SPSS教程：分层卡方检验（有图解）

2018-11-06 龚志忠 医咖会

SPSS

提到卡方检验，相信很多小伙伴一定会觉得这还不简单，不就是率的比较嘛，只要是看到分类变量，就直接用卡方检验，拿SPSS两三下算出结果，得出P<0.05，然后心里还美美的。 分层分析是一种常用的控制混杂因素的方法，它将数据资料根据混杂因素进行分层，然后计算各层内的OR值： 如果层间OR值不一致，则说明分层因素可能存在混杂作用，需要分开报告OR值；如果层间OR值同质，则可以将OR值进行合并，从

提到卡方检验，相信很多小伙伴一定会觉得这还不简单，不就是率的比较嘛，只要是看到分类变量，就直接用卡方检验，拿SPSS两三下算出结果，得出P<0.05，然后心里还美美的。 分层分析是一种常用的控制混杂因素的方法，它将数据资料根据混杂因素进行分层，然后计算各层内的OR值： 如果层间OR值不一致，则说明分层因素可能存在混杂作用，需要分开报告OR值；如果层间OR值同质，则可以将OR值进行合并，从而计算调整后的OR值。 针对这个问题，有小伙伴在留言中问到，如何判断层间OR值是否一致呢？是否有相关的统计学方法来进行检验呢？如果层间OR值同质，又该如何计算合并的OR值呢？这个时候，卡方检验家族就要派“分层卡方检验”上场了，本期内容就来向大家进行详细介绍。 分层卡方检验 分层卡方检验，也称为Cochran-Mantel-Haenszel检验（CMH检验），它主要用于上述的分层分析中，也就是在研究暴露/处理因素和结局事件关联性的基础上，考虑了分层因素的混杂作用。 CMH检验通过对分层因素进行控制，从而考察调整之后暴露/处理因素与结局事件之间的关联性。实际上CMH检验，已经不再是单纯的单因素分析，而

作者：龚志忠



版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
评论区 (9)
#插入话题
  1. 2024-02-23 ms1000000168709609

    #卡方检验 找到了，想学

    0

  2. 2021-10-19 ms8000001521200598

    厉害

    0

  3. 2021-08-11 等等mm

    太强了，学习到了

    0

  4. 2021-01-11 ms4000000453294428

    不错不错哟

    0

  5. 2020-12-14 ms6000000980036855

    实用！感谢

    0

相关资讯

SPSS进行多相关样本的非参数检验（Friedman检验）

一、案例 2010年世博会期间，参观人数众多，为了比较各个时间段的入园人数有无差别，收集了以下的数据： 日期：统计的日期 a：该日12-14点的入园人数 b：该日14-16点的入园人数 c：该日16-18点的入园人数 d：该日18-20点的入园人数 目的是分析上述四个时间段的入园人数有无差异。显然，四组数据并不独立，不能满足普通方差分析的条件，可以使用重复测量的方差分析。但考虑到入园

使用SPSS实现1:1倾向性评分匹配(PSM)

谈起临床研究，如何设立一个靠谱的对照，有时候成为整个研究成败的关键。对照设立的一个非常重要的原则就是可比性，简单说就是对照组除了研究因素外，其他的因素应该尽可能和试验组保持一致，这里就不得不提随机对照试验。众所周知，随机对照试验中研究对象是否接受干预是随机的，这就保证了组间其他混杂因素均衡可比。但是有些时候并不能实现随机化，比如说观察性研究。这时候倾向性评分匹配(propensity scor

图解：SPSS用于倾向得分匹配

本篇文章介绍如何使用SPSS进行1：1的倾向性得分匹配，这里的1：1指的是两个样本量相同的组，可以分别命名为实验组和对照组；如果实验设计中，样本组的数目多于两个（例如有实验组、对照组和空白组），那么需要用1：m的倾向性得分匹配方法。两者的理论基础其实是类似的，差异在于匹配的数目不同。SPSS只能进行1：1的倾向性得分匹配。后面草堂君会介绍如何使用SAS进行1：m的倾向性得分匹配。 倾向性得分

倾向评分匹配的SPSS和R实现方法

SPSS在22版和23版加入了倾向评分匹配方法，笔者多次操作，程序界面还算友好，现给大家展示一下，供初次使用者参考。 如下图，一个数据，包括了id(病例的唯一编码)、group(干预方法)、cf1-cf6(六个混杂因子)。      操作方法:1.点击“数据”-“倾向得分匹配”，如下图：      2.弹出下图对话框，组指示符选

SPSS超详细操作：分层回归(hierarchical multiple regression)

1、问题与数据 最大携氧能力(maximal aerobic capacity, VO2max)是评价人体健康的关键指标，但因测量方法复杂，不易实现。某研究者拟通过一些方便、易得的指标建立受试者最大携氧能力的预测模型。 目前，该研究者已知受试者的年龄和性别与最大携氧能力有关，但这种关联强度并不足以进行回归模型的预测。因此，该研究者拟逐个增加体重(第3个变量)和心率(第4个变

SPSS分析实战：CMH检验（分层卡方检验）

只涉及两个分类变量的卡方检验有些时候是很局限的，因为混杂因素总是存在，如果不考虑混杂因素，得出的分析结论很可能是谬误的，这就是著名的辛普森悖论。辛普森悖论的故事是这样的：1973年秋季，加州大学伯克利分校研究生院的新生入学。有些人在看到学校两个学院的综合录取表格后，怀疑学校在录取学生时存在性别歧视，因为女生录取率低于男生，如下表所示： 为了平息质疑，校领导根据学院的不同，将综合录取率拆开