評分

　大理大學 實驗報告

　 課程名稱

　 生物醫學統計分析

　 實驗名稱

　 非參數檢驗( 卡方檢驗)

　 專業班級

　 姓

　名

　 學

　號

　 實驗日期

　 實驗地點

　2015—2016 學年度第

　2

　學期 一、

　實驗目得 對分類資料進行卡方檢驗。

　二、實驗環境

　1 、硬件配置:處理器:Intel(R) Core(TM) i5-4210U CPU 1、7GHz 1、7GHz 安裝內存(RAM):4、00GB

　系統類型:64 位操作系統 2 、軟件環境:IBM SPSS Statistics 19、0 軟件

　三、實驗內容 (包括本實驗要完成得實驗問題及需要得相關知識簡單概述) （1）

　課本第六章得例 6、1-6、5 運行一遍,注意理解結果; （2）

　然后將實驗指導書得例 1-4 運行一遍,注意理解結果。

　四、實驗結果與分析

　(包括實驗原理、數據得準備、運行過程分析、源程序(代碼)、圖形圖象界面等) 例 例 6 、1 表 1 滅螨A A 與滅螨B B 殺滅大蜂螨效果得 交叉制表

　效果 合計 殺滅 未殺滅 組別 滅螨A 32 12 44 滅螨B 14 22 36 合計 46 34 80 分析: 表1就是滅螨A與滅螨B殺滅大蜂螨效果得樣本分類得頻數分析表,即交叉列聯表。

　表 2 卡方檢驗

　X2 值 df 漸進 Sig、 (雙側) 精確 Sig、(雙側) 精確 Sig、(單側) Pearson 卡方 9、277a

　1 、002

　 連續校正b

　7、944 1 、005

　 似然比 9、419 1 、002

　 Fisher 得精確檢驗

　、003 、002 有效案例中得 N 80

　 a、 0 單元格(、0%) 得期望計數少于 5。最小期望計數為 15、30。

　b、 僅對 2x2 表計算

　分析: 表2就是卡方檢驗得結果。因為兩組各自得結果互不影響,即相互獨立。對于這種頻數表格式資料,在卡方檢驗之前必須用“加權個案”命令將頻數變量定義為加權變量,才能進行卡方檢驗。

　 Pearson 卡方:皮爾遜卡方檢驗計算得卡方值(用于樣本數n≥40且所有理論數E≥5);

　 連續校正b : 連續性校正卡方值(df=1,只用于2*2列聯表);

　 似然比:對數似然比法計算得卡方值(類似皮爾遜卡方檢驗);

　 Fisher 得精確檢驗:精確概率法計算得卡方值(用于理論數E<5)。

　 不同得資料應選用不同得卡方計算方法。

　 例6、1為2*2列聯表,df=1,須用連續性校正公式,故采用“連續校正”行得統計結果。

　 X2 = 7、944, P(Sig)=0、005<0、01,表明滅螨劑A組得殺螨率極顯著高于滅螨劑B組。

　例6 6 、2 2

　表 3

　治療方法 * 治療效果

　交叉制表 計數

　 治療效果 合計 1 2 3 治療方法 1 19 16 5 40 2 16 12 8 36 3 15 13 7 35 合計 50 41 20 111 分析: 表3就是治療方法* 治療效果資料分析得列聯表。

　表 4

　卡方檢驗

　X2 值 df 漸進 Sig、 (雙側) Pearson 卡方 1、428a

　4 、839 似然比 1、484 4 、830 線性與線性組合 、514 1 、474 有效案例中得 N 111

　 a、 0 單元格(、0%) 得期望計數少于 5。最小期望計數為 6、31。

　分析: 表4就是卡方檢驗得結果。自由度df=4,表格下方得注解表明理論次數小于5得格子數為0,最小得理論次數為6、13。各理論次數均大于5,無須進行連續性校正,因此可以采用第一行(Pearson 卡方)得檢驗結果,即X2 =1、428,P=0、839>0、05,差異不顯著,可以認為不同得治療方法與治療效果無關,即三種治療方法對治療效果得影響差異不顯著。

　例6 6 、3 3

　表 5

　灌溉方式 * 稻葉情況

　交叉制表 計數

　稻葉情況 合計 1 2 3 灌溉方式 1 146 7 7 160 2 183 9 13 205 3 152 14 16 182 合計 481 30 36 547 分析: 表5就是灌溉方式* 稻葉情況資料分析得列聯表。

