事後分析兩兩比較的效果量
1. 多個樣本率的卡方檢驗及兩兩比較
問題與數據
某醫生擬探討葯物以外的其他方法是否可降低患者的膽固醇濃度,如增強體育鍛煉、減少體重及改善飲食習慣等。
該醫生招募了150位高膽固醇、生活習慣差的受試者, 並將其隨機分成3組 。其中一組給予降膽固醇葯物,一組給予飲食干預,另一組給予運動干預。經過6個月的試驗後,該醫生重新測量受試者的膽固醇濃度,分為高和正常兩類。
該醫生收集了受試者接受的干預方法(intervention)和試驗結束時膽固醇的風險程度(risk_level)等變數信息,並按照分類匯總整理,部分數據如下:
注釋 :本研究將膽固醇濃度分為「高」和「正常」兩類,只是為了分析的方便,並不代表臨床診斷結果。
對問題的分析
研究者想判斷干預後多個分組情況的不同。如本研究中經過降膽固醇葯物、飲食和運動干預後,比較各組膽固醇濃度的變化情況。針對這種情況,我們建議使用卡方檢驗(2×C),但需要先滿足5項假設:
假設1 : 觀測變數是二分類變數 ,如本研究中試驗結束時膽固醇的風險程度變數是二分類變數。
假設2 : 存在多個分組 (>2個),如本研究有3個不同的干預組。
假設3 :具有相互獨立的觀測值,如本研究中各位受試者的信息都是獨立的,不會相互干擾。
假設4 :研究設計必須滿足:(a) 樣本具有代表性,如本研究在高膽固醇、生活習慣差的人群中隨機抽取150位受試者;(b) 目的分組,可以是前瞻性的,也可以是回顧性的,如本研究中將受試者隨機分成3組,分別給予降膽固醇葯物、飲食和運動干預。
假設5 :樣本量足夠大,最小的樣本量要求為分析中的任一預測頻數大於5。
經分析,本研究數據符合假設1-4,那麼應該如何檢驗假設5,並進行卡方檢驗(2×C)呢?
思維導圖
SPSS操作
4.1 數據加權
在進行正式操作之前,我們需要先對數據加權,如下:
(1) 在主頁面點擊Data→Weight Cases
彈出下圖:
(2) 點擊Weight cases by,激活Frequency Variable窗口
(3) 將freq變數放入Frequency Variable欄
(4) 點擊OK
4.2 檢驗假設5
數據加權之後,我們要判斷研究數據是否滿足樣本量要求,如下:
(1) 在主頁面點擊Analyze→Descriptive Statistics→Crosstabs
彈出下圖:
(2) 將變數intervention和risk_level分別放入Row(s)欄和Column(s)欄
(3) 點擊Statistics,彈出下圖:
(4) 點擊Chi-square
(5) 點擊Continue→Cells
(6) 點擊Counts欄中的Expected選項
(7) 點擊Continue→OK
經上述操作,SPSS輸出預期頻數結果如下:
該表顯示,本研究最小的預測頻數是24.7,大於5,滿足假設5,具有足夠的樣本量。Chi-Square Tests 表格也對該結果做出提示,如下標注部分:
即在本研究中,沒有小於5的預測頻數,可以直接進行卡方檢驗(2×C)。那麼,如果存在預測頻數小於5的情況,我們應該怎麼辦呢?一般來說,如果預測頻數小於5,就需要進行 Fisher精確檢驗 (2×C),我們將在後面推送的內容中向大家詳細介紹。
4.3 卡方檢驗(2×C)的SPSS操作
(1) 在主頁面點擊Analyze→Descriptive Statistics→Crosstabs
彈出下圖:
(2) 點擊Statistics,彈出下圖:
(3) 點擊Chi-square
(4) 點擊Continue→Cells
(5) 點擊Percentage欄中的Column選項
(6) 點擊Continue→OK
4.4 組間比較
(1) 在主頁面點擊Analyze→Descriptive Statistics→Crosstabs
