篇一：论文格式设置 卡方检验方法17.0
利用SPSS17.0软件进行卡方检验
[日期：2012-12-06]
来源：检验科 作者：胡佰胜
[字体：大 中 小]
在医学论文写作中，通常要用到Pearson卡方检验。用途：用于检验两个或多个率或构成比的差别有无统计学意义的方法。它常用于四格表和行列资料的分析，基于无效假设成立时理论频数与实际频数的差别不大的思想进行假设检验。它对样本量有一定的要求，样本量条件不满足时，需使用其他方法如校正卡方或确切概率法检验。对下面一组数据分别进行卡方检验。
2005－2007年高一新生HBSAg检测结果
1.分组1＝男生 2＝女生 ；类别 1＝阳性人数 2＝阴性人数 2.打开SPSS界面：
3.编辑菜单，插入变量→类别、分组、频数。 4.在类别、分组、频数中输入相应数值。 5.数据菜单，个案加权→选中频数→单击确定。
6.分析菜单→描述统计→交叉表→把分组加入到行,把类别加入到列, 单击统计量，选中卡方，单击继续，单击确定。
7. 卡方检验（X2）结果显示如下：
8.依照上述方法可以对2006年及2007年进行卡方检验（X2）结果，其结果分别为15.2、16.9。
一、文字样式部分
文章有很多种字体格式，一个一个的修改很麻烦，所以在工作之前先要设置一下。
一般分为：正文、图片表格标题、大标题（目录级别）等，首先点菜单栏（是这么叫吧）上的格式，点格式和样式
在右侧出现格式和样式，点新样式，出现新建样式对话框，根据要求设置格式。
然后选中需要更改的文字，点击右面设置的样式即可。
篇二：论文 结果报告的格式规范
心理学论文统计结果报告的格式范例
由于在阅读学生的毕业论文时，经常发现在统计结果的报告格式上不太规范，而且容易出现报告的内容不完整或多于冗余的情况。因此我把目前学术界常用的统计结果报告的格式做了一些整理，并给出示例，供大家参考。强调一点：所有的差异检验（如t检验、方差分析）都必须在表格中具体给出各种条件的平均值、标准差、样本量；如果是卡方检验，应给出具体的频次。
苏文亮
2010-5-16
一、常用的统计学符号
总的样本容量为N ， 子样本容量为n，平均数为M，标准差为SD t检验为t，F检验为F，卡方检验为χ2 ，相关系数为r，显著性为p。
以上除希腊字母（如β，χ2）外，其它符号均为斜体。
二、常用的统计表格形式
表格应注意使用规范的三线表。如果表格中的数字很少，则建议不用表格，而用文字表述。另外，注意每个表格都要有序号和标题。
1、描述性统计
以下两个表格最常用于介绍所研究被试的基本信息，特别是在人口统计学变量上的分布情况。
如果要报告平均值和标准差，一般有两种表达方式，一种是把标准差标注在括号内，一种是通过加减号来表示。无论何种形式，都需要在表格的标题中注明其含义。参见如下两个表格形式。另外，每种条件一般都要注明样本量n的大小（如表2所示）。
2、t检验
对于推论统计（如t检验、方差分析、卡方检验）的结果，有几项是必须要报告的：平均值、标准差、样本量（或自由度）、统计值、显著性水平。如果想做得更好的话，建议进一步给出效应量d值。
以下两个表格是t检验的结果报告表格示例。其区别在于显著性水平的不同报告方式，一种是直接给出p值，另外一种是用星号来表示显著性水平（需在表格下方注明其含义）。
这两个表格的例子中，是多个统计结果的一种合并（比较简洁明了），适用于比较相同自变量下不同因变量的差异，或者不同自变量下相同因变量的差异。
3、方差分析
单因素方差分析（ANOVA）的结果呈现方式与t检验类似。
如果差异显著的，还应该进一步做事后检验（Post Hoc）。
如果是多因素（多个自变量）的方差分析，可以使用以下的表格形式：
在多因素方差分析中，如果主效应显著，要进一步做事后检验；如果交互作用显著的，还要分析简单效应，并给出交互作用的曲线图。
4、卡方检验
卡方检验常见于列联分析（Cross-Tab）和非参数检验。
如果所分析的自变量和因变量都是分类数据或等级数据，建议使用列联分析。表格形式如下：
如果是非参数检验（比如被试人数很少的情况或其它不符合参数检验的条
件），其表格形式与方差分析类似。
5、相关分析
相关分析直接给出相关系数r（需具体说明使用何种相关分析法），并报告其显著性即可，不用表格。
