摘要：在上一期，我们已经讲完了双向无序的列联表分析基础知识，这期开始讲双向无序的列联表分析，我们主要从双向无序的列联表分析介绍及案例的SPSS操作演示这几方面进行讲解。

作者/风仕

在上一期，我们已经讲完了双向无序的列联表分析基础知识，这期开始讲双向无序的列联表分析，我们主要从双向无序的列联表分析介绍及案例的SPSS操作演示这几方面进行讲解。

双向无序的列联表分析介绍

双向无序列联表是指行变量和列变量均为无序分类变量，统计方法和一般四格表卡方检验一致。是针对行变量和列变量是大于2个分组的无序分类变量进行相关性分析的方法。

RC列联表主要涉及到两类变量：行变量，列变量。其次还要明白这些行变量与列变量的属性，当计量资料的行变量与列变量均为无序变量时，我们称之为双向无序的RC列联表，可采用卡方检验进行分析。

这里提到了分类变量的属性，如何判断变量的属性呢？我们生活中接触到的分类变量主要有两类，有序变量和无序变量。举个例子，有序分类变量，药物治疗的效果：无效，有效，显效，痊愈；年龄的分类：40岁；成绩的分类：优秀，良好，合格，不合格。无序分类变量，比如性别：男，女；国籍：中国，俄罗斯，美国。

案例的SPSS操作演示

分析示例

某省随机抽查了1043 位居民的ABO血型和MN 血型，资料如下表所示。问两种血型的 构成比有无差别(或两种血型有无关联性)?

研究假设

H0：两种血型系统分布无差别。

H1：两种血型系统分布有差别。

α=0.05

数据录入

1. 变量视图

名称 x1 标签 ABO血型

名称 x2 标签 MN血型

名称 weight 标签 权重

2.数据视图

注意该数据视图和R×C 表的差别

操作流程

1. 下图是对数据的预定义，在数据(D) 下拉菜单框中完成，即设置权重变量，该操作是对 R×C表运算的基本操作。

2. 下图是R×C 表的基本对话框，主要设置行变量和列变量，一般行变量指分组变量，列变量指结果变量，该例中行变量与列变量可以随便制订，行变量和列变量的设置只对结果的排列产生影响，并不影响其统计结果，因此大家可以任意指定行变量和列变量。

3. 下图是对话框选用统计量，本次选用卡方检验(Chi-square), 该检验用于判断行、列变量是否独立，如果数据不满足卡方检验的要求(不能有单元格的期望值

4 .下图中各项是列联表单元格中的描述性指标，观察值(observed) 指原始数据，期望值 (expected) 指统计过程中的理论数， 一般用处不大。各种百分比，如行百分比(Row)、列百分比(Column)及合计百分比(Total)这是R×C 表中重要的统计描述内容。

结果解释

1.下表是处理记录缺失值情况报告，可见1043例均为有效值。

2.下表标明了各百分比结果，百分数的含义关键是确定分子和分母，分子好确定，也就是各单元格的观察值(计数),分母则需要确定所对应的100%项，主要有三类100%,各横向总计100%,各纵向合计100%,总数共计100%。大家根据需要进行选取，本例当中各百分比并不重要，不需要用百分比作统计描述。

3.R×C 表卡方检验一般看首行 Pearson卡方值，但是若1/5以上的格子理论频数

说明两种血型系统分布不同。

注意事项

1. 卡方检验的两两比较：当总体出现差别时，可以进行消耗函数的校正(即对a 系数进行 校正),然后进行多组之间的两两比较。

2.卡方的精确分割：当R×C 表资料中含有较多小格频数时，最后结合专业知识对资料进 行合并，即对原先分组过细的列联表的列或行进行合并，使调整后的列联表能更好地揭示两个 变量之间的关系，合并的原则是：应当将相邻的无显著性差别的列或行进行合并，且这种合并 在专业上有实际意义；各分表的自由度之和应等于总表的自由度，各分表的卡方值之和应当等 于总表的卡方值。

参考：《临床医学研究中的统计分析和图形表达实例详解》

1.单个问题答疑咨询。1对1答疑、小额付费、48小时内有效。

2.答疑咨询年度会员。一年365天时限内各种统计分析问题1对1答疑，性价比高。

3.购买视频课程赠送课程相关主题内容1对1答疑1年。

来源：孙医生工作室