　表 6

　卡方檢驗

　X2 值 df 漸進 Sig、 (雙側) Pearson 卡方 5、622a

　4 、229 似然比 5、535 4 、237 線性與線性組合 4、510 1 、034 有效案例中得 N 547

　 a、 0 單元格(、0%) 得期望計數少于 5。最小期望計數為 8、78。

　分析: 表6就是卡方檢驗得結果。自由度df=4,樣本數n=547。表格下方得注解表明理論次數小于5得格子數為0,最小得理論次數為8、78。各理論次數均大于5,無須進行連續性校正,因此可以采用第一行(Pearson 卡方)得檢驗結果,即X2 =5、622,P=0、229>0、05,差異不顯著,即不同灌溉方式對稻葉情況得影響差異不顯著。

　例 例 6 6 、4 4

　表 7

　場地 * 奶牛類型

　交叉制表 計數

　奶牛類型 合計 1 2 3 場地 1 15 24 12 51 2 4 2 7 13 3 20 13 11 44 合計 39 39 30 108 分析: 表5就是場地* 奶牛類型資料分析得列聯表。

　表 8

　卡方檢驗

　X2 值 df 漸進 Sig、 (雙側) 精確 Sig、(雙側) 精確 Sig、(單側) 點概率 Pearson 卡方 9、199a

　4 、056 、056

　 似然比 8、813 4 、066 、079

　 Fisher 得精確檢驗 8、463

　 、072

　 線性與線性組合 、719b

　1 、397 、404 、217 、036 有效案例中得 N 108

　a、 3 單元格(33、3%) 得期望計數少于 5。最小期望計數為 3、61。

　b、 標準化統計量就是 -、848。

　分析: 表 8 就是卡方檢驗得結果。自由度 df=4,樣本數 n=108。表格下方得注解表明理論次數小于 5 得格子數為 3,最小得理論次數為 3、61。需采用精確概率法計算,即用第三行(Fisher 得精確檢驗)得檢驗結果,即 X2 =8、463,P=0、072>0、05,差異不顯著,即 3 種奶牛牛場不同類型奶牛得構成比對差異不顯著。

　例 例 6 6 、5 5

　表 9

　LPA* FA 交叉制表

　 FA 合計 1 2 LPA 1 17 0 17 2 4 7 11 合計 21 7 28 分析: 表9就是LPA* FA資料分析得列聯表。

　表 10

　配對 卡方檢驗

　 值 精確 Sig、(雙側) McNemar 檢驗

　、125a

　有效案例中得 N 28

　a、 使用得二項式分布。

　分析: 表10就是LPA與FA兩種檢測方法得配對卡方檢驗。由于b+c<40,SPSS選用二項分布得直接計算概率法(相當于進行了精確校正),計算該配對資料得檢驗得精確雙側概率,并且不能給出卡方值。本例P=0、125>0、05,差異不顯著,即LPA法與FA法對番鴨細小病毒抗原得檢出率差異不顯著。

　表 11

　對稱度量

　值 漸進標準誤差 a

　近似值 T b

　近似值 Sig、 一致性度量 Kappa 、680 、140 3、798 、000 有效案例中得 N 28

　a、 不假定零假設。

　b、 使用漸進標準誤差假定零假設。

　分析: 表11為LPA與FA兩種檢測結果得得一致性檢驗。Kappa值就是內部一致性系數,除數據P值判斷一致性有無統計學意義外,根據經驗,Kappa≥0、75,表明兩者一致性較好0、7>Kappa≥0、4,表明一致性一般,Kappa<0、4,則表明一致性較差。

　本例Kappa值為0、680,P=0、000<0、01,拒絕無效假設,即認為兩種檢測方法結果存在一致性,Kappa值=0、680,0、7>Kappa≥0、4,表明一致性一般。

　例1 1

　表 12

　 周 內日頻數表

　觀察數 期望數 殘差 1 11 16、0 -5、0 2 19 16、0 3、0 3 17 16、0 1、0 4 15 16、0 -1、0 5 15 16、0 -1、0 6 16 16、0 、0 7 19 16、0 3、0 總數 112

　 分析: 表12結果顯示一周內各日死亡得理論數(Expected)為16、0,即一周內各日死亡均數;還算出實際死亡數與理論死亡數得差值(Residual)。

　表 13

　檢驗統計量

　周日 卡方 2、875a

　df 6

　漸近顯著性 、824 a、 0 個單元 (、0%) 具有小于 5 得期望頻率。單元最小期望頻率為 16、0。

　分析: Chi-Square過程,調用此過程可對樣本數據得分布進行卡方檢驗。卡方檢驗適用于配合度檢驗,主要用于分析實際頻數與某理論頻數就是否相符。卡方值X2 =2、875,自由度數(df)=6,P=0、824>0、05,差異不顯著,即可認為一周內各日得死亡危險性就是相同得。

