别误会 怎么算都好 我是说我不会用SPSS算 研究几个小时都没弄明白 只好悬赏了求平均值的数值或引用单元格（区
这个没有具体标准。但是可以根据论文指标的判断，最好有出处，例如吴明隆2010，认为这个比值的判断标准小于3有出处，有理最好。卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
在论文报告中看的是渐进 Sig. (双侧) a后面是系统附的一句话，你没有把它呈现出来！
关于你提的这个问题，我要很庄重的告诉你，我不知道哦，哈哈……
卡方检验的使用范围和优缺点与t检验有3点不同，具体介绍如下：
一、两者的使用范的使用范围不同：
1、卡方检验的使用范围：在分类资料统计推断中进行应用。包括两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
2、t检验的使用范围：主要用于样本含量较小（例如n < 30），总体标准差σ未知的正态分布。
二、两者的优缺点不同：
1、卡方检验的优缺点：可以方便简洁进行检验。但是，原理较为复杂
2、t检验的优缺点：只能够比较两个平均数的差异是否显著。
三、两者的原理不同：
1、卡方检验的原理：卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。
2、t检验的原理：单总体t检验是检验一个样本平均数与一个已知的总体平均数的差异是否显著。当总体分布是正态分布，如总体标准差未知且样本容量小于30，那么样本平均数与总体平均数得离差统计量呈t分布。
参考资料来源：百度百科-卡方检验
参考资料来源：百度百科-t检验
1、卡方检验是用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。
2、T检验，亦称studentt检验（Student'sttest），主要用于样本含量较小（例如n<30），总体标准差σ未知的正态分布。T检验是用t分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著。
扩展资料
注意的问题：
1、做假设检验之前，应注意资料本身是否有可比性。
2、当差别有统计学意义时应注意这样的差别在实际应用中有无意义。
3、根据资料类型和特点选用正确的假设检验方法。
4、根据专业及经验确定是选用单侧检验还是双侧检验。
5、当检验结果为拒绝无效假设时，应注意有发生I类错误的可能性，即错误地拒绝了本身成立的H0，发生这种错误的可能性预先是知道的，即检验水准那么大。
当检验结果为不拒绝无效假设时，应注意有发生II类错误的可能性，即仍有可能错误地接受了本身就不成立的H0，发生这种错误的可能性预先是不知道的，但与样本含量和I类错误的大小有关系。
6、判断结论时不能绝对化，应注意无论接受或拒绝检验假设，都有判断错误的可能性。
7、报告结论时是应注意说明所用的统计量，检验的单双侧及P值的确切范围。
参考资料来源：百度百科-卡方检验
参考资料来源：百度百科-t检验
参考资料来源：百度百科-假设检验
F=处理所致变异+随机误差变异/随机误差变异=组间均方/组间均方卡方=(ad-bc)²n/(a+b)(c+d)(a+c)(b+d)(适合四格表）T值好多符号打不出来，抱歉～
四格表资料检验
四格表资料的卡方检验用于进行两个率或两个构成比的比较。
1. 专用公式:
若四格表资料四个格子的频数分别为a，b，c，d，则四格表资料卡方检验的卡方值=n(ad-bc)^2/(a+b)(c+d)(a+c)(b+d)，
自由度v=(行数-1)(列数-1)
列联表资料检验
同一组对象，观察每一个个体对两种分类方法的表现，结果构成双向交叉排列的统计表就是列联表。
1. R*C 列联表的卡方检验:
R*C 列联表的卡方检验用于R*C列联表的相关分析，卡方值的计算和检验过程与行×列表资料的卡方检验相同。
2. 2*2列联表的卡方检验:
