医学中的卡方怎么计算？给出公式。急急急急 急！ 题目是：分对照组和研究组，不同的观察指标。 实验组和对照组各60例，其中依从性好的各56、45例，卡方值...
\u5982\u4f55\u7528\u5361\u65b9\u68c0\u9a8c\u5728SPSS\u4e0a\u505a\u5206\u6790\u4f60\u7684\u6570\u636e\u4e0d\u9002\u5408\u4f7f\u7528\u5361\u65b9\u68c0\u9a8c\u3002\u5361\u65b9\u68c0\u9a8c\u7528\u4e8e2\u4e2a\u53d8\u91cf\u90fd\u5c5e\u4e8e\u5206\u7c7b\u53d8\u91cf\uff08\u4f8b\u5982\u6027\u522b\u3001\u5a5a\u59fb\u72b6\u6001\u7b49\uff0c\u5c5e\u4e8e\u5b9a\u6027\u6570\u636e\uff09\u65f6\u7684\u6570\u636e\u5206\u6790\uff0c\u4f8b\u5982\u8981\u5206\u6790\u6027\u522b\u4e0e\u8272\u76f2\u4e4b\u95f4\uff08\u8272\u76f2\u4e00\u822c\u5206\u4e3a\u201c\u6709\u201d\u548c\u201c\u65e0\u201d2\u4e2a\u5206\u7c7b\uff0c\u5c5e\u4e8e\u5b9a\u6027\u53d8\u91cf\uff09\u7684\u5173\u7cfb\uff0c\u5c31\u53ef\u4ee5\u4f7f\u7528\u5361\u65b9\u68c0\u9a8c\u3002\u4f60\u7684\u6570\u636e\u4e00\u4e2a\u53d8\u91cf\u662f\u7ec4\u522b\uff08\u5206\u4e3a\u5bf9\u7167\u7ec4\u548cA\u79df\uff09\uff0c\u800c\u53e6\u4e00\u4e2a\u53d8\u91cf\uff08\u4f60\u7684\u6d4b\u5b9a\u503c\uff09\u57fa\u672c\u4e0a\u53ef\u4ee5\u8bf4\u662f\u5b9a\u91cf\u6570\u636e\uff08\u5b9a\u91cf\u53d8\u91cf\uff0c\u4f8b\u5982\u8eab\u9ad8\u3001\u4f53\u91cd\u7b49\u90fd\u5c5e\u4e8e\u8fd9\u4e00\u7c7b\uff09\uff0c\u8fd9\u79cd\u60c5\u51b5\u9996\u5148\u8003\u8651\u4f7f\u7528\u6210\u7ec4t\u68c0\u9a8c\u3002
\u5f55\u5165\u6570\u636e\u8981\u5206\u4e3a3\u5217\u6765\u5f55\u5165\u7684
\u6211\u7ecf\u5e38\u5e2e\u522b\u4eba\u505a\u8fd9\u7c7b\u7684\u6570\u636e\u5206\u6790\u7684
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%=22.58个人会去询问医学，而54*58%=31.42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 22.58 31.42 54
慢跑 9.62 13.38 23
快跑 36.8 51.2 88
总数 69 96 165
4. 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=（14-22.58）2/22.58+(40-31.42)+…=9.63
5. 计算自由度=（行数-1）*（列数-1）=2
6. 查表，自由度为2, p=0.01时的值为9.21，而9.63比9.21大，所以p<0.01, 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（11.40） 14（11.6） 23
快跑 46（43.6） 42（44.4） 88
总数 55 56 111
计算χ2= ∑[(│O-E│-1/2)2/E]=0.79
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0.79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（22.58） 40（31.42） 54
跑步 55（46.42） 56（64.58） 111
总数 69 96 165
同理算得χ2=7.39，大于自由度为1，p=0.01时的值，即p<0.01
2. 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0.05，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0.01*2=0.02，由于原始p<0.01，修正后的p (跑步VS对照)<0.02, 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。
标准公式：（ad-bc）^2*n/(a+b)(c+d)(a+c)(b+d)
绛旓細璁＄畻蠂2= 鈭慬(鈹侽-E鈹-1/2)2/E]=0.79 娉ㄦ剰褰撹鍒椾负2X2鏃讹紝瑕佺敤杩欎釜淇鍏紡銆傝嚜鐢卞害涓猴紙2-1锛夛紙2-1锛=1锛屾煡琛ㄥ彂鐜0.79鏄釜闈炲父灏忕殑鏁帮紝鎵浠ュ畠浠箣闂存病鏈夋樉钁楀樊寮傘傝岀敱浜庡畠浠殑宸紓濡傛涔嬪皬锛屽彲浠ユ妸瀹冧滑鍚堝苟鎴愪竴涓粍锛屽幓璺熷鐓т笉璺戞鐨勬瘮杈冦傜粍 鏄 鍚 鎬绘暟 瀵圭収 14锛22.58锛 40...
