kappa系數一致性檢驗和配對卡方檢驗SPSS詳細操作：

一、問題與數據

有兩種方法可用于診斷某種癌癥，A方法簡單易行，成本低，患者更容易接受，B方法結果可靠，但操作繁瑣，患者配合困難。某研究選擇了53例待診斷的門診患者，每個患者分別用A和B兩種方法進行診斷(表1)，判斷兩種方法診斷癌癥有無差別，A方法是否可以代替B方法。

表1 進口藥和國產藥治療效果

二、對數據結構的分析

之前介紹過成組設計的列聯表，它的行變量和列變量代表的是一個事物的兩個不同屬性，以我們舉過的A藥和B藥治療急性心肌梗死患者療效比較為例，例子中行變量“藥物”和列變量“轉歸”是患者的兩個不同特征。

但是配對設計的列聯表卻有些不同，它的行變量和列變量代表的是一個事物的同一屬性，只是對這個屬性的判斷方法不同而已。如表1所示，行和列均指的是患者是否患有癌癥，所不同的是一個是A方法，另一個是B方法。這種列聯表最大的特點是行和列數目永遠都是一樣的。此時，再用成組計數資料的χ2檢驗就不合適了。這里我們就要用到Kappa一致性檢驗和配對χ2檢驗(McNemar檢驗)。

為什么同一配對設計計數資料咋還有兩種檢驗方法呢?其實這兩種方法各有側重：

1、Kappa檢驗旨在評價兩種方法是否存在一致性;配對χ2檢驗主要確定兩種方法診斷結果是否有差別;

2、Kappa檢驗會利用列聯表的全部數據，而配對χ2檢驗只利用“不一致“數據，如表1中b和c;

3、Kappa檢驗可計算Kappa值用于評價一致性大小，而配對χ2檢驗只能給出兩種方法差別是否具有統計學意義的判斷。

Kappa值判斷標準：

Kappa≥0.75，說明兩種方法診斷結果一致性較好;

0.4≤Kappa<0.75，說明兩種方法診斷結果一致性一般;

Kappa<0.4，說明兩種方法診斷結果一致性較差。

有關具體計算過程，我們這里可以交給計算機統計軟件SPSS來完成。

三、SPSS分析方法

1. 數據錄入

(1) 變量視圖

(2) 數據視圖

2. 加權個案：選擇Data→weight cases→勾選Weight cases by，將頻數放入Frequency Variable→OK。

3. 選擇Analyze→Descriptive Statistics→Crosstabs

4. 選項設置

(1) 主對話框設置：將“A方法”和“B方法”兩個變量分別放入Row(s)框和Column(s)框中(無位置要求)。

(2) Statistics設置：勾選McNemar和Kappa→Continue

(3) Cells設置：Counts中勾選Observed，輸出實際觀測頻數;Percentages勾選Row和Column，輸出行和列占比→Continue→OK

四、結果解讀

表1 統計描述

表2 配對χ2檢驗

表3 Kappa一致性檢驗

表2中SPSS給出了McNemer檢驗的結果，P=0.022<0.05，提示兩種方法診斷情況并不一致;表3中Kappa=0.506，P<0.001，提示兩種方法診斷結果存在一致性，但是Kappa在0.4~0.75范圍內，一致性一般。

五、撰寫結論

A方法和B方法診斷結果一致性一般(Kappa=0.506，P<0.001); B診斷陽性率為67.9%，明顯高于A診斷(50.9%)，且差別具有統計學意義(P=0.022)。cda數據分析師培訓

PS: R*C配對列聯表的χ2檢驗應用Bowker檢驗，SPSS的具體操作方法同McNemar檢驗。

總結

以上是生活随笔為你收集整理的标准一致性检验Kappa值_kappa检验与配对卡方检验的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。