2*2列联表的卡方检验又称配对记数资料或配对四格表资料的卡方检验，根据卡方值计算公式的不同，可以达到不同的目的。当用一般四格表的卡方检验计算时，卡方值=n(ad-bc)^2/[(a+b)(c+d)(a+c)(b+d)]，此时用于进行配对四格表的相关分析。
如考察两种检验方法的结果有无关系;当卡方值=(|b-c|-1)2/(b+c)时，此时卡方检验用来进行四格表的差异检验，如考察两种检验方法的检出率有无差别。
列联表卡方检验应用中的注意事项同R*C表的卡方检验相同。
卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合，偏差越小，卡方值就越小，越趋于符合，若量值完全相等时，卡方值就为0，表明理论值完全符合。
行×列表资料检验
行×列表资料的卡方检验用于多个率或多个构成比的比较。
1. 专用公式:
r行c列表资料卡方检验的卡方值=n[(A11/n1n1+A12/n1n2+...+Arc/nrnc)-1]
2. 应用条件:
要求每个格子中的理论频数T均大于5或1 列联表资料检验 同一组对象，观察每一个个体对两种分类方法的表现，结果构成双向交叉排列的统计表就是列联表。 1. R*C 列联表的卡方检验: R*C 列联表的卡方检验用于R*C列联表的相关分析，卡方值的计算和检验过程与行×列表资料的卡方检验相同。 2. 2*2列联表的卡方检验: 2*2列联表的卡方检验又称配对记数资料或配对四格表资料的卡方检验，根据卡方值计算公式的不同，可以达到不同的目的。 当用一般四格表的卡方检验计算时，卡方值=n(ad-bc)^2/[(a+b)(c+d)(a+c)(b+d)]，此时用于进行配对四格表的相关分析。 如考察两种检验方法的结果有无关系;当卡方值=(|b-c|-1)2/(b+c)时，此时卡方检验用来进行四格表的差异检验，如考察两种检验方法的检出率有无差别。 列联表卡方检验应用中的注意事项同R*C表的卡方检验相同。 卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合，偏差越小，卡方值就越小，越趋于符合，若量值完全相等时，卡方值就为0，表明理论值完全符合。 为什么从正态总体中抽取出的样本的方差服从χ2分布 在抽样分布理论一节里讲到，从正态总体进行一次抽样就相当于独立同分布的 n 个正态随机变量ξ1，ξ2，…，ξn的一次取值。 将 n 个随机变量针对总体均值与方差进行标准化得(i=1,…,n)，显然每个都是服从标准正态分布的，因此按照χ2分布的定义，应该服从参数为 n 的χ2分布。 如果将中的总体均值 μ 用样本平均数 ξ 代替，即得，它是否也服从χ2分布呢？理论上可以证明，它是服从χ2分布的，但是参数不是 n 而是 n-1 了，究其原因在于它是 n-1 个独立同分布于标准正态分布的随机变量的平方和 扩展资料 卡方检验的统计量是卡方值，它是每个格子实际频数A与理论频数T差值平方与理论频数之比的累计和。每个格子中的理论频数T是在假定两组的发癌率相等(均等于两组合计的发癌率)的情况下计算出来的。 如第一行第一列的理论频数为71*(91/113)=，故卡方值越大，说明实际频数与理论频数的差别越明显，两组发癌率不同的可能性越大。 参考资料：卡方检验的百度百科 卡方检验计算： 假设有两个分类变量X和Y，它们的值域分别为{x1, x2}和{y1, y2}，其样本频数列联表为： 若要推断的论述为H1：“X与Y有关系”，可以利用独立性检验来考察两个变量是否有关系，并且能较精确地给出这种判断的可靠程度。 具体的做法是，由表中的数据算出随机变量K^2的值（即K的平方） K^2 = n (ad - bc) ^ 2 / [(a+b)(c+d)(a+c)(b+d)]其中n=a+b+c+d为样本容量 K^2的值越大，说明“X与Y有关系”成立的可能性越大。 卡方检验是用途非常广的一种假设检验方法，它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。 