卡方检验—配对设计列联表资料

配对设计(Paired design)是指:将受试对象按配对条件配成对子,每对中的个体接受不同的处理。配对设计一般以主要的非实验因素作为配比条件,而不以实验因素作为配比条件。

优点:最大限度排除非处理因素的干扰,减少抽样误差;配对后处理组之间齐同性较好;节约样本量,提高效率。

配对设计分类:

自身配对(同源配对)

自身前后配对:观察同一个体在处理前后某些指标变化的一种设计,如同一批病人采用不同治疗方法前后治疗效果或者缓解率比较。

自身左右配对:指两种不同处理分别施加于同一个体左右两部分的设计,如分别对人体左右肢体、神经或者肌肉等施加不同处理后观察某指标变化情况。

异体配对:将同一受试对象按照一定条件(依据专业知识确定),将条件相同或者相似的个体配成对子,然后在对子内部按照随机方法,将一个分配至实验组,平一个分配到对照组,最后对其结果以配对设计的统计方法加以处理

典型配对2×2列联表资料比较的一般形式和符号:

配对2×2列联表资料: McNemar(麦克尼马尔检验)

配对R×C列联表资料: McNemar-Bowker(麦克尼马尔-鲍克检验)

配对2×2列联表资料卡方检验

数据来源:方积乾主编的第七版《卫生统计学》例8-5,有132份病人血液样本,把标本一分为二,分别采用两种检验方法检测某标志物,检验结果见下表,试比较两种检测方法的阳性结果是否有差别?

上述研究可以看出两种方法共同检测出阳性例数为80、阴性例数为11,难以反映二者检验方法的区别,欲比较两种检测方法的阳性结果是否存在差异,要看b、c格子数据信息。

1.建立检验假设,确定检验水准

H0:π1=π2,即两种检验方法的阳性检出率相同

H1:π1≠π2,即两种检验方法的阳性检出率不同

α=0.05

2.计算检验统计量

数据录入(注意与独立列联表资料数据录入的区别)

数据加权处理:数据➡个案加权➡对指标变量【例数】进行加权

数据加权处理后➡分析➡描述统计➡交叉表

行变量【甲方法】➡列变量【乙方法】➡统计➡McNemar【麦克尼马尔】

卡方统计结果

3.确定P值,做出统计推断

由McNemar检验可知,P=0.001,在α=0.05的检验水准上,拒绝H,接受H1,差异具有统计学意义,可以认为两种方法阳性检出率不同,乙法(84.09%)高于甲法(68.20%)。

配对R×R列联表资料卡方检验

数据来源:方积乾主编的第7版《卫生统计学》例-8-6,对150名冠心病患者用两种方法检查室壁收缩运动的情况,检测结果见下表,试分析两种方法测定结果的概率分布是否相同?

1.建立检验假设,确定检验水准

H0: 两种测定方法的概率分布相同

H1: 两种测定方法的概率分布不同

α=0.05

2.计算检验统计量

SPSS操作步骤如上配对2×2列联表资料:

3.确定P值,做出统计推断

由McNemar-Bowker检验(麦克尼马尔-鲍克)可知,P=0.086,在α=0.05的检验水准上,不拒绝H,差异无统计学意义,尚不能认为两种测定方法的概率分布不同。

配对2×2列联表资料非参数检验

在SPSS中除了交叉表分析中可以实现McNemar检验,在非参数检验中也可实现,但是非参数检验要求结局变量(指标变量)为二分类变量。对方积乾主编的第七版《卫生统计学》例8-5进行McNemar检验。

指标变量加权后➡分析➡非参数检验➡相关样本

目标➡选择自动或者定制

字段➡使用预定义或者自定义➡将【甲方法】【乙方法】选入右侧检验字段

设置➡选择检验➡定制检验➡麦克尼马尔检验➡运行

运行之后可见下面的统计分析结果

双击上面的假设检验汇总表,打开模型查看器,在右侧可以看到检验统计量,此时我们发现可视化图标记了b、c格子阴性和阳性结果例数,再次提示我们研究该配对设计检验阳性率的差异,关注b、c格子信息即可。

旧对话框中【2个相关样本】检验也可实现McNemar检验

分析➡非参数检验➡旧对话框➡2个相关样本

双关联样本检验➡将【甲方法】【乙方法】选入变量1、2➡检验类型选择【麦克尼马尔】➡确定(这里和配对设计资料t检验的界面类似)

检验统计结果

该结果和上面的一致(P=0.002),但是与交叉表中麦克尼马尔检验结果(P=0.001)不同,为什么不同?接下来我们进行探索:在双关联样本检验中精确计算方法选择【精确】,然后查看结果。

发现:由于显著性计算方法不同导致了P值结果的差异,交叉表分析中采用的是精确法,非参数中默认的是渐近法,虽然P值略有差异,但结论都是一致的。

如果配对列联表资料的指标变量为多分类变量,我们试下是否可以实现McNemar-Bowker test(麦克尼马尔-鲍克检验)?提示无法计算,是因为非参数这里要求指标变量为二分类。

配对设计列联表资料为什么不能用一般卡方检验

独立列联表资料卡方检验要求数据服从独立性,而配对设计不满足独立性,所以不能直接用一般卡方检验。

数据来源:将方积乾老师主编的第7版《卫生统计学》例8-5修改成独立2×2列联表资料,如下表所示,发现样本量增加了一倍,说明配对设计的方法更高效,且进一步减少了误差,可以对同一个样本进行两次测量。

参考文献:

1.方积乾.卫生统计学[M].第七版,北京:人民卫生出版社,2013.

2.百度百科-配对设计.

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20180727G096SZ00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券