第8章 R×C表资料的分析.ppt

解 可用单向有序?2检验，H0：老年环混浊度与眼底动脉硬化级别无关 理论数小于5的格子有9个，超过总数的20%，将IIB级和III级合并求?2值 df＝(4－1)×(5－1)＝12，?20.05(12)＝21.03，P＜0.05，按α＝0.05水准拒绝H0，可认为老年环混浊度与眼底动脉硬化级别有关联 【DPS操作】IIB级和III级合并后，是双向有序且属性不同的4×5表。选定数据块，选择分类数据统计菜单→“列联表Spearman相关”命令 Spearman 相关系数＝－0.2219　　df＝250　　P＝0.0004 选择分类数据统计菜单→“线性趋势分析”命令 拟合优度卡方＝22.6545 df＝12 P＝0.0308 选择分类数据统计菜单→“列联表对应分析”命令 22.6545 0.0899 - 合计 4.4345 0.6051 2 1.0046 0.0040 0.0631 3 19.9752 0.3396 4 4.5253 0.0180 0.1340 2 75.5903 0.0088 6 17.1246 0.0680 0.2607 1 卡方%? 显著水平 自由度 卡方值 特征值 相关系数 No. 8.5 方表统计分析 8.5.1 McNemar检验 双向有序且属性相同的R×C表有R＝C，称为方表（square table）。在诊断检验中，对水平数≥3的配伍设计问题，进行一致性（agreement）或吻合性检验，通常使用McNemar检验和Kappa检验 n nc … n2 n1 合计 mc xcc … xc2 xc1 k … … … … … … m2 x2c … x22 x21 2 m1 x1c … x12 x11 1 k … 2 1 合计 乙评估的类别 甲评估 的类别 McNemar检验用来检验配对方表中关于对角线两侧的计数值是否对称，如果不对称，则表示两个评估结果不一致的部分在一个方向的改变较另一个大。其检验假设为：H0：xij＝xji，对于所有的i＜j，方表中关于对角线两侧的计数值对称，即两者吻合 df＝k(k－1)/2 【例8.8】 某医院神经科对近三年收治的96例内囊出血病人的发生部位进行分析，发生于左侧者55例，右侧者4l例，试问内囊出血是否好发在左侧? H0：左发生率＝右发生率，H 1：左发生率＞右发生率。 8.5.2 Kappa检验 ?2＝(a-b)2／(a+b)＝(55-41)2／(55+41)=2.042 P＞0.1, 可认为内囊出血左右两侧发生率无差别。 医药工作检查同一患者、同一X片、同一病理切片可能判断不一致。 Kappa检验称一致性检验，Kappa值简记为K PA为实际观察到的一致率；Pe为期望一致率，称期望率，即两次检查结果由于偶然机会所造成一致率 估计其抽样误差大小的统计量为Kappa值的标准误，用符号sK表示 Kappa值在－1至1之间，K值愈接近1，表明一致程度愈好。K＝1说明两次判断的结果完全一致，K＝－1说明完全不一致，K＝0说明两次检查结果很不一致。K≥0.75可说明已经达到相当满意的一致程度，K＜0.4可说明一致程度不够理想 Landis和Koch对四格表提出K判断表 极强 0.81～1.00 高度 0.61～0.80 中度 0.41～0.60 尚好 0.21～0.40 轻 0.00～0.20 弱 ＜0 一致性程度 Kappa值 【例8.9】 对100例肠结核患者同时作临床诊断和X线诊断，推断两种方法诊断结果是否吻合；推断两种方法诊断结果是否一致；推断两种方法诊断结果间有无相关关系。 样本K值是否来自为零总体，H0：μK=0 【DPS操作】双向有序且属性相同3×3方表，按表输入数据，选分类数据统计菜单“McNemar检验及Kappa检验”命令 100 45 23 32 合计 30 19 5 6 未检出 23 13 6 4 可疑 47 13 12 22 检出 未检出 可疑 检出 合计 临床诊断 X线诊断 0.3904 0.0077 99%的置信区间 0.3446 0.0534 95%的置信区间 Fleiss等的近似标准误＝0.07428 0.3767 0.0213 99%的置信区间 0.3342 0.0638 95%的置信区间 0.0020 p= 2.8853 U= 0.0690 标准误= 0.1990 Kappa值= 0.3383 Pe= 0.4700 Po= p=0.017457 df=3 卡方=10.13450 McNemar检验 McNemar检验H0：临床诊断和X线诊断结果吻合；卡方=10.13450、P＝0.0175＜0.05，可以认为两法诊断结果不吻合 Kappa检验H0：