医学统计学速查手册-SPSS操作+结果解读模板

医学统计学速查手册——SPSS操作+结果解读模板

标签：医学统计学|SPSS操作|结果解读|论文统计|三线表|统计方法选择

日期：2026年9月16日

一、SPSS数据准备与变量设置

1.1数据录入规范

SPSS的数据规则只有一条：一行代表一个样本，一列代表一个变量。做了50例患者的研究，原始数据表就应该正好50

行，列名分别是编号、性别、年龄、分组、指标1、指标2。

在“变量视图”中设置变量时，必须正确设定“测量”列。变量类型分为三类：

变量类型测量列设置典型变量可做的运算SPSS界面标识

分类变量（名义）名义性别、省份、是否频数、比例、卡方检验圆形图标

等级变量（有序）有序学历、满意度、排名秩和检验、Spearman相关柱状图图标

连续变量（刻度）刻度身高、血压、化验指标t检验、方差分析、回归刻度尺图标

分类变量需要在“值”中定义标签：1=男性、2=女性，1=实验组、2=对照组。低分论文的做法是把所有数据混在一个工

作表中不加变量名直接导入，SPSS自动生成的变量名全是“VAR00001”。高分论文从数据录入起就建好标准数据库，变

量类型、标签、缺失值全部预设好。

1.2数据文件导入与处理

从Excel导入数据：点击“文件→打开→数据”，文件类型选择“Excel”，浏览选择目标文件。在导入对话框中，勾选“从

第一行读取变量名”，SPSS会自动将Excel第一行作为变量名。如果Excel第一行没有变量名，SPSS会生成VAR00001等

默认变量名，需要在变量视图中手动修改。

数据加权：当使用汇总数据（如频数表格式，而非逐行个案数据）进行卡方检验时，需要先进行加权。操作路径为“数

据→加权个案”，选择频数变量作为加权变量。

缺失值处理：在变量视图中，点击“缺失”列可以设定缺失值编码。SPSS默认将空白单元格标记为系统缺失值，用户也

可以自定义缺失值编码（如-9、99）。

1.3数据清理检查清单

在开始分析前，逐一核对以下项目：

检查变量类型是否已正确设定（名义/有序/刻度）

检查分类变量的值标签是否已定义

检查有无异常值（可通过描述统计的极大值/极小值发现）

检查缺失值比例，若某变量缺失超过20%需谨慎处理

检查数据是否存在重复录入

检查分组变量编码是否与研究设计一致

二、统计方法选择速查表

2.1根据研究问题快速定位

判断统计方法的关键是两条：在比较什么（均值/率/关联）和数据满足什么条件（正态/方差齐）。

研究问题数据类型条件统计方法SPSS路径

两组独立样本均值分析→比较平均值→独立样本T

连续变量正态+方差齐独立样本t检验

比较检验

分析→比较平均值→配对样本T

同一组前后测比较连续变量差值正态配对样本t检验

检验

两组独立样本，不偏态或方差Mann-Whitney分析→非参数检验→旧对话框

连续变量

正态不齐U检验→2个独立样本

三组及以上均值比分析→比较平均值→单因素

连续变量正态+方差齐单因素方差分析

较ANOVA

三组及以上，不正偏态或方差Kruskal-Wallis检分析→非参数检验→旧对话框

连续变量

态不齐验→K个独立样本

分析→描述统计→交叉表→统

两个分类变量关联分类变量期望频数≥5卡方检验

计→卡方

小样本或不

期望频数<5分类变量Fisher精确检验交叉表→精确→精确

满足条件

同一批对象

配对分类资料分类变量McNemar检验交叉表→统计→McNemar

两种诊断

分析→相关→双变量

两个连续变量关系连续变量正态Pearson相关

→Pearson

两个连续变量，不分析→相关→双变量

连续变量偏态或有序Spearman相关

正态→Spearman

多个自变量影响一

连续因变量—多元线性回归分析→回归→线性

个连续变量

二分类结局的影响

二分类因变量—二元Logistic回归分析→回归→二元Logistic

因素

生存时间影响因素时间+结局—Cox回归分析→生存分析→Cox回归

连续检验指标

诊断试验效能评价—ROC曲线分析→分类→ROC曲线

+金标准

2.2参数检验与非参数检验对照表

设计类型参数检验非参数检验

单样本单样本t检验Wilcoxon符号秩检验

两独立样本独立样本t检验Mann-WhitneyU检验

两配对样本配对t检验Wilcoxon符号秩检验

多独立样本单因素方差分析Kruskal-WallisH检验

多配对样本重复测量方差分析Friedman检验

