2020年7月12日
（3） 2检验
从菜单选择 Analyze→Descriptive
Statistics→Crosstable 指定 Row(s)：疗法 Columns(s)：疗效 击Statistics按钮选择Chi-square。
2020年7月12日
输出结果
结果分析：Pearson 2 =32.736，双侧P＝0.000<0.05，
2020年7月12日
R×C表2 检验应注意的问题
❖2.多组比较时，若效应有强弱的等级，如+，++
，+++，最好采用后面的非参数检验方法。 2检
验只能反映其构成比有无差异，不能比较效应的 平均水平。 ❖3.行列两种属性皆有序时，可考虑趋势检验或 等级相关分析。
❖4.多个率比较的2检验，结论为拒绝H0时、需
d f(31 )(41 )6
2 =9.60< 2 0.1，6=10.64，P>0.1，
按α=0.05水准，不拒绝H0，即不能认为三组病 人中医各型的构成比不同.
2020年7月12日
1.建立数据文件
在SPSS数据编辑窗，建立数据文件Li8-4.sav。 行变量：“疗法”，Values为：1＝“生胃宁素
C k2 k(k21)
20.050.0167
3(31)
2020年7月12日
（3）新复方与降压药比较：列出表C，2=4.419
，P=0.036，按α’= 0.0167水准，不拒绝H0，不 能认为新复方与降压药治疗高血压病的效果不 同。
表C 新复方与降压药比较
药物 新复方 降压药 合计
有效 35 20 55
2020年7月12日
输出结果
理论数小于5的格子数为2(占16.7%),最小理论数为3.59
2020年7月12日
结果分析
表下方提示理论频数小于5的单元格有2个 ，最小理论频数为3.59<5，说明可用 Pearson卡方检验。
结果分析：Pearson 2 =9.596，双侧P＝
0.143>0.05，以α＝0.05水准不拒绝H0，不 能认为三组病人中医分型的构成比不同。
列变量：“疗效”，Values为：1＝“有效” ，2＝“无效；
频数变量：“频数”。
2020年7月12日
2. spss操作过程
（1）在spss中调出数据文件题18.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
Weight Cases by框，框内选入“频数 ”，即指定该变量为频数变量
2020年7月12日
（3） 2检验
从菜单选择 Analyze→Descriptive
Statistics→Crosstable 指定 Row(s)：疗法 Columns(s)：中医分型 击Statistics按钮选择Chi-square。
降压药
பைடு நூலகம்
20
10
30
66.67
安慰剂
7
25
32
21.88
合计
62
40
102
60.70
2020年7月12日
多个实验组与一个对照组比较
❖ 经2检验，结论为拒绝H0。不同药物治疗高
血压病的效果不同。 ❖ 将新复方和降压片分别与安慰剂比较（H0：药
物与安慰剂效果相同），此时应调整检验水准 为：
0.05 0.025
第八章 R×C表资料的分析
第三节 R×C表资料的 2检验
R×C表卡方检验的通用公式 多个样本率的比较 两组或多组构成比的比较 R×C表卡方检验应注意的问题
2020年7月12日
R×C列联表
前述四格表，即2×2表，是最简单的一种 R×C表形式。因为其基本数据有R行C列， 故通称R×C列联表（contingency table）， 简称R×C表。
R×C表2检验的应用形式有：
1. 多个样本率的比较（如例p419题18的3×2 表）
2. 两组或多组构成比的比较（如例8-4的3×4 表）
2020年7月12日
一、R×C 表2 检验通用公式
理论T 频 n数 RnC 代入基本公式
n
可推导出： 基本公式 通用公式
2 (A T 2 ) 2 n (A 2 1 )
生胃宁素 7
片
中药组
4
15
29
37
88
12
16
19
51
西药组
3
5
15
37
60
合计
14
32
60
93
199
2020年7月12日
H0：三种疗法病人的中医分型总体构成相同（ 疗法与证型无关）