卡方检验就是统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，卡方值越大，越不符合；卡方值越小，偏差越小，越趋于符合，若两个值完全相等时，卡方值就为0，表明理论值完全符合。 参考资料：百度百科-卡方检验 卡方公式是： H0：总体X的分布函数为F(x). 如果总体分布为离散型，则假设具体为： H0：总体X的分布律为P{X=xi}=pi， i=1，2，...； 当H0为真时，n次试验中样本值落入第i个小区间Ai的频率fi/n与概率pi应很接近，当H0不真时，则fi/n与pi相差很大。在0假设成立的情况下服从自由度为k-1的卡方分布。 扩展资料 四格表资料的卡方检验用于进行两个率或两个构成比的比较。 1、专用公式： 若四格表资料四个格子的频数分别为a，b，c，d，则四格表资料卡方检验的卡方值=n(ad-bc)^2/(a+b)(c+d)(a+c)(b+d)，（或者使用拟合度公式）。 自由度v=（行数-1）（列数-1）=1 2、应用条件： 要求样本含量应大于40且每个格子中的理论频数不应小于5。当样本含量大于40但有1=<理论频数<5时，卡方值需要校正，当样本含量小于40或理论频数小于1时只能用确切概率法计算概率。 卡方检验分为拟合优度检验和独立性检验两种。 卡方检验的步骤： 1、设置假设。 首先，需要明确假设的原假设和备择假设，例如原假设为观测值符合某个分布，备择假设为观测值不符合该分布。 2、计算期望值。 使用假设分布，计算期望值。一般情况下，期望值等于样本容量乘上假设分布的比例。 3、计算卡方值。 根据观测值和期望值计算卡方值，公式为：卡方值=Σ((观测值-期望值)^2/期望值)，其中符号“Σ”表示对样本中的每个值进行求和。 4、计算自由度。 自由度是指能够自主变化的变量个数。对于拟合优度检验，自由度等于样本个数减去假设分布参数的个数减去1。 5、查卡方分布表。 查找卡方分布表得到相应的p值，p值越小，表示观测值与期望值之间的差异越大，拒绝原假设的可能性越大。 6、判断结论。 将p值与显著性水平（通常为）进行比较，如果p值小于显著性水平，则拒绝原假设，认为观测值与假设分布不符；否则，接受原假设，认为观测值符合假设分布。 卡方检验的主要应用： 1、检验样本是否符合某种分布。 卡方检验可以进行拟合优度检验，即对实际观测数据按照某种假设分布进行检验，以判断样本是否符合该分布。 2、检验两组变量之间是否独立。 卡方检验可以进行独立性检验，以判断两个分类变量是否独立。例如，可以使用卡方检验来检验性别是否与某种疾病有关联。 3、比较多组观测值的差异性。 卡方检验可以用于比较多组分类数据的差异性。例如，可以使用卡方检验来比较不同种类产品的销售量是否有明显的差异。 4、分析因素对分类变量的影响。 卡方检验可以用于分析某些因素对分类变量的影响程度。例如，可以使用卡方检验来分析年龄对健康指标的影响程度。 希望对你有用举例说明吧。相对于不做运动的女子，慢跑或快跑可能会对月经周期产生影响，那这种经期的变化是否会改变她们去咨询医生的频率呢？下面是一组统计数据，记录了三组运动状态的女子是否向医生咨询过经期变化的数据。Observed (O)，观察值 是否向医生询问过 组 是 否 总数对照 14 40 54慢跑 9 14 23快跑 46 42 88总数 69 96 165简单点说，就是问，慢跑女子是不是会比不跑步的女子更频繁地向医生询问月经的问题？快跑相对于不跑呢？快跑相对于慢跑呢？方法如下：1. 计算每行和每列的总数，如上表所示。2. 计算每列的百分比，即询问过的百分比。在165个女子中，有69个询问过医生，即69/165=42%，那么没询问过医生的就是1-42%=58%。3. 如果跑不跑步，都不会影响询问医生的频率，那么这个询问过医生的可能性，42%，将适用于所有的组别，即在对照组的54个人中，我们预期54*42%=个人会去询问医学，而54*58%=个人不会去询问。用同样的方法把慢跑和快跑组是否会去询问医生的人数分别算出，如下表所示。