选用原则：数据符合正态分布且方差齐，优先使用参数检验；任一条不满足，改用非参数检验。

2.3正态性检验操作

统计方法选择的前提判断从正态性检验开始。

操作路径：点“分析→描述统计→探索”，把因变量拖入“因变量列表”，点“图”，勾选“含检验的正态图”。

输出结果里找Shapiro-Wilk检验那一行，P>0.05说明数据符合正态分布，放心用t检验或方差分析；P<0.05说明数据偏

态，换非参数检验。

论文中应标注正态性检验结果，例如：“经Shapiro-Wilk正态性检验，各组数据均符合正态分布（P>0.05），组间比较

采用独立样本t检验。”

三、t检验操作与结果解读

3.1独立样本t检验

适用条件：两组独立样本，因变量为连续变量，满足正态性和方差齐性。

操作步骤：

第一步，点击“分析→比较平均值→独立样本T检验”。

第二步，将待检验的连续变量（如血压值）放入“检验变量”框，将分组变量（如组别）放入“分组变量”框。

第三步，点击“定义组”，输入分组变量对应的数值，比如1代表实验组、2代表对照组。点击“继续”，然后“确定”。

结果解读：

输出结果中有两个关键表格。“组统计”表给出两组的样本量、均值和标准差，这是描述性信息。“独立样本检验”表分两

行——第一行标题为“假定等方差”，第二行为“不假定等方差”。解读分两步：第一步先看Levene方差等同性检验的P值

——P>0.05表明方差齐，取第一行结果；P<0.05表明方差不齐，取第二行结果。第二步找到对应行的“t”值和“Sig.（双

尾）”，Sig.（双尾）就是P值。

输出表格关键列解读要点

组统计N、均值、标准差描述两组的基本情况

独立样本检验LeveneF的Sig.>0.05取第一行，<0.05取第二行

输出表格关键列解读要点

独立样本检验t、df、Sig.（双尾）Sig.（双尾）即P值，<0.05说明组间差异有统计学意义

论文报告模板：

“实验组血压值为（120.5±10.3）mmHg，对照组为（135.2±12.1）mmHg，经Levene方差齐性检验（F=1.234，

P=0.271），两组方差齐。独立样本t检验结果显示，两组血压值差异具有统计学意义（t=5.678，df=58，

P<0.001）。”

3.2配对样本t检验

适用条件：同一组对象前后两次测量，或配对设计的连续变量比较。

操作步骤：路径为“分析→比较平均值→配对样本T检验”，将治疗前和治疗后的两个变量同时选入“配对变量”框，软件

会自动计算差值的显著性。

结果解读：重点看“配对样本检验”表格中“配对差值”的t值、df和Sig.（双尾）。配对t检验的前提是差值服从正态分

布。

论文报告模板：

“治疗前收缩压为（152.3±12.5）mmHg，治疗后为（132.8±10.7）mmHg，配对样本t检验结果显示差异具有统计学意

义（t=8.234，df=39，P<0.001）。”

四、方差分析操作与结果解读

4.1单因素方差分析

适用条件：三组及以上独立样本比较，因变量为连续变量，满足正态性和方差齐性。

操作步骤：路径是“分析→比较平均值→单因素ANOVA”。将连续变量放入“因变量列表”，将分组变量放入“因子”。点

击“事后比较”，根据研究需要选择事后检验方法。如果假设各组方差齐性，常用LSD或Tukey方法；如果方差不齐，可

以选择Dunnett‘sT3或Games-Howell。点击“选项”，勾选“描述”和“方差同质性检验”。

结果解读：

输出结果中，首要看“ANOVA”表格里的“显著性”一列。如果这个值小于0.05，说明至少有两组之间存在显著差异。至

于具体是哪两组，需要查看“多重比较”表格，其中标有星号的行就代表差异达到显著水平的组对。

输出表格关键列解读要点

描述均值、标准差了解各组基本情况

方差同质性检验Sig.>0.05说明方差齐，可用LSD/Tukey；<0.05用Dunnett’sT3

ANOVAF、Sig.Sig.<0.05说明至少两组间有差异

多重比较均值差值、Sig.标*的组对差异显著

论文报告模板：

“三组患者的血糖值分别为低剂量组（5.2±0.8）mmol/L、中剂量组（4.5±0.7）mmol/L、高剂量组（3.9±0.6）

mmol/L。单因素方差分析结果显示，三组间差异具有统计学意义（F=8.456，P<0.001）。LSD事后检验表明，高剂量

组与低剂量组差异有统计学意义（P<0.001），中剂量组与低剂量组差异有统计学意义（P=0.012）。”

