SPSS学习笔记(五)卡方检验

SPSS学习笔记(五)卡方检验和“SPSS学习笔记”的其他方法不同,卡方检验​​​​​​​是针对计数资料的目录一、卡方检验、Fisher精确检验(2*2)分析操作结果及分析二、卡方检验(R×C)分析操作结果及分析三、配对卡方检验分析操作结果及分析一、卡方检验、Fisher精确检验(2*2)分析:案例:该医生招募了100名研究对象,按照吸烟状态分为两组,其中吸烟者52人,不吸烟者48人,探讨吸烟与阿尔兹海默症之间的关联性需要先满足4项假设:假设1:存在两个二分类变量,

大家好,又见面了,我是你们的朋友全栈君。如果您正在找激活码,请点击查看最新教程,关注关注公众号 “全栈程序员社区” 获取激活教程,可能之前旧版本教程已经失效.最新Idea2022.1教程亲测有效,一键激活。

Jetbrains全系列IDE稳定放心使用

和“SPSS学习笔记”的其他方法不同,卡方检验​​​​​​​是针对计数资料

目录

一、卡方检验、Fisher精确检验(2*2)

分析

操作

结果及分析

二、卡方检验(R×C)

分析

操作

结果及分析

三、配对卡方检验

分析

操作

结果及分析


一、卡方检验、Fisher精确检验(2*2)

分析:

案例:该医生招募了100名研究对象,按照吸烟状态分为两组,其中吸烟者52人,不吸烟者48人,探讨吸烟与阿尔兹海默症之间的关联性

需要先满足4项假设:

假设1:存在分类变量,如本研究中的吸烟和阿尔兹海默症都是二分类变量。

假设2:存在2分组,如本研究有2种不同的吸烟状态。

假设3:具有相互立的观测值,如本研究中各位研究对象的信息都是独立的。

假设4:样本量足够大,最小的样本量要求为分析中的任一单元格期望频数大于5。

 

建立检验假设,确定检验水准:

H0:两种治疗方法的有效率相同

H1:两种治疗方法的有效率不相同

检验水准α=0.05

操作:

1、数据-个案加权

SPSS学习笔记(五)卡方检验

2、分析-描述统计-交叉表(行:方法  列:结果)

SPSS学习笔记(五)卡方检验SPSS学习笔记(五)卡方检验

结果及分析:

  1. 本研究招募招募了100名研究对象,其中吸烟者52人,不吸烟者48人。经过长期随访,吸烟者有31人发生阿尔兹海默症(59.6%),不吸烟者有18人发生阿尔兹海默症(37.5%)
  2. 当总例数n≥40,最小期望计数>5,看第一个数;

         当总例数n≥40,最小期望计数1-5,看第二个数;

         当总例数n<40或最小期望计数<1,看第三个数

3、本研究中所有单元格的最小期望频数为【】,均大于5,样本量满足Pearson卡方检验的要求。所以使用Chi-Square Tests表格中的Pearson卡方检验的结果X2==【】,P值=【】,按α=0.05检验水准,P<0.05,拒绝H0,差异有统计学意义,可以认为【。。不同】。结合Crosstabulation表格中,吸烟者发生阿尔兹海默症的比例为59.6%,可知吸烟者发生阿尔兹海默症的风险更高

SPSS学习笔记(五)卡方检验

二、卡方检验(R×C)

分析:

案例:某研究人员拟分析血型和职业之间的关系,共招募了333位研究对象,收集他们的血型(blood_type)和职业(occupation)信息。其中血型分为A、B、AB、O型共4种,职业分为律师(Lawyer)、医生(Doctor)、教师(Teacher)和工人(Worker)。

先满足3项假设:

假设1:存在两个无序多分变量,如本研究中血型和职业类型均为无序分类变量。

假设2:具有相互立的观测值,如本研究中各位研究对象的信息都是独立的

假设3:样本量足够大,最小的样本量要求为分析中的任一单元格期望频数大于5。

 

建立检验假设,确定检验水准:

H0:三种药物治疗中风的有效率相同

H1:三种药物治疗中风的有效率不全相同

检验水准α=0.05

操作:

1、数据-个案加权

SPSS学习笔记(五)卡方检验

2、分析-描述统计-交叉表 (行:方法  列:结果)

SPSS学习笔记(五)卡方检验  SPSS学习笔记(五)卡方检验

结果及分析:

本研究招募了333位研究对象,分析血型和职业类型的关系。

1、卡方检验(R×C)结果显示χ2=42.959,P < 0.001,按α=0.05的检验水准,拒绝H0,差异有统计学意义,提示不同血型的研究对象职业类型不同,两者之间存在一定的相关性。

SPSS学习笔记(五)卡方检验

2、如果想了解血型与职业类型之间的相关强度,可以参看SPSS输出的Symmetric Measures表格。Phi(φ)(仅适用于2×2的数据格式)和Cramer’s V系数(适用范围较广)均是提供分类变量相关强度的指数。Cramer’s V系数的取值范围在0到1之间,数值越大相关性越强。

