标识表记标帜的感化即可.那么,risk_level * intervention Cross tabulation表格的标识表记标帜是什么意思呢？第一种情形,各组间无差别,如下：如上图,各组间标识表记标帜一致,解释各组之间无差别.第二种情形,随意率性两组之间均消失差别,如下：即每组标识表记标帜字母均不雷同,解释随意率性两组之间的差别均消失统计学意义.第三种情形,有些组之间消失差别,而另一些组之间的差别没有统计学意义,如下：假如任两组之间标识表记标帜字母雷同,解释这两组之间的差别没有统计学意义;假如两组标识表记标帜字母不合,解释这两组之间的差别消失统计学意义.依据这一原则,剖析本研讨成果如下：该表解释,在本研讨中,药物干涉的降胆固醇感化(“a”)与饮食干涉的降胆固醇感化(“b”)的差别消失统计学意义(P<0.05),药物干涉的降胆固醇感化(“a”)也与活动干涉的降胆固醇感化(“b”)的差别消失统计学意义(P<0.05),而饮食干涉(“b”)与活动干涉(“b”)在降胆固醇的感化上没有差别.6.撰写结论6.1 若卡方磨练(2×本研讨招募150位高胆固醇.生涯习惯差的受试者,随机分组后分离赐与药物.饮食和活动干涉.实验停止时,药物干涉组有34位(68%)胆固醇浓度降低,饮食干涉组有22位(44%)胆固醇浓度降低,而活动干涉组有20位(40%)胆固醇浓度降低,三组差别具有统计学意义(P=0.010).成比较较成果提醒,药物干涉的降胆固醇后果好于饮食或活动干涉(P<0.05),而饮食与活动干涉在降低胆固醇浓度上的感化无差别(P>0.05).6.2 若卡方磨练(2×C)的P≥本研讨招募150位高胆固醇.生涯习惯差的受试者,随机分组后分离赐与药物.饮食和活动干涉.实验停止时,药物干涉组有24位(48%)胆固醇浓度降低,饮食干涉组有22位(44%)胆固醇浓度降低,而活动干涉组有20位(40%)胆固醇浓度降低,三组成果的差别没有统计学意义（P=0.620）.。

用SPSS进行变量多组之间两两比较卡方检验福建省教育科学研究所林斯坦用SPSS进行不同变量的卡方检验中，如果检验后多组间有显著性差异，说明观察指标在各组之间不完全相同，这时要知道到底是哪两组或哪几组有差异，就需要进行两两比较，但遗憾的是，SPSS未提供卡方检验的多组之间的两两检验的直接方案。

网络上很多人讨论，但均没有简便可行的办法，有人提出用卡方分割法（partitions of X2method)，或者用Scheffe'可信区间法和SNK法等等，比较复杂。

现将一种比较简单的，可直接在SPSS中进行两两比较的方法举例如下。

例：您是否赞成教师聘任实行“双向选择”？（单选）1.赞成；2.不赞成为了解乡镇、县城和城市中不同教师对这个问题的看法是否有实质性的不同，则需先进行整体性的卡方检验。

第一步：按照正常程序的先进行一次Crosstable分析，以确定整体上看，多组间是否确有显著性差异。

本例中，从整体上看，显著性检验的概率小于0.05，拒绝原假设，说明三组间的选择有显著差异，要具体了解三组中究竟是哪两组，就要进行两两对比检验。

原来的检验用的是全部的个案，现在只需要选择需要比较的两组个案。

第二步：点击“数据（Data）”→“选择个案（Select Case）”→“如果条件满足（If condition is satisfied）”→“如果（If）”→在右上方的文字框内输入要比较的变量，例如要比较“列变量1”与“列变量3”，那么你就输入“列变量名=1or列变量名=3”→继续（continue）→确定（OK）第三步：按照常规做交叉表（Crosstable）检验，此刻得到的是1与3比较的结果成所有想比较的三组数据。

最后，要对多重比较的概率和与对照比较的概率进行比较，以判断是否有差异性。

有人认为，如果进行两两比较的话，应该结合联合概率进行分割，一般应降低检验水准，若总共要比较3次，就把检验水准降低为0.05/3，即0.017，而不是原来的0.05，卡方分量的个数最多也不得超过总卡方的自由度。