行列表资料的关联性分析

(一)行列表资料的关联性分析方法说明

对多分类资料的关联性分析与2×2列联表的分析是基本相同的,可以根据自己的研究需要选择相对应的关联性统计指标,即通常所说的行列表资料的关联性分析。

(二)行列表资料的关联性分析举例

例9-4　有研究表明,不同民族人的血型分布是不同的,现从某地随机抽取2500名居民,记录其民族与血型,资料见表9-4。请问民族与血型分布是否有关钥

表9-4　不同民族人的血型分布资料　　单位:人

1.分析

例9-4为典型的无序分类变量资料,血型和民族间的关联性同样可以采用列联系数C来分析。数据的录入格式如图9-19所示,民族甲、乙、丙分别用数字1、2、3代替,O、A、B、AB血型分别用1、2、3、4代替,附上值即可,同样也需要对“频数”这一列进行加权处理。

图9-19　例9-4的数据录入格式

2.操作

(1)“Analyze”→“Descriptive Statistics”→“Crosstabs”。

(2)将“民族”和“血型”分别选入“Row(s)”和“Column(s)”,如图9 20所示。

(3)单击“Statistics...”按钮,在弹出的对话框(见图9 21)中选择“Chisquare”和“Contingency coefficient”,点击“Continue”回到如图9 20所示界面,再点击“OK”按钮。

图9-20　例9-4的卡方检验界面

图9-21　例9-4的统计量对话框

3.界面说明

操作界面与例9-3的操作界面完全一样,在此不再赘述。需要注意的是,如果需要精确算法,则需要点击图9-20界面右边的“Exact...”对话框进行设置,SPSS在非四格表的资料中不会自动输出确切概率算法,点开“Exact...”对话框后可以选择计算近似概率值、采用蒙特卡罗模拟的确切概率值和计算出确切概率值三种方式。

4.结果解释

图9 23为列联表卡方检验的结果框,共有4行值,由上至下分别是: “Pearson Chi-square”(Pearson卡方值)为284.826,后面分别是自由度为6,双侧近似概率P＜0.001,差异有统计学意义。“Likelihood Ratio”为似然比卡方,在处理多维表时有更大的优势,一般情况下与Pearson卡方的结果是一致的,此处似然比卡方值为278.717,P＜0.001;如果设置了精确算法,还将列出单侧和双侧的精确算法P值。“Linear-by-Linear Association”为线性卡方,一般用于连续型变量,列联表中很少用。“N of Valid Cases”为有效例数,本例为2500例。结果框下方的注释显示,在例9-4的列联表中没有任何一个格子的理论数小于5,最小的也有30.08,说明本例是适合使用Pearson卡方检验的。

图9-22　例9-4的卡方检验结果

图9 23呈现了例9-4的列联系数的值,即C＝0.320,关联性很弱,近似的P＜0.001,说明此关联系数有统计学意义,可以认为血型的分布与民族存在一定的关联。若还进行了Bootstrap分析,则会如图9-24所示给出列联系数的95%可信区间为0.290～0.352,与常规统计方法所得结果的误差仅为0.002,故可以忽略此误差。

图9-23　例9-4的相关分析结果

图9-24　例9-4的Bootstrap抽样相关分析结果