如果想报告多个变量之间的相关矩阵，可以采用以下的表格形式：
当相关矩阵中的变量较多时，可以采用如下的方式（在横栏中用数字来代表变量名称）。
6、回归分析
对于多元回归分析而言，常见的在表格中的报告项目和形式如下表所示。
其中B代表非标准化的系数（Unstandardized Coefficients），Beta（β）代表标准化的系数（Standardized Coefficients），可以从SPSS结果中的Coefficients表格获得。报告β的好处是可以通过其数字大小来直接比较不同自变量对于因变量
贡献（或权重）的大小。每个自变量（包括常数项）还要报告各自在方程里的t值和显著性水平（如果p>0.05则说明该变量对因变量没有预测作用）。
R，R2（R Square），F不是针对某一个自变量的，而是针对整个方程的。前两者用于判断自变量能够解释多少因变量的变异，可以从SPSS表格中的Model Summary里得到；F用于考察整个回归方程是否有显著预测性，可以从ANOVA表格中得到。
篇三：卡方检验的运用
卡方检验的运用 (2011-07-12 18:50:46)
转载▼
标签： 分类： 数理统计
卡方检验
检验
列联表
检验方法选择
chi-test
教育
转载自http://biostar.blog.sohu.com/138497634.html
卡方检验的运用
1、 问题的提出
许多实验工作者在对实验数据进行统计分析的时候经常会犯一类错误，就是在对定性资料分析的时候不考虑它是何种类定性资料而不假思索使用一般卡方检验，这种做法有的时候是错误的，有的时候使得实验信息丢失了许多从而导致实验整体不够科学严谨。这就要求我们生物医学工作者合理选用统计分析方法处理各类定性资料。
2、卡方检验的特点及应用
合理选用统计分析方法处理各种定性资料的关键在于准确的判断出各种列联表资料分类，列联表资料通常可分为：2×2表，R×C表，2×k表与k×2表，高维列联表四大类。各类资料又可细分为许多种类，并不是每一类资料都可以使用卡方检验，有的可以直接使用，有的根据实验目的的不同而选择使用，有的则不适宜使用。卡方检验（也称为pearson 卡方检验）用于检验独立性，一般，有一个由大量个体构成的总体，每一个体上可量度两个属性指标：A，B。指标A分r级：A ,?,A ,而指标B分s级：B ,?B 级。从该总体中随机抽出n个个体，测得第i个个体的指标状况为（A ,B ）,i=1,?,n. 要根据这些资料，判断各行频数分布是否相同，使用 卡方检验。
3、2×2表资料中应用实例
3.1横断面研究设计的2×2表资料中卡方检验应用
【例1】评价两种小儿细菌性肺炎治疗药物的有效率，将103例小儿患者随机分为两组，一组53例，一组50例，分别以药物阿莫西林钠（Ⅰ）和头孢呋新钠（Ⅱ）进行治疗，结果如下表1所示：
表1 两种治疗方法对小儿细菌性肺炎治疗效果比较
【例1分析】上表是关于两种治疗药物对小儿细菌性肺炎的治疗效果评价，可采用横断面研究设计2×2表资料中一般卡方检验。
3.2 队列研究设计的2×2表资料中卡方检验应用
【例2】为观察力肽注射液与氨基酸混合注射是否引起不良反应，将医嘱上要用力肽注射液的病人随机分为两组。A组大静脉营养袋组为12例，按输一天的量为1 次计算，输入力肽的次数达60次。B组与氨基酸配伍组为12例，按输一天力肽的量为1次计算，输入力肽次数共60次。结果如下表2所示：
表2 两种输液方法静滴力肽不良反应结果比较
【例2分析】这是一个队列研究设计的2×2表资料，即先有实验分组（即原因变量，力肽注射液，力肽注射液加氨基酸），而后观察是否有不良反应。针对该类资料，按如下步骤进行计算，首先将其按照横断面研究设计的2×2表资料进行处理，计算卡方值，看其两行上的频数分布是否有统计学意义，若得到 P<0.05的结果时，需要进行第二步，否则停止计算；第二步，计算相对危险度RR（即relative risk,简称RR）；第三步，运用MH卡方检验，检验总体RR与1之间的差别是否具有统计学意义。
3.3 病例对照研究设计的2×2表资料中 检验应用