4.2双因素方差分析

操作步骤：点击“分析→一般线性模型→单变量”。将连续因变量移入“因变量”框，将两个或多个分类自变量移入“固定

因子”框。点击“绘图”可视化交互作用：将一个因子移入水平轴，另一个因子移入单图，点击“添加”。点击“选项”勾选

“描述统计”“功效估算”“齐性检验”。

结果解读：核心看“主体间效应检验”表格。找到自变量行，看Sig.值判断主效应是否显著；找到交互项行，看Sig.值判

断交互效应是否显著。如果交互效应显著，主效应的意义就不大了，需要重点分析和解释交互效应。

4.3重复测量方差分析

适用条件：同一组对象在不同时间点多次测量。

操作步骤：路径为“分析→一般线性模型→重复测量”。需要定义被试内因子名称和水平数（如时间点：3个水平），然

后将各时间点的测量变量依次选入。

结果解读：重点看“主体内效应检验”表格中时间因素的Sig.值，判断各时间点之间是否存在显著差异。“主体间效应检

验”表格中组别因素的Sig.值，判断组间差异是否显著。交互项（时间×组别）的Sig.值，判断不同组别随时间变化的趋

势是否不同。

五、卡方检验操作与结果解读

5.1适用条件与前提

卡方检验用于比较两个分类变量的分布差异。但有严格的适用条件：

条件判断处理方式

总样本量≤40不满足改用Fisher精确检验

理论频数<5的格子>20%不满足改用Fisher精确检验

某一单元格频数为0不满足改用Fisher精确检验

被检验变量为等级资料不适用卡方改用秩和检验

配对资料不适用独立卡方改用McNemar检验

SPSS会在卡方检验结果下方提示“Xcells(X%)haveexpectedcountlessthan5”。至少80%的单元格期望频数应≥5，

所有单元格期望频数≥1。如果违反这些条件，应考虑Fisher精确检验。

5.2操作步骤

操作路径为“分析→描述统计→交叉表”。将行变量和列变量分别放入对应位置。点击“统计量”，勾选“卡方”。点击“单

元格”，勾选“实测值”“期望值”和“行百分比”或“列百分比”，方便解读结果。

如果要进行Fisher精确检验，需额外点击“精确”，选择“精确”而非“MonteCarlo”，然后点击“继续”。

5.3结果解读

解读分四步：

第一步，先看P值。SPSS中通常显示为AsymptoticSignificance(2-sided)。P<0.05认为两组之间存在统计学差异，

P≥0.05则说明没有发现统计学显著差异。

第二步，再看PearsonChi-Square（卡方值）。χ²越大，说明观察数据与原假设的偏离越明显，但χ²值本身不能单独

解释结果，必须结合自由度共同决定P值。

第三步，理解自由度。对于最常见的2×2列联表，自由度=（2-1）×（2-1）=1。

第四步，检查期望频数。查看SPSS提示的期望频数不足的单元格数量和比例，判断卡方检验结果是否可靠。

论文报告模板：

“实验组有效率为85.0%（34/40），对照组有效率为62.5%（25/40）。Pearson卡方检验结果显示，两组有效率差异具

有统计学意义（χ²=5.230，df=1，P=0.022）。”

若使用Fisher精确检验：“两组有效率差异具有统计学意义（Fisher精确检验，P=0.018）。”

5.4配对卡方检验（McNemar检验）

适用条件：同一批对象接受两种不同诊断方法，比较两种方法的阳性率差异。

操作步骤：与普通卡方检验相同，在“统计量”中同时勾选“卡方”和“McNemar”。

结果解读：重点看“McNemar检验”表格中的P值。如果P<0.05，说明两种诊断方法的阳性率差异具有统计学意义。

论文报告模板：

“甲法检出阳性32例，乙法检出阳性25例，McNemar检验结果显示两种方法检出率差异具有统计学意义

（P=0.035）。”

