統計咨詢 || 卡方檢驗兩兩比較（卡方分割）
卡方檢驗是用途非常廣的一種假設檢驗方法，它在分類資料統計推斷中的應用
包括：兩個率或兩個構成比比較的卡方檢驗；多個率或多個構成比比較的卡方檢驗以及分類資料的相關分析等。當多個率或者多個構成比的檢驗有差異時，如何進一步進行兩兩比較？
這個問題涉及到多個率比較的兩兩比較問題，多個樣本率比較，只能認為各總體率之間總的說有差別，但不能說明任兩個總體率皆有差別。處理辦法：多個樣本的多重比較（卡方分割法）。
關于率的多重比較有好多方法，網上有人說到卡方分割法（partitions of X2 method)，或者用Scheffe可信區間法和SNK 法等等，我們這里主要介紹卡方分割法，卡方分割法其計算原理就是對a檢驗水準進行調整，如果是需要對各組進行兩兩比較，調整后的檢驗水準a`=(2*a)/[k*(k-1)+1]，k是實驗的組數；然后你分析計算需要比較的兩組的卡方值，求出p值，與a`進行比較就可以了。
對于文章剛開始出現的問題，我們可以用卡方分割法來做兩兩間的差別比較，從上表可以看出B組和C組差異相對較小，將它們分割出來，做卡方檢驗結果兩者差異無統計學意義。因此將兩者合并，得到一個新的表格： 再對上述資料做卡方檢驗，得Pearson卡方值為13.040，P值為0.001，有統計學意義。 綜上所述，可以下結論，可以認為不同的處理方式的結局分布不全相同，尚不能認為B處理方式與C處理方式的分布不同，可以認為A處理方式與BC處理方式 的結局分布不同。
SPSS中如何實現？ 例：您是否贊成教師聘任實行“雙向選擇”？（單選）1.贊成；2.不贊成 為了解鄉鎮、縣城和城市中不同教師對這個問題的看法是否有實質性的不同，則需先進行整體性的卡方檢驗。 第一步：按照正常程序的先進行一次Crosstable分析，以確定整體上看，多組間是否確有顯著性差異。
本例中，從整體上看，顯著性檢驗的概率小于0.05，拒絕原假設，說明三組間的選擇有顯著差異，要具體了解三組中究竟是哪兩組，就要進行兩兩對比檢驗。原來的檢驗用的是全部的個案，現在只需要選擇需要比較的兩組個案。
第二步：點擊“數據（Data）”→“選擇個案（Select Case）”→ “如果條件滿足（If condition is satisfied）”→“如果（If）”→在右上方的文字框內輸入要比較的變量，例如要比較“列變量1”與“列變量3”，那么你就輸入“列變量名=1or列變量名=3” → 繼續（continue）→ 確定（OK）
第三步：按照常規做交叉表（Crosstable）檢驗，此刻得到的是1 與3 比較的結果
再接著可反復在數據（Data）里頭設計需要相互比較的行變量1 與2、2 與3直到完成所有想比較的三組數據。
最后，要對多重比較的概率和與對照比較的概率進行比較，以判斷是否有差異性。有人認為，如果進行兩兩比較的話，應該結合聯合概率進行分割，一般應降低檢驗水準，若總共要比較3 次，就把檢驗水準降低為0.05/3，即0.017，而不是原來的0.05，卡方分量的個數最多也不得超過總卡方的自由度。
大融數據咨詢業務介紹
大融（深圳）數據咨詢服務有限公司提供多種形式的咨詢服務（面談、郵件、電話等），有別于傳統研究設計基于文獻和經驗總結的模式，我們引入基于數據驅動的研究模式，輔助臨床研究和課題申報。
大融決策建模分析小組自2022年8月成立以來，共完成各類技術委托項目、數據咨詢項目、科研設計咨詢項目、數據治理與清洗等項目63項，其中中型（經費大于10萬元）技術委托開發項目3項，課題組及公司咨詢項目（1萬元 ≦ 經費 ≦ 10萬元）12項，臨床研究科研人員咨詢項目48項（經費小于1萬元）。簽約內部軟件開發數據19.3萬余條，涉及外科（骨科）、腫瘤、傳染病、心血管疾病、精神疾病、呼吸系統疾病、口腔、眼科、中醫等科室。與合作單位共同完成數據治理標準7套；標準臨床研究CRF表23項，合作撰寫文章20余篇。
本小組一如既往地提供高質量的科研、商業咨詢服務。
具體內容：
1.提供研究設計推薦，樣本量估算等服務；
2.對于已有的研究方案，可以輔助CRF表設計（基于NIH、CDISC等標準）；數據采集與清洗；