SPSS学习笔记(五)卡方检验

血型与职业类型之间存在弱相关性Cramer’s V = 0.207,P < 0.001

SPSS学习笔记(五)卡方检验

三、配对卡方检验

分析:

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阴阳性结果(两类计数资料)是否有本质的不同

案例:某研究者想要观察戒酒干预的效果,招募了50名研究对象,其中饮酒者24名,不饮酒者各26名。研究者收集了所有研究对象的干预前饮酒状态(before)和干预后饮酒状态(after)。两个变量均为二分类变量,即不饮酒与饮酒(分别赋值为1和2)

研究者想了解同一人群干预前后的饮酒状态,且饮酒状态为二分类变量。需要先满足2项假设。

假设1:观测变量为二分类,且两类之间互

假设2:分组变量包含2个分类,且相关

 

建立检验假设,确定检验水准:

H0:两种方法检测【】的阳性率相同

H1:两种方法检测【】的阳性率不同

检验水准α=0.05

操作:

1、数据-个案加权

2、分析-非参数检验-相关样本

SPSS学习笔记(五)卡方检验        SPSS学习笔记(五)卡方检验

结果及分析:

1、本研究招募了50例研究对象参与有关戒酒的干预试验,干预前饮酒者和不饮酒者各占52%和48%。干预后,不饮酒者比例增加到72%(36例),饮酒者比例降低至28%(14例)。15例饮酒者在干预后戒酒,另有5例不饮酒者在干预后开始饮酒

2、如果非对角线的格子(左下和右上背景标黄的格子)中研究对象总数小于等于25时,采用精确法计算。

本例非对角线格子的观测数为20(15+5=20),小于25,因此采用McNemar精确检验发现,P=0.041,按检验水准α=0.05,P<0.05,拒绝原假设H0,干预前后不饮酒者比例的差异有统计学意义。

SPSS学习笔记(五)卡方检验

或者(观测数为【】,大于25,采用校正卡方检验发现。。)

版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 举报,一经查实,本站将立刻删除。

发布者:全栈程序员-用户IM,转载请注明出处:https://javaforall.cn/180152.html原文链接:https://javaforall.cn

【正版授权,激活自己账号】: Jetbrains全家桶Ide使用,1年售后保障,每天仅需1毛

【官方授权 正版激活】: 官方授权 正版激活 支持Jetbrains家族下所有IDE 使用个人JB账号...

(0)


相关推荐

  • 计算机基础知识[通俗易懂]

    计算机基础知识[通俗易懂]一、为何要学习计算机基础?好多人觉得自己有点基础就都想着直接敲代码,觉得基础知识很容易,很简单,就不怎么用心去学。然而,我觉得基础知识很重要。就像盖一栋楼房一样,你先要打好地基,再去盖房。Pyth

  • Hive Hsql 常用命令「建议收藏」

    Hive Hsql 常用命令「建议收藏」简介Hive是基于Hadoop的一个数据仓库工具,可以将结构化的数据文件映射为一张数据库表,并提供简单的sql查询功能,可以将sql语句转换为MapReduce任务进行运行。其优点是学习成本低,可以通过类SQL语句快速实现简单的MapReduce统计。以下介绍常用的Hive的类SQL语句。创建表:hive&amp;amp;gt;createtabletablename(idint,namestri…

  • 人工神经网络多层感知器_基于BP网络的多层感知器用来干嘛

    人工神经网络多层感知器_基于BP网络的多层感知器用来干嘛虽然异或问题成为感知器和早期神经网络的阿喀琉斯之踵,但它并非无解的问题。恰恰相反,解决它的思路相当简单,就是将单层感知器变成多层感知器。1,多层感知器(multilayerperceptron)包含一个或多个在输入节点和输出节点之间的隐藏层(hiddenlayer),除了输入节点外,每个节点都是使用非线性激活函数的神经元;2,多层感知器是一类前馈人工神经网络;3,多层感知器的训练包括以下步骤:首先确定给定输入和当前权重下的输出,再将输出和真实值相减得到误差函数,最后根据误差函数更新权重。在训练过程中

    2022年10月21日
  • minikube 安装指南

    minikube 安装指南

  • Repeater使用方法—基础数据绑定+多级嵌套「建议收藏」

    Repeater使用方法—基础数据绑定+多级嵌套「建议收藏」一、基础数据绑定Repeater控件在编译后不会生成任何多余的代码,而GridView等编译后会生成table标签,这样对于页面的负担和UI样式影响方面,使用Repeater就会显得很有优势了。下面

  • DATETIME 和 SMALLDATETIME 的内部存储

    DATETIME 和 SMALLDATETIME 的内部存储—-DATETIME和SMALLDATETIME的内部存储与我们输入的或者显示的是完全不一样的。具体的不多说了—-看下面的演示 –1.datetime的内部存储 declare@dtdatetimeset@dt=current_timestamp  —datetime在数据库中是以8字节存储的前4个存储的是以1900-01-01为基准算出

发表回复

您的电子邮箱地址不会被公开。

关注全栈程序员社区公众号