六、相关与回归分析

6.1相关分析

方法适用条件SPSS路径结果解读

两个连续变量均分析→相关→双变量看相关系数r和P值，r>0正相关，r<0

Pearson相关

正态→Pearson负相关

Spearman相不正态或等级变分析→相关→双变量

看相关系数和P值

关量→Spearman

相关系数r的绝对值判断标准：0.8以上为极强相关，0.6-0.8为强相关，0.4-0.6为中等相关，0.2-0.4为弱相关，0.2以下

为极弱相关或无相关。

论文报告模板：

“年龄与收缩压呈正相关（r=0.456，P<0.001），差异具有统计学意义。”

6.2多元线性回归

适用条件：因变量为连续变量，多个自变量。

操作步骤：路径为“分析→回归→线性”。将因变量放入“因变量”框，自变量放入“自变量”框。方法通常选择“输入”（强

制进入法）或“逐步”（逐步回归法）。点击“统计量”，勾选“共线性诊断”以输出VIF值。

结果解读：

重点看“模型摘要”表中的R²（决定系数，反映模型解释力）和调整R²。“ANOVA”表中的F值和Sig.反映模型整体是否显

著。“系数”表中的各变量B值、Beta值、t值和Sig.，反映每个自变量的贡献是否显著。

输出表格关键指标解读要点

模型摘要R²、调整R²越接近1模型拟合越好，调整R²更可靠

模型摘要德宾-沃森越接近2说明残差独立性越好

ANOVAF、Sig.Sig.<0.05说明模型整体显著

系数B、Beta、t、Sig.Beta标准化系数可比较各变量贡献大小

共线性诊断VIFVIF>10提示存在严重共线性

论文报告模板：

“以收缩压为因变量，以年龄、BMI、吸烟史为自变量进行多元线性回归分析。模型具有统计学意义（F=12.345，

P<0.001），调整R²=0.456，说明三个自变量可解释收缩压变异的45.6%。年龄（B=0.523，P<0.001）和BMI

（B=0.341，P=0.008）是收缩压的独立影响因素。”

6.3二元Logistic回归

适用条件：因变量为二分类变量（如发生/未发生）。

操作步骤：路径为“分析→回归→二元Logistic”。将二分类因变量放入“因变量”框，自变量放入“协变量”框。对于无序

多分类自变量，点击“分类”按钮将其标记为分类协变量。点击“选项”，勾选“CIforexp(B)”以获取OR值的95%置信区

间，勾选“Hosmer-Lemeshow拟合度”。

结果解读：

重点看“方程式中的变量”表格中的B值、标准误、Wald、df、Sig.和Exp(B)。Exp(B)即OR值，OR>1说明该因素是危险

因素，OR<1说明是保护因素。还需关注Hosmer和Lemeshow检验的P值，此处的P值需要大于0.05才说明模型拟合良

好。

论文报告模板：

“以是否发生术后并发症为因变量（0=未发生，1=发生），以年龄、糖尿病史、手术时间为自变量进行二元Logistic回

归分析。Hosmer-Lemeshow检验P=0.456，模型拟合良好。糖尿病史是术后并发症的独立危险因素（OR=2.345，

95%CI：1.234-4.567，P=0.009），手术时间每增加1小时，并发症风险增加（OR=1.567，95%CI：1.123-2.187，

P=0.008）。”

七、生存分析与ROC曲线

7.1Kaplan-Meier生存分析

适用条件：生存时间数据，比较不同组别的生存曲线。

操作步骤：路径为“分析→生存分析→Kaplan-Meier”。将生存时间变量放入“时间”框，将结局变量放入“状态”框，点击

“定义事件”输入表示事件发生的数值（如死亡=1）。将分组变量放入“因子”框。点击“比较因子”，勾选“对数秩检验”。

点击“选项”勾选“生存分析表”和“均值和中位数生存时间”。

结果解读：重点看“生存表”中的中位生存时间，“对数秩检验”中的χ²和P值（P<0.05说明两组生存曲线有差异）。

论文报告模板：

“实验组中位生存时间为18.5个月（95%CI：15.2-21.8），对照组为12.3个月（95%CI：9.8-14.8）。对数秩检验结果显

示两组生存曲线差异具有统计学意义（χ²=6.789，P=0.009）。”