Expected (E)，预期值 是否向医生询问过 组 是 否 总数对照 54慢跑 23快跑 88总数 69 96 1654. 接下来就是要计算，这个预期值和实际观测到的值之间的区别大不大？是只是因为随机抽样产生的误差，还是具有统计学意义的显著性差异？计算公式如下：χ2=∑[(O-E)2/E]O为每个观察值，E为每个预期值在这个例子中，χ2=（）2/()+…= 5. 计算自由度=（行数-1）*（列数-1）=26. 查表，自由度为2, p=时的值为，而比大，所以p<, 差异显著。7. 但由于有三个组，上述的值只能说明运动状态对于询问医生的频率有显著影响，却并不知道究竟是哪组跟组有显著差异。很多其他的回答到这里就结束了，其实不然。下面还有三点要注意。1. 接下来要做的就是把上面两个大表转换成亚表，首先只比较慢跑和快跑组 是 否 总数慢跑 9（） 14（） 23快跑 46（） 42（） 88总数 55 56 111计算χ2= ∑[(│O-E│-1/2)2/E]=注意当行列为2X2时，要用这个修正公式。自由度为（2-1）（2-1）=1，查表发现是个非常小的数，所以它们之间没有显著差异。而由于它们的差异如此之小，可以把它们合并成一个组，去跟对照不跑步的比较。组 是 否 总数对照 14（） 40（） 54跑步 55（） 56（） 111总数 69 96 165同理算得χ2=，大于自由度为1，p=时的值，即p<. 由于对同一数据做了两次测试（快跟VS慢跑，跑步VS对照），为了保证总的测试误差小于，这里不能用原始的p值来做结论，而需要对其做修正，比如使用Bonferroni修正：由于我们做了两次测试，所以用于比较的关键值要用*2=，由于原始p<，修正后的p (跑步VS对照)<, 差异显著。结论即为，快跑跟慢跑相比的女性相比，她们向医生询问经期的频率没有显著差异，而只要是跑过步的，她们询问的频率则显著高于不跑步的（55：56VS14：40）。3. 最后再补充两点使用卡方的条件1) 如果用于2X2，每个格子中的频数（O）都必须大于5。2) 如果是大型表格，许多行X许多列，每个格子中的频数都不得小于1，且它们中小于5的比较必须要低于20%。如果不能满足这两个条件，就要选择其他的统计方法来处理样本量比较小的情况，比如Fisher Exact test。 四格表资料的卡方检验 四格表资料的卡方检验用于进行两个率或两个构成比的比较。 1. 专用公式： 若四格表资料四个格子的频数分别为a，b，c，d，则四格表资料卡方检验的卡方值=（ad-bc）2*n/(a+b)(c+d)(a+c)(b+d)， 自由度v=（行数-1）（列数-1） 2. 应用条件： 要求样本含量应大于40且每个格子中的理论频数不应小于5。当样本含量大于40但理论频数有小于5的情况时卡方值需要校正，当样本含量小于40时只能用确切概率法计算概率。 行X列表资料的卡方检验 行X列表资料的卡方检验用于多个率或多个构成比的比较。 1. 专用公式： r行c列表资料卡方检验的卡方值=n[(A11/n1n1+A12/n1n2+...+Arc/nrnc)-1] 2. 应用条件： 要求每个格子中的理论频数T均大于5或1 皮尔逊卡方值a在论文中描述卡方值。总计中的皮尔逊卡方即为卡方值，案例中为。卡方值越大，两种治疗的疗效有差别的可能性越大。P值的判定比较复杂。 一、研究场景 卡方检验是一种假设检验的方法，它属于非参数检验的范畴，主要是用于分析定类数据与定类数据之间的关系情况。例如：分析性别与患病之间是否存在差异、性别与是吸烟之间是否存在差异性等。 二、SPSSAU操作 SPSSAU左侧仪表盘“实验/医学研究” → “卡方检验”； 三、卡方值的意义 卡方值表示观察值与理论值之间的偏离程度。计算这种偏离程度的基本思路如下。 设A代表某个类别的观察频数，E代表基于H0计算出的期望频数，A与E之差称为残差。 显然，残差可以表示某一个类别观察值和理论值的偏离程度，但如果将残差简单相加以表示各类别观察频数和期望频数的差别，则有一定的不足之处。