绛旓細鍗℃柟鍊肩殑璁＄畻鍏紡涓猴細蠂²=危锛堬紙O涓E锛²/E锛夛紝鍏朵腑O琛ㄧず瑙傚療棰戞暟锛孍琛ㄧず鏈熸湜棰戞暟銆傚浜庢瘡涓瀵熼鏁颁笌鏈熸湜棰戞暟鐨勫樊寮傦紝閮戒細璁＄畻鍑轰竴涓崱鏂瑰笺傚洜姝わ紝鍗℃柟鍊肩殑涓暟涓庤嚜鐢卞害锛坉f锛夋湁鍏筹紝鑷敱搴﹁秺灏忥紝鍗℃柟鍊肩殑涓暟灏辫秺灏戙傚湪鍗℃柟妫楠屼腑锛岄氬父浼氶夋嫨涓涓樉钁楁ф按骞筹紙伪锛夛紝鐢ㄤ簬纭畾鎷掔粷...
绛旓細浣跨敤鍗℃柟缁熻閲忚绠楀叕寮忥細蠂^2 = 危(Oi - Ei)^2 / Ei锛屽叾涓ｈ〃绀哄鎵鏈夊崟鍏冩牸杩涜姹傚拰锛孫i 琛ㄧず瑙傚療棰戞暟锛孍i 琛ㄧず鏈熸湜棰戞暟銆傝绠楀緱鍒扮殑鍗℃柟缁熻閲忎负锛毾嘵2 = ((19-13.125)^2/13.125) + ((51-31.875)^2/31.875) + ((56-61.2/61.875) + ((74-68.125)^2/68.125) = 4....
绛旓細鍗℃柟妫楠岀殑P鍊璁＄畻 P鍊兼槸鍗℃柟妫楠岀殑鐏甸瓊锛屽畠鎻ず浜嗚瀵熺粨鏋滃湪鍋囪鎴愮珛涓嬬殑姒傜巼銆傝绠楄繃绋嬩腑锛屾秹鍙婂埌澶嶆潅鐨勪笉瀹屽叏浼介┈鍑芥暟鍜屾柉鐗规灄鍏紡锛屽畠浠叡鍚屾瀯閫犲嚭P鍊肩殑绮剧‘搴﹂噺銆傚疄鎴樺伐鍏凤細鍖诲缁熻鍔╂墜 鍦ㄥ疄闄呮搷浣滀腑锛屽尰瀛︾粺璁″姪鎵(statsas.com)鎻愪緵浜嗗叏闈㈢殑缁熻鍔熻兘锛屽寘鎷熀鏈粺璁°佸崱鏂规楠屻乼妫楠岀瓑锛屼娇澶嶆潅鐨...
绛旓細鍗℃柟鍊肩殑璁＄畻鍏紡涓猴細X2 = 危锛圤-E锛2/E锛屽叾涓璒琛ㄧず瑙傚療鍊硷紝E琛ㄧず鏈熸湜鍊硷紝危琛ㄧず鎵鏈夌殑瑙傚療鍊间箣鍜屻傚崱鏂瑰兼槸闈炲弬鏁版楠屼腑鐨勪竴涓粺璁￠噺锛屼富瑕佺敤浜庨潪鍙傛暟缁熻鍒嗘瀽涓紝瀹冩槸鍗℃柟妫楠屼腑鐨勪竴涓富瑕佹祴璇曟寚鏍囷紝鍗℃柟妫楠屾槸涓绉嶇敤閫斿緢骞跨殑璁℃暟璧勬枡鐨勫亣璁炬楠屾柟娉曘傚畠灞炰簬闈炲弬鏁版楠岀殑鑼冪暣锛屼富瑕佹槸姣旇緝涓や釜...
