如果我想看不同患者人群的术后复发率有没有差异，怎么办?这时候就需要欢迎我们的统计小助手——卡方检验闪亮登场啦!
卡方检验可是一位重量级选手，凡是涉及到计数资料分布的比较都需要他的帮忙。和t检验一样，卡方检验也会用在成组和配对设计资料分析中，本期我们一起聊聊独立样本四格表的χ2检验。
一、问题与数据
用药物A治疗急性心肌梗死患者198例，24小时内死亡11例，病死率为5.56%，另42例治疗时采用药物B，24小时内死亡6例，病死率为14.29%，提问：两组病死率有无差别?
表1. 两种药物急性心肌梗塞患者治疗后24小时内死亡情况
二、对数据结构的分析
“生存”，还是“死亡”，这是个问题，但更是一个典型的二分类结局指标，我们关注的重点是两种药物治疗后“生存”和“死亡”的分布(或者说病死率)有无差别，由此组成的2*2列联表就是χ2检验中经典的“四格表”(如表1)。
下面一起看看SPSS怎样搞定χ2检验。
三、SPSS分析方法
1. 数据录入
(1) 变量视图
(2) 数据视图
2. 加权个案：选择Data→weight cases→勾选Weight cases by，将频数放入Frequency Variable→OK。因为本例中数据库每一行代表多个观测对象，所以需要对其进行加权处理。
当然，如果数据是以单个观测对象的形式，即每一行代表1个观测对象，则无需加权(如下图)。
3. 选择Analyze→Descriptive Statistics→Crosstabs
4. 选项设置
(1) 主对话框设置：将分组变量Drug放入Row(s)框中→将指标变量Outcome放入Column(s)框中(实际上χ2检验是关注实际和理论频数是否一致，这里Row(s)框和Column(s)框内变量也可以颠倒放，并不影响最终结果)。
(2) Statistics设置：勾选Chi-square，确定使用成组计数资料的卡方检验→Continue
(3) Cells设置：Counts中勾选Observed和Expected，输出实际观测频数和理论频数;Percentages中勾选Row，输出每组转归百分比→Continue→OK
四、结果解读
表2 统计汇总
表2中不仅有服用两种药物后患者实际转归(生存/死亡)的频数和相应百分比，还输出了相应的理论频数(所在行列合计数乘积/总例数)。需要注意的是，这里的理论频数和总例数直接决定了下面卡方检验结果的选择。
表3 卡方检验结果
表3中这么多检验结果，到底看哪一个?不要着急 ，我们一个一个来看：
1、总例数≥40，所有理论频数≥5，看Pearson Chi-Square结果;
2、总例数≥40，出现1个理论频数≥1且<5，χ2检验需进行连续性校正，这时以Continuity Correction结果为准;
3、总例数≥40，至少2个理论频数≥1且<5，看Fisher’s Exact Test结果;
4、总例数<40或者出现理论频数<1，看Fisher’s Exact Test结果。
( SPSS也会友好地在表格下方的注释部分提示是否有理论频数小于5，以及最小的理论频数是多少，方便选择恰当的检验方法)
本例中总例数=240>40，存在1个理论频数=3.0<5，所以需要看Continuity Correction结果，χ2=2.796，P=0.095>0.05。
五、撰写结论
两种药物治疗急性心肌梗塞患者的预后并不相同，A药病死率为5.6%，低于 B药(14.3%)，但差异无统计学意义(χ2=2.796，P=0.095)。
六、延伸阅读
1、χ2检验是基于χ2分布的一种假设检验，简单讲就是想看看实际观测数和理论频数偏离程度。比如说，上面提到的例子中服用A药后共观察到187例存活，这里的187例就是“实际观测数”，对应的“理论频数”是187所在行列合计的乘积与总例数的比值，也就是198*223/240=184。所有单元格的实际观测数和理论频数计算出后，可根据如下公式计算χ2，得到相应的P值。
χ2=∑[(实际观测数-理论频数)2/理论频数]，ν=(行数-1)*(列数-1)
χ2检验的原假设是实际观测数和理论频数分布一致，如果P<0.05，那么拒绝原假设，认为实际观测数和理论频数分布是不一致的，也就是A药和B药治疗后的转归是不同的。当然有了统计分析软件，我们就不需要这么辛苦的计算啦。数据分析培训
2、如果χ2检验所得P值在0.05左右，或者总例数较小，理论频数较少时，给出的结论一定要谨慎，不要简单给出P>0.05或者P<0.05，靠谱儿的做法是给出明确的P值。另外，利用列联表χ2检验比较不同患者某种治疗结局有无差别时，还应该评估不同组患者是否“同质”。举个例子，患者病情严重程度是否一致，这些特征都可能会影响最终结果的判断，对于这一类问题，可以考虑分层χ2检验，logistic回归进行处理，这些后面我们接着聊~~~