SPSS详细操作：一致性检验和配对卡方检验

一、问题与数据

有两种方法可用于诊断某种癌症，A方法简单易行，成本低，患者更容易接受，B方法结果可靠，但操作繁琐，患者配合困难。某研究选择了53例待诊断的门诊患者，每个患者分别用A和B两种方法进行诊断（表1），判断两种方法诊断癌症有无差别，A方法是否可以代替B方法。

表1 进口药和国产药治疗效果

二、对数据结构的分析

之前介绍过成组设计的列联表，它的行变量和列变量代表的是一个事物的两个不同属性，以我们举过的A药和B药治疗急性心肌梗死患者疗效比较为例，例子中行变量“药物”和列变量“转归”是患者的两个不同特征。

但是配对设计的列联表却有些不同，它的行变量和列变量代表的是一个事物的同一属性，只是对这个属性的判断方法不同而已。如表1所示，行和列均指的是患者是否患有癌症，所不同的是一个是A方法，另一个是B方法。这种列联表最大的特点是行和列数目永远都是一样的。此时，再用成组计数资料的χ2检验就不合适了。这里我们就要用到Kappa一致性检验和配对χ2检验(McNemar检验)。

为什么同一配对设计计数资料咋还有两种检验方法呢？其实这两种方法各有侧重：

1、Kappa检验旨在评价两种方法是否存在一致性；配对χ2检验主要确定两种方法诊断结果是否有差别；

2、Kappa检验会利用列联表的全部数据，而配对χ2检验只利用“不一致“数据，如表1中b和c；

3、Kappa检验可计算Kappa值用于评价一致性大小，而配对χ2检验只能给出两种方法差别是否具有统计学意义的判断。

Kappa值判断标准：

Kappa≥0.75，说明两种方法诊断结果一致性较好；

0.4≤Kappa<0.75，说明两种方法诊断结果一致性一般；

Kappa<0.4，说明两种方法诊断结果一致性较差。

有关具体计算过程，我们这里可以交给计算机统计软件SPSS来完成。

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。

3. 选择Analyze→Descriptive Statistics→Crosstabs

4. 选项设置

(1) 主对话框设置：将“A方法”和“B方法”两个变量分别放入Row(s)框和Column(s)框中（无位置要求）。

(2) Statistics设置：勾选McNemar和Kappa→Continue

(3) Cells设置：Counts中勾选Observed，输出实际观测频数；Percentages勾选Row和Column，输出行和列占比→Continue→OK

四、结果解读

表1  统计描述

表2  配对χ2检验

表3  Kappa一致性检验

表2中SPSS给出了McNemer检验的结果，P=0.022<0.05，提示两种方法诊断情况并不一致；表3中Kappa=0.506，P<0.001，提示两种方法诊断结果存在一致性，但是Kappa在0.4~0.75范围内，一致性一般。

五、撰写结论

A方法和B方法诊断结果一致性一般(Kappa=0.506，P<0.001)； B诊断阳性率为67.9%，明显高于A诊断(50.9%)，且差别具有统计学意义(P=0.022)。

PS: R*C配对列联表的χ2检验应用Bowker检验，SPSS的具体操作方法同McNemar检验。