绛旓細鍙傝冩潵婧愶細寮犳枃褰,閭濇槬浼熺紪钁.SPSS缁熻鍒嗘瀽鍩虹鏁欑▼锛堢2鐗堬級锛塖PSSAU缁撴灉濡備笅锛氬崱鏂瑰艰绠楀涓嬶細鍏朵腑A浠ｈ〃鏌愪釜绫诲埆鐨勮瀵熼鏁帮紝E浠ｈ〃鍩轰簬H0璁＄畻鍑鐨勬湡鏈涢鏁帮紝Ai涓篿姘村钩鐨勮瀵熼鏁帮紝Ei涓篿姘村钩鐨勬湡鏈涢鏁帮紝n涓烘婚鏁帮紝pi涓篿姘村钩鐨勬湡鏈涢鐜囥傚綋n姣旇緝澶ф椂锛屜2缁熻閲忚繎浼兼湇浠巏-1涓嚜鐢卞害鐨勫崱鏂鍒嗗竷銆
绛旓細2.璁＄畻鍗℃柟鍊硷細鍦ㄥ缓绔嬩簡鍘熷亣璁惧拰澶囨嫨鍋囪涔嬪悗锛岄渶瑕璁＄畻鍑哄崱鏂鍊笺璁＄畻鍏紡涓猴細鍗℃柟鍊= 危(瀹為檯瑙傛祴鍊-鏈熸湜瑙傛祴鍊)²/鏈熸湜瑙傛祴鍊笺傚叾涓紝危浠ｈ〃姹傚拰锛屽疄闄呰娴嬪兼寚涓ょ粍鏁版嵁瀹為檯鐨勫垎绫绘暟閲忥紝鏈熸湜瑙傛祴鍊煎垯鏄熀浜庡師鍋囪寰楀嚭鐨勩佺粡杩囪绠楄屾潵鐨勫垎绫绘暟閲忋3.纭畾鑷敱搴︼細鍦ㄨ绠楀嚭鍗℃柟鍊间箣鍚庯紝闇瑕佹牴鎹...
绛旓細鍗℃柟妫楠璁＄畻鏂规硶锛氾紙1锛夋彁鍑哄師鍋囪锛欻0锛氭讳綋X鐨勫垎甯冨嚱鏁颁负F(x).濡傛灉鎬讳綋鍒嗗竷涓虹鏁ｅ瀷锛屽垯鍋囪鍏蜂綋涓 H0锛氭讳綋X鐨勫垎甯冨緥涓篜{X=xi}=pi锛 i=1锛2锛...锛2锛夊皢鎬讳綋X鐨勫彇鍊艰寖鍥村垎鎴恔涓簰涓嶇浉浜ょ殑灏忓尯闂碅1锛孉2锛孉3锛屸︼紝Ak锛屽鍙彇 A1=锛坅0锛宎1]锛孉2=(a1锛宎2]锛...锛孉k=(ak-1,ak)...
绛旓細姣忎釜鏍煎瓙涓殑鐞嗚棰戞暟T鏄湪鍋囧畾涓ょ粍鐨勫彂鐧岀巼鐩哥瓑锛堝潎绛変簬涓ょ粍鍚堣鐨勫彂鐧岀巼锛夌殑鎯呭喌涓璁＄畻鍑烘潵鐨勶紝濡傜涓琛岀涓鍒楃殑鐞嗚棰戞暟涓71*(91/113)=57.18锛屾晠鍗℃柟鍊艰秺澶э紝璇存槑瀹為檯棰戞暟涓庣悊璁洪鏁扮殑宸埆瓒婃槑鏄撅紝涓ょ粍鍙戠檶鐜囦笉鍚岀殑鍙兘鎬ц秺澶с備互涓婂唴瀹瑰弬鑰冿細鐧惧害鐧剧-鍗℃柟妫楠 ...
绛旓細109锛屾牴鎹〃鏍硷紝鍥犱负5.024鈮6.109<6.635锛屾墍浠モ淴涓嶻鏈夊叧绯烩濇垚绔嬬殑姒傜巼涓1-0.025=0.975锛屽嵆97.5%銆 鍥涙牸琛ㄨ祫鏂欐楠岋細鍥涙牸琛ㄨ祫鏂鐨勫崱鏂妫楠岀敤浜庤繘琛屼袱涓巼鎴栦袱涓瀯鎴愭瘮鐨勬瘮杈冦 1. 涓撶敤鍏紡锛氳嫢鍥涙牸琛ㄨ祫鏂欏洓涓牸瀛愮殑棰戞暟鍒嗗埆涓篴锛宐锛宑锛宒锛屽垯鍥涙牸琛ㄨ祫鏂欏崱鏂规楠鐨勫崱鏂鍊=n(...