【例3】某医院为了解老年病房呼吸ICU患者的医院感染状况，对2001年1月至7月患者的临床资料进行整理分析，取感染患者15例，未感染患者69例，调查他们抢救技术操作时使用气管插管方法或者使用呼吸机，如表3所示：
表3 患者医院感染与手术操作方法的关系
【例3分析】这是一个病例对照研究设计的2×2表资料，即先有结果分组（感染患者与未感染患者），经过一段时间回顾性调查后才有有关可疑危险因素的接触情况分组，本例为“气管插管”或“使用呼吸机”。针对该类资料，按如下步骤进行计算，首先将其按照横断面研究设计的2×2表资料进行处理，计算卡方值，看其两行上的频数分布是否有统计学意义，若得到P<0.05的结果时，需要进行第二步，否则停止计算；第二步，计算优势比（即odds ratio,简称OR）；第三步，运用MH卡方检验，检验总体OR与1之间的差别是否具有统计学意义。
3.4 配对研究设计的2×2表资料中卡方检验应用
【例4】某实验室用甲、乙两种方法测定95例样品，检测结果分为“+，-”，甲方法为金标准，试比较两种方法，如表4所示：
表4 甲乙两种方法测定结果比较
【例4分析】甲方法是金标准，故该资料为特设金标准的配对设计四格表资料。若甲方法不是金标准，则仅当检测结果中隐含金标准（即不存在假阳性结果）时，可以按如下的方法进行统计分析。若既没有金标准又不属于隐含金标准的实验研究问题，则不适合进行如下的数据分析。若原文的目的是为了比较两种检测方法的不一致部分的频数之间的差别是否具有统计学意义，就应该选用配对设计
定性资料的McNemar卡方检验;若原文的目的是为了检验PCR法和培养法检测结果是否一致，就应该选用一致性检验，即Kappa检验。
4、R×C表资料中应用实例
4.1双向无序的R×C表资料中卡方检验应用
【例5】某医院对2001年至2002年该院四个不同科室对四种抗感(转载自：www.xiaocaOfaNWen.com 小草 范 文 网:卡方检验论文格式)染药物所开处方数进行调查，数据如表5所示：
表5 不同科室使用抗感染药物处方数
【例5分析】从上表看出资料的类型为双向无序的4×4列联表资料。最小的理论频数为99×95/771=12.2>5,因此，可以用一般卡方检验。
4.2结果变量为单向有序的R×C表资料中不适宜使用 检验
【例6】某研究者为了比较三种国产降压药的治疗效果，将病情相似的患者331例随机分为三组，比索洛尔组110例，依那普例组111例，缓释硝苯地平组110例。降压疗效如表6所示，试比较三组疗效的优劣。
表6 三组降压药治疗效果比较
【例6分析】对于单项有序表而言，所选用的统计分析方法应当与有序的那个分组变量各水平的先后顺序或取值大小有关，而一般卡方检验只能用来检验独立性，即各行频数分布是否相同，因此结果变量为单项有序的列联表不适宜使用检验。在很多生物医学论文中经常会见到科研人员将“显效”与“有效”数据合并而使用一般卡方检验计算总有效率，这种方法处理结果变量为单项有序列联表资料显得过于粗糙，丢失了很多实验信息，有时计算总有效率结果差别无统计学意义，但是将变量的有序性考虑进去计算结果差别可能是有统计学意义的。对于该类资料可选用的统计分析方法有秩和检验、Ridit分析以及有序变量的Logistic回归分析。
4.2双向有序且属性不同的R×C表资料中卡方检验的选用
【例7】某研究人员在“对女性青少年特发性脊柱侧凸患者的髂软骨进行组织计量学研究来评价生长潜能预测因素的价值”实验中，对患者的月经来潮时间与组织学分级之间的关系进行分析，数据如表7所示：
表7 年龄与组织学分级的关系
【例7分析】对于双向有序且属性不同的R×C列联表资料所采用的统计分析方法不能一概而论，应视具体的分析目的而定，一般来说，有四个可能的分析目的，即：
第一个分析目的，希望考察，希望考察各行上频数分布是否相同，此时，将此资料视为双向无序的R×C列联表资料，可根据资料具备的前提条件，选用一般卡方检验或者Fisher精确检验。
第二个分析目的，只关心各组结果变量即“组织学分级”取值之间的差别是否具有统计学意义，此时原因变量即“月经来潮时间”的有序性就变得无关紧要了，可将此时“双向无序R×C列联表资料”视为“结果变量为单项有序的R×C列联表资料”，可以选用的统计分析方法有秩和检验、Ridit分析以及有序变量的Logistic回归分析。