H1：三组病人中医分型总体构成不全相同（疗 法与证型有关） ，α=0.05
219 8 97 2 8 1 481 8 2 3 5 2 63 0 2 9 7 3 1 9.60
2020年7月12日
（3） 相关性分析、线性趋势检验 从菜单选择 Analyze→Descriptive
Statistics→Crosstable 指定 Row(s)：硬化级别 Columns(s)：混浊程度 击Statistics按钮选择Chi-square、
Correlations（相关性）----- Somer’d 检验
程度分级之间是否有直线关系： 可选用线性趋势检验
2020年7月12日
spss操作过程
（1）在spss中调出数据文件Li8-5.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
无效
合计
有效率 （%）
新复方
35
5
40
87.50
降压药
20
10
30
66.67
安慰剂
7
25
32
21.88
合计
62
40
102
60.70
2020年7月12日
❖ H0：π1=π2=π3，三种药物治疗高血压病总体 有效率相等
❖ H1：三个总体率不全相等 α=0.05
210 6 23 2 2 4 5 045 2 0 4 0 42 0 2 3 3 2 1 3.7 23
可认为行和列两等级变量之间存在一定的线性关系，即眼底
动脉硬化级别越高，老年环混浊程度越深。
2020年7月12日
第五节 多个样本率的两两比较
多个实验组与一个对照组比较 2×k表多组间的两两比较
2020年7月12日
多个样本率的两两比较
多个样本率（或构成比）的2检验，结
论为拒绝H0时，只能认为各总体率（或构 成比）之间总的来说有差别，常需要进一 步作“两两比较”，本节介绍用 Bonferroni法调整检验水准作两两比较。
拒绝H0，可以认为三种疗法效果不同。
2020年7月12日
三、两组或多组构成比的比较
例8-5 用三种治疗方法治疗199例消化性 溃疡住院病人资料如表8-6，试分析三组 病人按4种中医分型的构成比有无差别。
2020年7月12日
表8-6 三种消化性溃疡住院病人四种证型的构成
中医分型 疗法 肝胃不和 胃阴不和 脾胃虚寒 寒热夹杂 合计
2020年7月12日
一、多个实验组与一个对照组比较
在进行多个实验组（k-1)与一个对照组进行 比较时，检验水准的调整如下：
k 1
式中α’为新规定的两两比较检验水准；k为 样本数。
2020年7月12日
表8-5 三种药物治疗高血压病的疗效比较
组别
疗效
有效
无效
合计
有效率 （%）
新复方
35
5
40
87.50
8
8
85
Ⅱ级
4
20 12
8
12 56
Ⅲ级
0
0
2
1
0
3
合 计 39 95 65 21 33 253
2020年7月12日
（1）考察眼底动脉硬化不同级别的老年环 混浊程度分级之间的差别有无统计学意义
可选用秩和检验或Ridit分析。
（2）考察眼底动脉硬化级别与老年环混浊
程度分级之间有无相关性： 可用Spearman秩相关分析 （3）考察眼底动脉硬化级别与老年环混浊
d f(31 )(21 )2
❖ 2 =32.736 > 2 0.005，2=10.60，P<0.005，按
α=0.05水准拒绝H0，即可以认为三种药物治疗
高血压病效果不同。
2020年7月12日
1.建立数据文件
在SPSS数据编辑窗，建立数据文件题18.sav 。
行变量：“组别”，Values为：1＝“新复方 ”，2＝“降压片” ，3＝“安慰剂” ；
2=12.636，P=0.000，按α’= 0.025水准
拒绝H0，可以认为降压药治疗高血压有效。
表B 降压药与安慰剂比较
药物 降压药 安慰剂 合计
有效 20 7 27
无效 10 25 35
合计 30 32 62
2020年7月12日
二、2×k表多组间的两两比较
进行三种药物间的两两比较，则检验 水准调整为：
片”，2＝“中药组” ，3＝“西药组” ； 列变量：“中医分型”，Values为：1＝“肝胃
不和”，2＝“胃阴不和”，3＝“脾胃虚寒” ，4＝“寒热夹杂”； 频数变量：“频数”。
2020年7月12日
2. spss操作过程