7.2Cox回归

适用条件：分析多个因素对生存时间的影响。

操作步骤：路径为“分析→生存分析→Cox回归”。将生存时间变量送入Time框中，将结局变量送入Status框中，点击

DefineEvent定义表示终点事件发生的数值（如死亡=1），将分组因素和需要调整的变量送入Covariates框中，

Method选择Forward:LR（向前逐步法）。

结果解读：重点看“方程式中的变量”表格中的B、SE、Wald、df、Sig.和Exp(B)。Exp(B)即HR（风险比），HR>1说明

该因素是危险因素，HR<1说明是保护因素。

论文报告模板：

“多因素Cox回归分析显示，肿瘤分期（HR=2.134，95%CI：1.456-3.128，P<0.001）和治疗方案（HR=0.567，

95%CI：0.389-0.826，P=0.003）是影响患者生存时间的独立因素。”

7.3ROC曲线

适用条件：评价连续检验指标对二分类结局的诊断效能。

操作步骤：路径为“分析→分类→ROC曲线”。将检验变量（连续指标）放入“检验变量”框，将状态变量（金标准结果）

放入“状态变量”框，输入阳性事件的编码值。在“显示”中勾选“ROC曲线”“坐标点”“标准误和置信区间”“渐近显著性”。

结果解读：重点看“曲线下面积”表格中的AUC值、标准误、P值和95%置信区间。AUC=0.5说明无诊断价值，0.5-0.7为

诊断价值较低，0.7-0.9为诊断价值中等，>0.9为诊断价值较高。最佳截断值取Youden指数最大处（敏感性+特异性-1

最大）。

论文报告模板：

“以病理诊断为标准，血清标志物A的ROC曲线下面积为0.856（95%CI：0.780-0.932，P<0.001），最佳截断值为45.6

U/mL，此时敏感性为82.5%，特异性为78.3%。”

