四格表卡方检验小程序

6.看第二个表格是最关键的信息，我们看sig值，如果小于0.05就可以认为达到了显着水平，拒绝虚无假设，认为年龄对答案的正确性产生了影响。
情况2：没有原始数据
假如没有原始数据，只有一个四个表，如下图： 我们只需要将数据进行加权就可以了。下面是具体的步骤：
1.先整理数据，数据结构见下图
2.接着进行加权
情况1：有原始数据
1.原始数据的数据结构，见下图。在这里没有频数，只有年龄组和是否正确这两个变量
2.在菜单栏上执行：析--描述统计--交叉表
3.将年龄组设置为行变量，是否正确设置为列变量；然后设置统计量，点击statistic
4.勾选卡方值，这样才能输出卡方值
5.首先看到的表格是基本的频数统计，没什么好说的，大家都懂
3.用频数进行加权，点击ok
4.接下来的步骤都是一样的，见上面。
5.
SPSS实例：四格表卡方检验
我们先来讲一个案例，我们想要知道两个年龄组的儿童在同一个问题上回答的正确性是否不同，统计出来的四格表是这样的：
年龄组分为0和1两个水平，是否正确分为0和1两个水平，怎样检验不同年龄组回答正确性是否相同？这就用到了四格表卡方检验。从上表中知道，表中任何一个单元格的数字都大于5，说明可以使用正常的卡方检验，如果有一个或者多个单元格数字少于5，需要进行精确卡方检验，以后会有教程。下面先看一下具体这个案例的操作过程：

• （1）在spss中调出数据文件Li8-2.sav • （2）频数变量加权。 • 从菜单选择 • Data→Weight Cases • 弹出Weight Cases对话框，选择Weight Cases by框，框内选入“频数”，即指定该变量为频数变量
第29页/共42页
• （3） 2检验 从菜单选择 Analyze→Descriptive Statistics→Crosstable（交叉表） 指定 Row(s)：组别 Columns(s)：疗效 击Statistics按钮选择Chi-square。
第30页/共42页
输出结果
理论数小于5的格子数为2(占50%),最小理论数为4.18 卡方检验：有效观测数 n=71>40，有两个格子理论数T<5，故用
校正卡方检验2 =2.746，P=0.098，不能认为两药疗效不同。
第31页/共42页
第二节 四格表确切概率法
四格表确切概率法基本思想 实例
第32页/共42页
36
2
38
合计
62
9
71
第25页/共42页
例8-2 对表8-4资料推断两组的疗效有无差别
（1） H0: 1 2 ，即两组疗效相同
H1: 1 2 ，即两组疗效不同 ， α=0.05
（2）计算2值，最小理论数
9 33 T12 71 4.18
因有理论数1<T<5，n>40，故用校正2检验
第26页/共42页
一致性检验 危险度分析
配对四格表卡 方检验
第20页/共42页
主要输出结果
校正只适用于四格表 理论数小于5的格子数为0(占0%),最小理论数为8.24
第21页/共42页
结果分析

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χ2 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。

四格表卡方检验结果解读在统计学中，卡方检验是一种常用的统计方法，用于检验两个或多个分类变量之间是否存在关联性。

四格表卡方检验是其中的一种形式，通常用于分析两个分类变量的关联性。

四格表是由两个分类变量所组成的一个二维交叉表，其中每个分类变量各有两个水平（类别）。

卡方检验的目的是判断这两个分类变量是否独立，即变量之间是否存在关联性。

卡方检验的原假设为“两个变量之间独立”，备择假设则为“两个变量之间不独立”。

进行卡方检验的关键是计算出卡方值，并将其与临界值进行比较。

若计算得到的卡方值大于临界值，则认为两个变量之间存在显著关联性；反之，若计算得到的卡方值小于或等于临界值，则认为两个变量之间不相关。

卡方值的计算是基于四格表中的观察频数与期望频数的比较。

观察频数是指四格表中每个单元格中的实际观察到的频数，而期望频数是指基于假设模型下，每个单元格中的预期频数。

解读四格表卡方检验的结果时，首先需要查看输出的卡方检验统计量和自由度。

卡方检验统计量通常表示为χ2（读作“卡方”），其数值越大，说明两个变量之间的差异越显著。

自由度表示独立变量的自由度和独立变量水平数目之间的关系。

自由度越大，说明检验结果越可靠。

在解读卡方检验结果时，需要关注的重要指标有四个：卡方值，自由度，P值和显著性水平。

卡方值越大，表明差异越显著，与假设模型越不符合。

自由度越大，卡方值越大，相应的P值越小，表明差异越显著。

P值是在给定假设模型成立的条件下，观察到卡方值或更极端的情况发生的概率。

一般而言，当P值小于等于0.05时，我们可以拒绝原假设，认为两个变量之间存在显著关联性。

当P值大于0.05时，我们无法拒绝原假设，即无法得出两个变量之间存在关联性的结论。

显著性水平是事先确定的一个阈值，通常取0.05。

当P值小于等于显著性水平时，拒绝原假设；当P值大于显著性水平时，无法拒绝原假设。

在解读四格表卡方检验结果时，需要同时综合考虑卡方值、自由度、P值和显著性水平这四个指标来进行判断。