医学统计学ppt课件

.,“两会”精神与中国梦,医学统计与SPSS应用,医学统计与SPSS应用,嘉兴学院,.,一、SPSS的基本操作:定义变量,数据见data1,.,二、频数统计分析,利用一维频数分布表可以对数据按组进行归类整理，形成各变量的不同水平的频数分布表和图形，以便对各变量的数据特征好观测量分布状况有一个概括的认识。交叉表分析过程可以生成二维或多维频数表，还可以进行分类变量之间的独立性检验。,.,操作步骤：,数据见data1,.,选择statistics(输出统计量)对话框,返回,如果中位数与众数相差很大，说明观测量中存在异常值,.,二、交叉表（列联表)分析,analyzedescriptivestatisticscrosstabs一个行变量和一个列变量可以形成一个二维交叉表，再指定一个分组变量作为控制变量就形成三维交叉表。如果可以指定多个行、列、控制变量，就会形成一个复杂的多维交叉表。交叉表的数据可以是数值型或字符型变量，短字符串变量可以直接作为分类变量。,.,例1为了探讨吸烟与慢性支气管炎有无关系，调查了339人，情况如下：,表吸烟和慢性支气管炎调查表,数据见data2,.,（一）2检验（列联表的独立性检验）2Test：Pearson，基本思想A（actualfrequency）和T（theoreticalfrequency）的偏离度。R行，C列,数据见data3,.,双向无序RC表资料的独立性检验（1）建立假设:H0:相互独立（无差异）（2）计算2：基本公式：行列表专用公式：（3）确定P值：2,P。v=(R-1)(C-1)（4）判断结果：P0.05拒绝H0。,.,数据见data4,.,图1Crosstabs对话框,.,图2Crosstabs的Statistics对话框,适用于有序变量：用于检验相关性进行一个二值因素变量和一个二值响应变量的独立性检验。,.,图433Crosstabs的CellDisplay对话框,选择在列联表中输出的统计量，包括观测量数、百分比、残差,.,图3TableFormat对话框,各行的排序各行的排列按升序各行的排列按降序,.,基本条件1.当n40且所有T5时：Pearson22.当n40但有1T5时：ContinuityCorrection校正2若A-T大于0，则减0.5，若A-T0，则加0.5.当n40orT1时：确切概率法FisherP,.,当n40时，如果有某个格子出现1T0.1，高于检验水准，不能拒绝H0，差别无统计学意义，尚不能认为两种治疗方案的总体缓解概率不同。,.,（三）四格表的确切概率法,基本思想是：在四格表边缘合计固定不变的条件下，利用公式直接计算表内四个格子数据的各种组合的概率，然后计算单侧或双侧累计概率，并与检验水准比较，作出是否拒绝H0的结论。应用条件：理论数小于1或n40或作2检验后所得概率P接近检验水准，,.,四格表的确切概率法,a、b、c、d为四格表中的四个频数，n为总例数。例4将23名精神抑郁症患者随机分到两组，分别用两种药物治疗，结果见表，问两种药物的治疗效果是否不同。,.,表两种药物治疗精神抑郁症的效果,数据见data6,.,.,.,.,.,（四）McNemar检验McNemar检验（McNemartest）(1).意义：检验行列两因素评估结果的差别是否具有统计学意义。(2).配对四格表资料的McNemar检验（优势性检验）配对四格表独立性检验（Pearson2检验）优势性检验（McNemar检验）一致性检验（Kappa检验）,.,有、无配对关系时的四格表列表法不同,注意：B、C两表的合计数相同，但内涵信息不同。两法均为阳性者为24例与16例的检验结果并不相同。方表：检验行列评估结果是否独立或有无关联：Pearson2有无差别：McNemar检验。一致性：Kappa检验。,.,配对设计下两组差异性检验,例5设有28份咽喉涂抹标本，把每份标本一分为二，依同样的条件分别接种于甲、乙两种白喉杆菌培养基上，观察白喉杆菌的生长情况，问两种培养基上白喉杆菌的生长概率有无差别？采用McNemar检验,.,表两种培养基白喉杆菌生长情况,注：“阳性”表示生长，“阴性”表示不生长,数据见data7,.,H0：两种培养基上白喉杆菌生长的阳性概率相等H1：两种培养基上白喉杆菌生长的阳性概率不相等检验水准=0.05。若H0成立，白喉杆菌生长状况不一致的两个格子理论频数都应该是(b+c)。,.,.,由2检验基本公式有化简后不难得到,2统计量的计算公式为,.,因b+c40,P0.05，按=0.05水准拒绝H0，差别有统计学意义，可以认为,两种培养基上白喉杆菌生长的阳性概率不相等。鉴于甲培养基阳性频率为40/56=71.4%，乙培养基为24/56=42.9%，可以认为,甲培养基阳性概率高于乙培养基。,.,3、二分类资料一致性分析,前面我们已经介绍四格表资料的2检验，本节需要介绍的是Kappa检验。那么Kappa检验与配对2检验有什么区别呢？Kappa检验重在检验两者的一致性，配对2检验重在检验两者间的差异。对同一样本数据，这两种检验可能给出矛盾的结论。主要原因是两者对所提供的有统计学意义的结论要求非常严格所致。,.,KAPPA值的计算及检验,对两法测定结果一致部分进行检验，看一致部分是否是由偶然因素影响的结果，它叫做“一致性检验”，也称Kappa检验。说明两种方法测定结果的实际一致率与随机一致率之间的差别是否具有显著性意义。需要计算反映两法一致性程度高低的系数，叫做Kappa统计量。具体公式如下：P0为实际一致率，Pe为理论一致率。,.,KAPPA值的计算及检验,Kappa是一个统计量，也有抽样误差，其渐进标准误（ASE）。由于uKappa/ASE近似服从标准正态分布，故可借助正态分布理论。H0：Kappa0，H1：Kappa0。如果拒绝H0认为两种方法具有较高的一致性。,.,配对样本一致性检验,数据见data8,.,3、多个样本率比较,数