卡方拟合优度检验(Chi-square goodness-of-fit test)又称频数分布拟合优度的卡方检验，可用于判断实际观测频数的分布是否服从某一理论期望频数分布。本文介绍原始资料的单变量卡方拟合优度检验在MedCalc软件中的实现过程。
关键词：MedCalc; 卡方拟合优度检验; Chi-square goodness-of-fit test
一、案例介绍
某医学会分析了该地区399起医疗事故的原因，试分析这些主要原因的构成比是否有差异？
计数资料的数据录入可分为两种方式：第一种为频数资料，需要设置分组变量和频数变量；第二种为非频数资料，只有观察变量一列，每一行为一个患者的数据，该形式是在MedCalc软件中进行各种统计分析最常用的资料形式。
本案例的数据采用了第二种录入方式，数据见图1。本案例可从“附件下载”处下载。
二、问题分析
本案例的分析目的是比较几种医疗原因的构成比是否存在差异，可以使用单变量卡方拟合优度检验。但需要满足2个条件：
条件1：观察变量为分类变量。本研究中医疗事故原因为分类变量，该条件满足。
条件2：观测值相互独立。本研究中各研究对象的观测值都是独立的，不存在互相干扰的情况，该条件满足。
三、软件操作及结果解读
(一) 适用条件判断
对于本案例数据，条件1和条件2均满足。
(二) 统计描述及推断
1. 软件操作
选择“统计”—“交叉表”—“卡方检验”(图2)，进入“卡方检验”对话框(图3)，“分类X”下选择变量“原因”，将生成变量“原因”的分类表。由于本例比较单个分类变量中各分类水平构成比是否相同，因此“分类Y”中不选择任何变量。筛选条件不选择任何变量。
2. 结果解读
(1) 统计描述
图4的“分类X”表格中提供了各水平的构成比，沟通不到位、患者自身问题、技术问题和其他问题的构成比分别为41.9%、28.8%、7.5%和21.8%。
(2) 统计推断
图5的“卡方检验”表格中提供了统计推断后的“卡方”值、自由度“DF”、P值“显著性水平”。可知\(\chi^{2}\)=98.073，P＜0.0001，按α=0.05水准，可认为差异有统计学意义，可认为原因的构成比不全相等。
选择卡方检验结果右下角的频率表，打开频率表。在“图表类型”下选择“简单列”，见图6。
绘制的图形为医疗事故原因的简单条图，条图的长度为各分类的计数，例数从大到小排列，依次为沟通不到位、患者自身问题、其他问题和技术问题，见图7。
四、结论
本研究采用单变量卡方拟合优度检验判断医疗事故原因的构成比是否有差异。结果显示，四种原因的构成比分别为41.9%、28.8%、7.5%和21.8%。\(\chi^{2}\)=98.073，P＜0.0001，差异具有统计学意义。因此，本案例结果表明，该地区医疗事故原因的构成比不全相等。