八、统计结果三线表制作

8.1三线表规范

医学研究中的统计表一般要求是“三线表”：只有贯穿左右的三条横线，可以有不贯穿的短横线，不可以有竖线。统计

表一般由表名称、行标题、列标题和数据资料四部分组成，必要时在统计表的下方有脚注。

8.2SPSS中设置三线表

打开SPSS软件，点击顶部菜单栏的“编辑”→“选项”→切换到“透视表”选项卡。在表格外观选择器选择“Academic”样

式，右边即可展现近似三线表格式。

如需自定义，点击“新建”，按学术规范设置以下参数：

元素类型线宽（pt）颜色可见性

顶部边框1.5纯黑开启

底部边框1.5纯黑开启

列标题下边框0.5纯黑开启

所有内部边框0无关闭

保存为“Academic_ThreeLine”模板。

8.3常用三线表模板

表1两组患者一般资料比较

项目实验组（n=40）对照组（n=40）t/χ²P

年龄（岁，x̄±s）45.2±8.346.1±7.90.5020.617

性别（男/女）22/1820/200.2010.654

病程（年，x̄±s）3.5±1.23.7±1.40.6850.495

表2两组疗效比较

组别n显效有效无效总有效率

实验组4020（50.0%）14（35.0%）6（15.0%）85.0%

对照组4012（30.0%）13（32.5%）15（37.5%）62.5%

χ²

5.230

P

0.022

表3多因素Logistic回归分析结果

变量BSEWaldPOR（95%CI）

糖尿病史0.8520.3416.2340.0092.345（1.234-4.567）

手术时间0.4490.1706.9780.0081.567（1.123-2.187）

年龄0.0320.0183.1600.0751.033（0.997-1.070）

表4生存分析结果

组别n中位生存时间（月）95%CIχ²P

实验组4518.515.2-21.86.7890.009

对照组4312.39.8-14.8

九、避坑指南与常见问题

9.1常见错误速查

坑1：不做正态性检验直接用t检验。审稿人一个问题“请补充正态性检验结果”就能让你返修1个月。在方法学部分写明

“经Shapiro-Wilk正态性检验，各组数据均符合正态分布（P>0.05）”，专业度立马上一个台阶。

坑2：方差不齐还强行用普通t检验。方差不齐时（LeveneP<0.05），必须采用校正t检验（Welch‘st-test），即“不假

定等方差”那一行的结果。

坑3：卡方检验只看P值不看期望频数。如果SPSS提示“2cells(50.0%)haveexpectedcountlessthan5”，说明卡方检

验的条件不满足，必须改用Fisher精确检验。

坑4：等级资料用卡方检验。卡方检验只比较构成比例，不利用等级信息的递增趋势。被检验变量为等级资料时，应

选择秩和检验。

坑5：配对资料用独立卡方检验。对同一批患者用两种方法诊断，属于配对样本，交叉表卡方检验失效，必须改用

McNemar检验。

坑6：把P值理解为差异大小。P值表示观察到当前数据（或更极端数据）在原假设成立时出现的概率，并不表示差异

大小，也不表示结果的重要性。

坑7：二元Logistic回归的Hosmer-Lemeshow检验P值也追求小于0.05。在绝大多数情况下P值小于0.05是研究希望

的结果，但有两个例外：方差齐性检验和二元Logistic回归的Hosmer-Lemeshow检验，这两个检验的P值需要大于

0.05。

坑8：只看均值不看方差。两组均值相同但方差差异很大时，数据的临床意义完全不同。描述统计时均值必须配标准

差或四分位数间距。

坑9：无序多分类变量直接以数值纳入Logistic回归。如居住地编码1=北京、2=上海、3=广州，数值大小无实际意

义。必须在“分类”选项中将其标记为分类协变量，否则SPSS会按数值大小进行分析，产生错误结果。

坑10：多元回归不检查共线性。VIF>10提示存在严重共线性，会导致回归系数不稳定。需在“统计量”中勾选“共线性诊

断”进行检查。

9.2常见问题解答

Q1：不满足正态分布怎么办？

首选非参数检验。也可以尝试数据转换：取对数、开根号或平方根反正弦变换。但转换后需在论文中说明转换方法和

临床解释的局限性。

Q2：多组比较为什么不能用多次t检验？

多次两两t检验会累积Ⅰ类错误概率。比较三组需要3次t检验，每次α=0.05，累积错误率约为1-（0.95）³≈14%。方差

分析通过F检验控制整体错误率，再用事后检验进行两两比较。

Q3：样本量很小怎么做统计？

n<30时优先使用非参数检验。n<40的卡方检验必须改用Fisher精确检验。必要时可以报告效应量和置信区间，而非仅

依赖P值。

Q4：SPSS输出中“Sig.”和“P值”是一回事吗？

是的。“Sig.”即Significance的缩写，就是P值。双尾检验（2-tailed）对应双侧检验。报告中统一写“P”。

Q5：如何判断用参数检验还是非参数检验？

两个条件：数据是否正态分布，方差是否齐性。两个条件都满足用参数检验，任一不满足用非参数检验。

Q6：回归分析中需要报告哪些指标？

线性回归报告R²、调整R²、F值、各变量的B和P值。Logistic回归报告OR值及其95%CI、P值、Hosmer-Lemeshow检

验P值。Cox回归报告HR值及其95%CI、P值。

Q7：什么情况下需要做多重比较校正？

当进行多组两两比较时（如三组以上方差分析的事后检验），以及同一研究涉及多个主要结局指标的比较。常用

Bonferroni校正，但过度校正会降低检验效能。

Q8：SPSS数据导入后变量名全是VAR00001怎么办？

这是没有在变量视图中预设变量名的结果。在Excel整理数据时，第一行就写好变量名（如组别、年龄、性别），导入

SPSS时勾选“从第一行读取变量名”。也可以在变量视图中手动修改Name列。

Q9：多重线性回归中，分类自变量如何设置？

与Logistic回归类似，分类自变量需要在“统计量”或专门的选项中进行哑变量设置。线性回归对话框中，分类自变量可

放置在“自变量”框中，但在输出结果解读时需注意参照类别的选择。

Q10：如何判断数据是否适合做因子分析或主成分分析？

通常需要KMO检验（KMO>0.6可接受，>0.7中等，>0.8良好）和Bartlett球形检验（P<0.05）。操作路径为“分析→降

维→因子分析”，在“描述”选项中勾选“KMO和Bartlett球形检验”。

十、附录