趋势卡方检验(Trend χ² Test)——SPSS软件实现

发布于 2022年7月18日 星期一 22:01:37 浏览:21901
原创不易,转载请注明来源,感谢!

趋势卡方检验(Trend χ² test)是对有序多分类资料(等级资料)进行假设检验的一种方法,属于卡方检验的一种。它主要用于检验等级资料内部构成之间的差别是否有显著性,以及两组变量间有无相关关系等。本文主要介绍趋势卡方检验在SPSS软件中的实现步骤。

一、案例介绍

研究者想探寻不同剂量的药物治疗与病人转归结局之间的关系,从一家医院随机招募了375名研究对象。药物治疗剂量分为三个等级:低剂量、中剂量、高剂量。病人转归结局分为三种:无效、好转、痊愈。数据见图1。案例可从“附件下载”处下载。

第一列有序多分类变量“outcome(疗效)”,测量尺度为“有序”, 无效、好转、痊愈分别赋值为1、2、3。

第二列有序多分类变量“dose(剂量)”,测量尺度为“有序”,低、中、高剂量分别赋值为1、2、3。

第三列为频数变量“freq(频数)”,测量尺度为“标度”。

图 1

二、问题分析

要判断用药剂量与转归结局间是否有线性变化的趋势,可以使用Mantel-Haenszel卡方检验。Mantel-Haenszel卡方检验也称线性趋势检验(Test for Linear Trend)或定序检验(Linear by Linear Test),进行该检验需要满足以下两个条件:。

条件1:检验变量是有序多分类变量。

条件2:结局变量是二分类或有序多分类变量。

三、软件操作及结果解读

(一) 适用条件判断

本案例满足条件1和条件2。

(二) 统计描述及推断

1. 软件操作

χ²检验的数据录入方式可分为两种:第一种为频数资料,需要设置分组变量、观察变量和频数变量,该形式在进行χ²检验时较为常见,进行统计分析前需要进行数据加权。第二种为非频数资料,只有分组变量和观察变量两列,每一行为一个患者的数据,该形式是在SPSS软件中进行各种统计分析最常用的资料形式,进行统计分析前不需要进行数据加权。

本案例为频数资料,需要先进行加权处理。

(1)选择“数据”—“个案加权”(图2),出现“个案加权”对话框

图2

(2)在“个案加权”对话框中选择“个案加权依据”,将左侧的“频数”变量选入“频数变量”框中,点击“确定”,完成加权(图3)

图3

(3)选择菜单“分析”—“描述统计”—“交叉表”(图4)

图4

(4)在跳出的“交叉表”对话框中,“行”变量中选择“剂量[dose]”,“列”变量中选择“疗效[outcome]”(图5)

图5

(5)此案例除了需进行Mantel-Haenszel卡方检验,还要计算Pearson相关系数。点击“统计”—勾选“卡方”和“相关性”—“继续”—“确定”(图6),即可得到卡方检验结果

图6

2. 结果解读

(1) 统计描述

图7 为“剂量*疗效 交叉表”。通过列联表观察数据,本例可发现列联表对角线附近的观测数最多,提示两个变量之间可能存在关联。但是否存在线性关联则需要趋势卡方检验判断。

图7
(2) 统计推断

图8 为卡方检验结果。看第三行“线性关联”检验结果:(双侧)渐进显著性为0.000(一般记录为<0.001),按α=0.05,P<0.05,说明两变量之间存在线性趋势。

图8

但需要注意的是,趋势卡方检验只能说明存在线性关系,但不能给出这种线性相关的强度和方向。要判断线性相关的强度和方向,需要查看Pearson相关系数。

图9 为Pearson相关结果,看第一行“皮尔逊R”的值结果显示,R=0.380,渐进显著性<0.001,说明药物剂量和转归结局间存在中度正相关。

图9

四、绘制图表

目前没有推荐的图形展示Mantel-Haenszel卡方检验的结果。因此,建议在散点图中以点的大小(散点也可变为更加醒目的颜色)来反映列联表中的不同的观测数。注意:数据需要采用频数录入格式

(一)在主界面点击“图形”,选择“图形画板模板选择器”(图10)

图10

(二)按住键盘上的control键,同时选择“结局”和“剂量”两个变量。然后选择右侧框中的“散点图”(图11)

图11

(三)选择“详细”板块,Mantel-Haenszel卡方检验对哪个变量在X、Y轴没有要求,可以随意转换。在右侧框的“可选审美原则”中,“色彩”和“大小”下拉按钮选择“频数”(图12)。最后点击确定即可,绘制出的散点图见图13。

图12
图13

五、结论

本研究采用趋势卡方检验判断药物剂量与病人转归结局之间是否存在线性关系。检验结果显示药物剂量与病人转归结局之间存在线性关系,χ2=83.285,P<0.001。Pearson相关结果显示,R=0.380, P<0.001,说明结局随药物剂量增大而变好。

End
文章目录 沉浸式阅读