SPSS教程:卡方拟合优度检验(详细版)

2018-11-06 李侗桐 医咖会

有小伙伴曾经提出过这样的疑问,从下图中SPSS菜单的两个入口进去,都是做卡方检验吗?两者有啥区别? 点击Analyze → Descriptive Statistics → Crosstabs 点击Analyze → Nonparametric Tests → Legacy Dialogs → Chi-square

有小伙伴曾经提出过这样的疑问,从下图中SPSS菜单的两个入口进去,都是做卡方检验吗?两者有啥区别? 点击Analyze → Descriptive Statistics → Crosstabs 点击Analyze → Nonparametric Tests → Legacy Dialogs → Chi-square 经常看医咖会文章的小伙伴应该会注意到,上面第一张图在卡方检验的教程中多次出现,详见: SPSS教程:两个率的比较(卡方检验) SPSS:多个样本率的卡方检验及两两比较 SPSS详细操作:一致性检验和配对卡方检验 SPSS教程:分层卡方检验 那第二张图又是做啥用的呢?下面就让我们进入今天的正题:卡方拟合优度检验(chi-square goodness-of-fit test)——用于检验数据是否服从某个指定分布。 1、问题与数据 某研究者招募了100位受试者,拟探讨体型与参加锻炼意愿之间的关系。但在进行该项目之前,该研究者想知道招募的受试者体型分布是否与总体人群一致。 该研究者已知总体人群中有50%是正常体型(normal),35%为超重(overweight)以及15%为肥

作者:李侗桐



版权声明:
本网站所有注明“来源:梅斯医学”或“来源:MedSci原创”的文字、图片和音视频资料,版权均属于梅斯医学所有。非经授权,任何媒体、网站或个人不得转载,授权转载时须注明“来源:梅斯医学”。其它来源的文章系转载文章,本网所有转载文章系出于传递更多信息之目的,转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系,我们将立即进行删除处理。
在此留言

相关资讯

使用SPSS实现1:1倾向性评分匹配(PSM)

谈起临床研究,如何设立一个靠谱的对照,有时候成为整个研究成败的关键。对照设立的一个非常重要的原则就是可比性,简单说就是对照组除了研究因素外,其他的因素应该尽可能和试验组保持一致,这里就不得不提随机对照试验。众所周知,随机对照试验中研究对象是否接受干预是随机的,这就保证了组间其他混杂因素均衡可比。但是有些时候并不能实现随机化,比如说观察性研究。这时候倾向性评分匹配(propensity scor

图解:SPSS用于倾向得分匹配

本篇文章介绍如何使用SPSS进行1:1的倾向性得分匹配,这里的1:1指的是两个样本量相同的组,可以分别命名为实验组和对照组;如果实验设计中,样本组的数目多于两个(例如有实验组、对照组和空白组),那么需要用1:m的倾向性得分匹配方法。两者的理论基础其实是类似的,差异在于匹配的数目不同。SPSS只能进行1:1的倾向性得分匹配。后面草堂君会介绍如何使用SAS进行1:m的倾向性得分匹配。 倾向性得分

倾向评分匹配的SPSS和R实现方法

SPSS在22版和23版加入了倾向评分匹配方法,笔者多次操作,程序界面还算友好,现给大家展示一下,供初次使用者参考。 如下图,一个数据,包括了id(病例的唯一编码)、group(干预方法)、cf1-cf6(六个混杂因子)。      操作方法:1.点击“数据”-“倾向得分匹配”,如下图:      2.弹出下图对话框,组指示符选

SPSS超详细操作:分层回归(hierarchical multiple regression)

1、问题与数据 最大携氧能力(maximal aerobic capacity, VO2max)是评价人体健康的关键指标,但因测量方法复杂,不易实现。某研究者拟通过一些方便、易得的指标建立受试者最大携氧能力的预测模型。 目前,该研究者已知受试者的年龄和性别与最大携氧能力有关,但这种关联强度并不足以进行回归模型的预测。因此,该研究者拟逐个增加体重(第3个变量)和心率(第4个变

SPSS分析实战:CMH检验(分层卡方检验)

只涉及两个分类变量的卡方检验有些时候是很局限的,因为混杂因素总是存在,如果不考虑混杂因素,得出的分析结论很可能是谬误的,这就是著名的辛普森悖论。辛普森悖论的故事是这样的:1973年秋季,加州大学伯克利分校研究生院的新生入学。有些人在看到学校两个学院的综合录取表格后,怀疑学校在录取学生时存在性别歧视,因为女生录取率低于男生,如下表所示: 为了平息质疑,校领导根据学院的不同,将综合录取率拆开

SPSS教程:分层卡方检验(有图解)

提到卡方检验,相信很多小伙伴一定会觉得这还不简单,不就是率的比较嘛,只要是看到分类变量,就直接用卡方检验,拿SPSS两三下算出结果,得出P<0.05,然后心里还美美的。 分层分析是一种常用的控制混杂因素的方法,它将数据资料根据混杂因素进行分层,然后计算各层内的OR值: 如果层间OR值不一致,则说明分层因素可能存在混杂作用,需要分开报告OR值;如果层间OR值同质,则可以将OR值进行合并,从