Graphpad 分析教程 | 不会 SPSS，也能搞定卡方检验

卡方检验是一种常用的假设检验方法，属于非参数检验，主要是比较两个及两个以上样本率（构成比）以及两个分类变量的关联性分析。

它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。

今天继续给大家介绍 graphpad 统计分析系列教程中的卡方检验。同样还是以 sample data 来给大家介绍。

1. 打开软件，在 contingency 模块下，如下图进行选择

注：如果期望频数有其中之一小于 5，那么就应该使用 Fisher 精确检验，如果每个频数都大于 5，那么就应该使用卡方检验。

2. 进入数据页面

Sample data 是一组新英格兰杂志的前瞻性研究数据。两横行代表随机分配给受试者的两种处理，分别为阿司匹林和安慰剂。两纵列代表两种不同的结果，分别为罹患心肌梗死和未罹患心肌梗死。

3. 继续点击 analyze 或者 results 下的 new analysis 进入下一级选择对话框：

4. 选择 contingency table analyses 下的 chi-square(and Fisher’s exact) test，并选择右侧的 A:Myocardial Infarction 和 B:No MI。点击 ok。

5. 进一步选择对话框：按下图选择图中 ①-③ 解释如下

RR： (Relative Risk, 相对危险度)（用于前瞻性研究）: 暴露组研究对象的发病风险是非暴露组研究对象的多少倍？

AR：（Attributable Risk, 归因危险度）和是指暴露组发病率与非暴露组发病率之差，它反映发病归因于暴露因素的程度。

NNT：（Number Needed to Treat, 需治疗人数）又称需处理数，可把抽象的率转变为 1 个具体的频数，使临床试验结果转化为临床实践应用的指标，具有表达统计学意义及临床意义的双重作用，是一个衡量临床治疗效果、指导临床决策的有用工具。

OR：（用于回顾性研究）（Odds Ratio, 比值比)，在回顾性研究中可以评价暴露因素（阿司匹林）和疾病（心肌梗死）的关联强度。

6. Option 选项卡按下图进行选择：

7. 点击 ok 得到统计分析结果：

软件提示用 Fisher’s test 代替 Chi-square test。前者可以计算出一个确切的 P 值，而后者只计算一个近似值。对于大样本，差异是微不足道的。对于小样本，差异可能很重要。

• 一般来说：总样本数 ≥ 40，所有理论频数 ≥ 5，用 pearson 卡方检验；

• 总样本数 ≥ 40，出现 1 个理论频数 ≥ 1 并且 ≤ 5，需连续性校正；

• 总样本数 ≥ 40，至少两个理论频数 ≥ 1 并且 ≤ 5，使用 Fisher 精确检验；

• 总样本数＜40 或理论频数＜1，使用 Fisher 精确检验。

注：P＜0.0001，表示两样本频率的差异具有统计学意义。

8. 为此我还特意去搜了这篇文献：

好啦，今天的 Graphpad 进行卡方检验大家学会了吗？