因为残差有正有负，相加后会使彼此抵消，总和仍为0，为此可以将残差平方后求和 另一方面，残差大小是一个相对的概念，相对于期望频数是10时，期望频数为20的残差非常大，但相对于期望频数为1000是20就很小，考虑到这一点，人们又将残差平方除以期望频数再求和，以估计观察颍数与期望烦数的差别。 四、SPSSAU结果与指标解读 1.卡方检验分析结果其中A代表某个类别的观察频数，E代表基于H0计算出的期望频数，Ai为i水平的观察频数，Ei为i水平的期望频数，n为总频数，pi为i水平的期望频率。当n比较大时，χ2统计量近似服从k-1个自由度的卡方分布。 2.卡方检验统计量过程值3. 深入分析-效应量指标 4.多重比较结果 （1）第1次多重比较 （2）第2次多重比较 （3）第3次多重比较5. 趋势卡方检验 五、其他说明 1.卡方检验事后多重比较是什么意思？ 医学研究模块里面的卡方检验方法时，SPSSAU默认提供多重比较功能，且SPSSAU仅针对第1个Y进行，可通过更换Y的位置实现其它分析项的多重比较，X或Y的选项个数大于10时不进行多重比较。 多重比较时，SPSSAU默认提供Pearson卡方检验值，多重比较时，检验次数增多会增加一类错误的概率，建议使用校正显著性水平(Bonferroni校正)，比如如果显著性水平为，并且两两比较次数为3次，那么Bonferroni校正显著性水平为次=，即p值需要与进行对比，而不是。 2. 卡方检验出现多个卡方值和p值的原理？ 如果卡方检验出现多个卡方值和p值，其原理和详细操作步骤说明如下， SPSSAU多个卡方值和P值处理 总结 如果研究中卡方检验表格出现多个卡方值和 p值，建议先理解表格里面是进行了卡方检验，还是卡方拟合优度检验，然后按 SPSSAU多个卡方值和P值处理 说明操作进行，最后在EXCEL表格中进行汇总整理表格即可。以上就是卡方分析的指标解读。卡方检验无论是在问卷调研或是医学实验中，都是非常实用高效的方法，没有展开说明的部分建议大家查阅SPSSAU帮助手册进行学习。 更多干货请前往 SPSSAU 官网查看。 及第三方会的12。 最小理论频数是行最小×列最小 故为71×56除以143 卡方检验统计样本的实际观测值与理论推断值之间的偏离程度，实际观测值与理论推断值之间的偏离程度就决定卡方值的大小，如果卡方值越大，二者偏差程度越大；反之，二者偏差越小；若两个值完全相等时，卡方值就为0，表明理论值完全符合。 扩展资料： （1）提出原假设： H0：总体X的分布函数为F(x). 如果总体分布为离散型，则假设具体为 H0：总体X的分布律为P{X=xi}=pi， i=1，2，... （2）将总体X的取值范围分成k个互不相交的小区间A1，A2，A3，…，Ak，如可取 A1=（a0，a1]，A2=(a1，a2]，...，Ak=(ak-1,ak)， 其中a0可取-∞，ak可取+∞，区间的划分视具体情况而定，但要使每个小区间所含的样本值个数不小于5，而区间个数k不要太大也不要太小。 参考资料来源：百度百科-卡方检验 卡方公式是： H0：总体X的分布函数为F(x). 如果总体分布为离散型，则假设具体为： H0：总体X的分布律为P{X=xi}=pi， i=1，2，...； 当H0为真时，n次试验中样本值落入第i个小区间Ai的频率fi/n与概率pi应很接近，当H0不真时，则fi/n与pi相差很大。在0假设成立的情况下服从自由度为k-1的卡方分布。 扩展资料 四格表资料的卡方检验用于进行两个率或两个构成比的比较。 1、专用公式： 若四格表资料四个格子的频数分别为a，b，c，d，则四格表资料卡方检验的卡方值=n(ad-bc)^2/(a+b)(c+d)(a+c)(b+d)，（或者使用拟合度公式）。 自由度v=（行数-1）（列数-1）=1 2、应用条件： 要求样本含量应大于40且每个格子中的理论频数不应小于5。当样本含量大于40但有1=<理论频数<5时，卡方值需要校正，当样本含量小于40或理论频数小于1时只能用确切概率法计算概率。医学论文里的卡方值
医学论文卡方值怎么算