3.臨床研究結局量表引進與開發（基于結構方程模型）；患者結局報告量化；
4.問卷信效度評價；統計分析計劃（SAP）撰寫；科研數據分析與質量評估；投稿統計問題咨詢與服務；
5.數據處理和分析；機器學習算法開發（非結構化數據）；文本數據、影像數據等；
6.科研設計與項目合作；
7.多中心臨床研究數據采集方案（REDCap）提供與數據分析服務；
8.科研指導與合作；
9.其他咨詢服務；
本小組承諾：
1.簽署數據保密協議；符合國家《數據安全法》相關規定；
2.簽署科研誠信申明；拒絕一切數據造假行為；
3.所有統計分析報告均按照行業相關標準執行；小組成員精通臨床試驗流程和國際國內法律法規；
4.本小組成員均為985，TOP10生物統計或統計學相關專業碩博士；最高12年行業經驗；有嚴格數據分析及質量控制流程；
5.小組成員科研經歷豐富，均有過專業高水平論文發表經歷，如NEJM、The Lancet、JAMA等；
6.小組有開展多中心臨床試驗的條件積累，可以牽頭更多同專業同類別研究，促進更高質量的數據和成果產生；
7.來自美國耶魯、約翰霍普金斯等名校臨床科研人員技術及遠程指導；
具體咨詢流程，請與科研秘書聯系，微信號: dr-data
歡迎關注我們的微信公眾號，定期發布數據處理小技巧：
關于我們
“新藥準入價值評估”公眾號是由大融數據衛生技術評估實驗室維護與更新。
衛生技術評估實驗室簡介
衛生技術評估實驗室是由大融（深圳）數據咨詢服務有限公司發起的公益性科研屬性實驗室，于2022年10月成立于深圳市南山區，實驗室目前由來自中山大學、英國約克大學（University of York）、香港中文大學（The Chinese University of Hong Kong）、北京大學、西安交通大學、中國藥科大學、哈爾濱醫科大學、第四軍醫大學、安徽醫科大學、山東大學等；專業涵蓋統計學、衛生經濟學、社會學、流行病學、臨床醫學相關的博士、碩士團隊組成。實驗室以興趣為導向，自主開展衛生技術評估相關課題研究。
衛生技術評估實驗室產品：
1.衛生技術評估報告：國內外HTA報告；循證醫學；臨床研究；衛生經濟學；統計建模；
2.智能數據分析：模式識別、智能決策、文本挖掘、圖像識別、數據挖掘技術研究；智能評測、智能診斷、智能評估、智能建模等在醫保、醫共體、臨床研究數據分析平臺建設中的應用；
3.數據治理：數據標準服務（立項、起草、發布、修訂）、臨床指南翻譯引進、量表研制（結構方程模型）、數據字典、臨床數據治理、數據質量評估報告、數據分析報告、數據規劃報告、軟件系統測試報告等；
4.對外培訓課程設計；
5.衛生信息標準起草與研發（已發布衛生領域團隊標準37項）；
衛生技術評估實驗室對外活動：
1.實訓班（產學研）；
2.研習班（學研）；
實訓班項目列表：
年份與課題 課題名稱
2022-課題1 臨床研究數據表型數據采集標準研究（省重點子課題）；
2022-課題2 臨床研究中的數據質量評估標準研究（省重點子課題）；
2022-課題3 基于自然語言處理（NLP）技術的藥物輿情監督（委托課題）；
2022-課題4 衛生技術評估中的社會學考量指標體系構建（自籌課題）；
2022-課題5 衛生技術評估報告中的結構化數據標準制定（醫院委托課題）；
2022-課題6 基于知識圖譜的衛生技術評估證據關聯性分析（市級申報課題）；
2022-課題7 強化學習在做藥品市商策略中的應用（委托課題）；
2022-課題8 糖尿病選藥中的偏好研究；
研習班項目列表：
年份 研習內容
2022 機器學習（強化學習）決策最優化問題研習（2022年9月至2023年1月）；
2022 數據挖掘方法在衛生經濟學中的研究與應用（2022年10月至2023年1月）；
2022生存分析方法在藥物經濟學中的應用（2022年8月至2022年11月）；
衛生技術評估實驗室成果：
截至2022年12月31日
專利申報兩項；
軟件著作權四項（已獲批）；
團體標準四項（已立項）；
文章六篇（兩篇外審）；
專著兩本（已完成簽約合同，2023年4月交稿）；
咨詢案例