彈出下圖:
(2) 點擊Cells,彈出下圖:
(3) 點擊z-test欄中的Compare column proportions和Adjust p-values (Bonferroni method)選項
(4) 點擊Continue→OK
結果解釋
5.1 統計描述
在進行卡方檢驗(2×C)的結果分析之前,我們需要先對研究數據有個基本的了解。SPSS輸出結果如下:
該表提示,本研究共有150位受試者,根據干預方式均分為3組。在試驗結束時,葯物干預組的50位受試者中有16位膽固醇濃度高,飲食干預組的50位受試者中有28位膽固醇濃度高,而運動干預組的50位受試者中有30位膽固醇濃度高,如下標注部分:
由此可見,葯物干預比飲食或運動干預的療效更好。同時,該表也提示,葯物干預組的50位受試者中有34位膽固醇濃度下降,飲食干預組的50位受試者中有22位膽固醇濃度下降,而運動干預組的50位受試者中只有20位膽固醇濃度下降,如下標注部分:
但是,當各組樣本量不同時,頻數會誤導人們對數據的理解。因此,我們推薦使用頻率來分析結果,如下標注部分:
該表提示,葯物干預組的50位受試者中68%膽固醇濃度下降,飲食干預組的50位受試者中44%膽固醇濃度下降,而運動干預組的50位受試者中只有40%膽固醇濃度下降,提示葯物干預比飲食和運動干預更有效。但是這種直接的數據比較可能受到抽樣誤差的影響,可信性不強,我們還需要進行統計學檢驗。
5.2 卡方檢驗(2×C)結果
本研究中任一預測頻數均大於5,所以根據Chi-Square Tests表格分析各組的差別。SPSS輸出檢驗結果如下:
卡方檢驗(2×C)結果顯示χ2=9.175,P= 0.010,說明本研究中各組之間率的差值與0的差異具有統計學意義,提示葯物干預與飲食、運動干預在降低受試者膽固醇濃度的作用上存在不同。如果P>0.05,那麼就說明各組之間率的差值與0的差異沒有統計學意義,即不認為各組之間存在差異。
5.3 卡方檢驗(2×C)中的成對比較分析
大家可能會注意到,每組數據的標記相同(即上下兩行的標記相同),那麼我們只要知道組間標記的作用即可。
那麼,risk_level * intervention Cross tabulation表格的標記是什麼意思呢?第一種情況,各組間無差異,如下:
如上圖,各組間標記一致,說明各組之間無差異。第二種情況,任意兩組之間均存在差異,如下:
即每組標記字母均不相同,說明任意兩組之間的差異均存在統計學意義。第三種情況,有些組之間存在差異,而另一些組之間的差異沒有統計學意義,如下:
如果任兩組之間標記字母相同,說明這兩組之間的差異沒有統計學意義;如果兩組標記字母不同,說明這兩組之間的差異存在統計學意義。
根據這一原則,分析本研究結果如下:
該表說明,在本研究中,葯物干預的降膽固醇作用(「a」)與飲食干預的降膽固醇作用(「b」)的差異存在統計學意義(PP
撰寫結論
6.1 若卡方檢驗(2×C)的P
本研究招募150位高膽固醇、生活習慣差的受試者,隨機分組後分別給予葯物、飲食和運動干預。試驗結束時,葯物干預組有34位(68%)膽固醇濃度下降,飲食干預組有22位(44%)膽固醇濃度下降,而運動干預組有20位(40%)膽固醇濃度下降,三組差異具有統計學意義(P=0.010)。
成對比較結果提示,葯物干預的降膽固醇效果好於飲食或運動干預(PP>0.05)。
6.2 若卡方檢驗(2×C)的P≥0.05
本研究招募150位高膽固醇、生活習慣差的受試者,隨機分組後分別給予葯物、飲食和運動干預。試驗結束時,葯物干預組有24位(48%)膽固醇濃度下降,飲食干預組有22位(44%)膽固醇濃度下降,而運動干預組有20位(40%)膽固醇濃度下降,三組結果的差異沒有統計學意義(P=0.620)。