　例2 2

　表 14

　二項式檢驗

　類別 N 觀察比例 檢驗比例 精確顯著性(雙側) 性別 組 1 0 12 、30 、50 、017 組 2 1 28 、70

　 總數

　40 1、00

　 分析: 調用Binomial過程可對樣本資料進行二項分布分析。表14得二項分布檢驗表明,女嬰12名,男嬰28名,觀察概率為0、70(即男嬰占70%),檢驗概率為0、50,二項分布檢驗得結果就是雙側概率為0、017,可認為男女比例得差異有高度顯著性,即與通常0、5得性比例相比,該地男嬰比女嬰明顯為多。

　例3 3

　表 15

　兩組工人得血鉛值 及秩

　group N 秩均值 秩與 血鉛值 1 10 5、95 59、50 2 7 13、36 93、50 總數 17

　 分析: Independent Samples過程:調用此過程可對兩個獨立樣本得均數、中位數、離散趨勢、偏度等進行差異比較檢驗。有四種檢驗方法:Mann-Whitney U:主要用于判別兩個獨立樣本所屬得總體就是否有相同得分布;Kolmogorov-Smirnov Z:推測兩個樣本就是否來自具有相同分布得總體;Moses extreme reactions:檢驗兩個獨立樣本之觀察值得散布范圍就是否有差異存在,以檢驗兩個樣本就是否來自具有同一分布得總體;Wald-Wolfowitz runs:考察兩個獨立樣本就是否來自具有相同分布得總體。

　表 16

　檢驗統計量b b

　 血鉛值 Mann-Whitney U 4、500 Wilcoxon W 59、500 Z -2、980 漸近顯著性(雙側) 、003 精確顯著性[2*(單側顯著性)] 、001a

　a、 沒有對結進行修正。

　b、 分組變量: group

　分析: 本例選Mann-Whitney U檢驗方法,表15結果表明,第1組得平均秩次(Mean Rank)為5、95,第2組得平均秩次為13、36,U = 4、5,W = 93、5,精確雙側概率P = 0、001,可認為鉛作業組工人得血鉛值高于非鉛作業組。

　例4 4

　表 17

　group* effect 交叉制表 計數

　effect 合計 無效 有效 group 對照組 21 75 96 實驗組 5 99 104 合計 26 174 200 分析: 表17就是group* effect資料分析得列聯表。

　表 18 卡方檢驗

　X2 值 df 漸進 Sig、 (雙側) 精確 Sig、(雙側) 精確 Sig、(單側) Pearson 卡方 12、857a

　1 、000

　 連續校正b

　11、392 1 、001

　 似然比 13、588 1 、000

　 Fisher 得精確檢驗

　、001 、000 有效案例中得 N 200

　 a、 0 單元格(、0%) 得期望計數少于 5。最小期望計數為 12、48。

　b、 僅對 2x2 表計算

　分析: 表18卡方檢驗資料n=200>40 , 表格下方得注解表明理論次數小于5得格子數為0,最小得理論次數為12、48。,可取Pearson卡方值與似然比(Likelihood ratio)值 ,二者值分別為12、857與13、588,P<0、01,試驗組與對照組得療效差別有統計學意義,可認為異梨醇口服液降低顱內壓得療效優于氫氯噻嗪 + 地塞米松 。

　五、實驗小結:

　(包括主要實驗問題得最終結果描述、詳細得收獲體會,待解決得問題等) 在此次實驗中,由于實驗內容更貼近生活應用,因此比起上學期,我們更容易領悟該程序得表達,只就是在細節方面還就是很容易出錯,甚至不容易拐過彎來。但經過此次實驗,我們懂得要學著從復雜得程序中剝繭抽絲,把程序盡可能得簡單化。

　在實驗中應注意得點:

　1、因為兩組各自得結果互不影響,即相互獨立。對于這種頻數表格式資料,在卡方檢驗之前必須用“加權個案”命令將頻數變量定義為加權變量,才能進行卡方檢驗。

　 2、 Pearson 卡方:皮爾遜卡方檢驗計算得卡方值(用于樣本數 n≥40 且所有理論數 E≥5);

　 連續校正 b:連續性校正卡方值(df=1,只用于 2*2 列聯表);

　 似然比:對數似然比法計算得卡方值(類似皮爾遜卡方檢驗);

　 Fisher 得精確檢驗:精確概率法計算得卡方值(用于理論數 E<5)。

　 不同得資料應選用不同得卡方計算方法。

　3、有列聯表用于描述分析得卡方檢驗,而其它用于非參數檢驗就是對擬合優度得檢驗。

　4、有計數用加權個數,就是具體數值,如例 3,則不用加權,因為兩組數據長度不同,用獨立 性檢驗,不知道總體分布情況,所有用非參數檢驗,要就是假設它為正態分布,也可以用 卡方檢驗。

　 5、描述統計里得交叉表得行、列選擇可以互換,互換只就是轉置,不影響最后得結果。

　手寫簽名:

推薦訪問： 檢驗 參數 實驗