汇总资料的单变量卡方拟合优度检验(Chi-square Goodness-of-fit Test)——MedCalc软件实现

发布于 2022年6月25日 星期六 21:22:21 浏览:1809
原创不易,转载请注明来源,感谢!

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。在前面文章中介绍了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,本文介绍汇总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,其中沟通不到位167起、患者自身问题115起、技术问题30起和其他问题87起,试分析这些主要原因的构成比是否有差异?

 单变量卡方拟合优度检验的数据录入可分为两种: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一种录入方式。

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

① 选择“检验”—“卡方检验”(图1),打开“卡方检验”对话框。

图1

②在“卡方检验”页面,在M1列依次输入4种医疗原因的例数(图2),也可以在N1行依次输入上述数据。点击“检验”,可得到分析结果。

图2

2. 结果解读

图3的“结果”表格中提供了统计推断后的“卡方值”、自由度“DF”、“显著性水平”P值、“列联系数”。

图3

可知\(\chi^{2}\)=98.073,P<0.0001,按α等于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。

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,\(\chi^{2}\)=98.073,P<0.0001,差异具有统计学意义。因此,本案例分析表明,该地区医疗事故原因的构成比不全相等。

End
文章目录 沉浸式阅读