SPSS：分类资料(R×C列联表)统计分析方法选择

　　SPSS：分类数据(R×C列联表)统计分析方法选择。分类资料在医学统计中很常见，比如(有效、无效)，(发病、不发病)，(男、女)等等。分类资料一般根据频数整理成列联表的形式，一般的列联表多是二维的(也称行列表，或RC列联表，高维列联表下次讨论)，列联表根据变量是否有序可以分为双向无序、单项有序、双向有序列联表，统计方法是不同的，分析如下：

　　一、双向无序列联表

　　是指行、列变量均为无序的列联表，例如要研究吸烟和肺癌之间的关系，行变量为是否吸烟：吸烟、不吸烟，列变量为肺癌发病：发病，不发病，如下表：

　　对于这种数据，我们的统计目的是分析行列变量的独立性，即：肺癌发病是否与吸烟有关，可选用的方法有以下两种：

　　1、Pearson卡方检验：

　　基于卡方分布，H0为行、列变量相互独立，SPSS中“分析->描述性统计->交叉表”可实现。使用条件：①样本总数大于40;②各个单元格理论值均大于5。

　　2、Fisher精确概率：

　　基于超几何分布，当数据不满足Pearson卡方检验时使用。SPSS中“分析->描述性统计->交叉表”可实现。注意SPSS仅提供了2×2表的精确概率，需要计算R×C列联表的精确概率需要自己编程实现。

　　二、单项有序的列联表

　　常见的情况是结果变量有序，而原因变量无序。比如要比较AB两种药物的治疗效果，药物分组(AB)是无序的，而结果变量是有序的(无效，显效，治愈)，可以整理成如下的表格：

　　可以选择的统计方法主要有：

　　1、Mann–Whitney U检验(也叫Mann–Whitney–Wilcoxon检验、Wilcoxon rank-sum检验，Wilcoxon–Mann–Whitney检验)：

　　基于卡方分布，H0为两组总体分布一致，SPSS中“分析->非参数检验->独立样本”中可实现。

　　注意：在SPSS中，如果是整理成了列联表资料，需要用频数进行数据加权。变量编码为：①药物(名义)：A=1，B=2，②疗效(度量)：无效=1，有效=2，治愈=3，③频数(度量)。

　　2、Kruskal-Wallis H检验：用于分组数大于2的情况，比如要比较3种或以上药物的疗效。实现方法与Mann–Whitney U类似。

　　三、双向有序列联表

　　1、行、列变量有序但属性不同

　　比如这个例子：要比较某种药物对某种疾病的治疗效果，按年龄段的分组，要考察治疗效果是否与年龄段相关，整理成下表：

　　行、列都是有序的，这是我们主要关心的：行列变量之间受否有相关性，如果有相关性，是线性相关还是曲线关系。可以选择的方法如下：

　　(1)Spearman等级相关：检验有无相关性，基于卡方检验，在SPSS中“分析->相关->双样本”中可实现。

　　(2)线性趋势卡方检验：检验有无线性关系，基于卡方检验，SPSS“分析->交叉表”卡方结果表格中的“线性和线性组合”就是。

　　2、行列有序且属性相同

　　(1)行列变量独立

　　通常是为了检验一致性。比如用两台仪器对同一样本进行检验，结果分为阴性、阳性，现在要比较两台仪器的结果是否据有一致性。整理成下表：

　　常用的方法为：

　　Kappa一致性检验：H0为行列变量无一致性。在SPSS中“分析->描述性统计->交叉表”中可实现。

　　(2)配对行列表

　　行列变量为配对资料，比如有某种药物可以缓解某种疾病的某种症状，在同一个患者身上比较用药前后的症状，评价药物的资料效果，列成下表：

　　可以选用的统计方法：

　　(1)McNemar检验：仅用于2×2列联表。基于卡方分布。在SPSS中“分析->描述性统计->交叉表”中可实现。本检验与Pearson卡方检验具有同一性，使用条件必须满足Pearson卡方检验的条件。如果条件不能满足，需要进行Yate校正。

　　(2)Bowker检验：是McNemar检验的扩展，用于分类数目大于2的配对列联表分析。在SPSS中“分析->描述性统计->交叉表”中可实现。