Chi square test(卡方检验)是用于评价两类变量之间是否存在相关性的统计检验方法。
医疗研究会产生大量不同类型的数据,最容易识别的是定量的数据。例如,直腿抬高 (SLR) 的受试者能够将腿抬高大于 0 度,这让我们可以计算两组的平均 SLR,并进行 t 检验。但并不是所有的数据都有这种定量特性。
例如,我们可能对两种治疗后患者的主观改善感兴趣(只使用“是”或“否”回答),而不是测量个体的 SLR。我们能够计算每组的平均改善程度,并做 t 检验吗?答案是否。处理这类数据最为常用的分析方法是 Chi Square 相关性检验。下面是最简单的一个例子。
坐骨神经痛的患者被分成两组,分别使用推拿(SMT)和电牵引(IMT)的方法进行了治疗,治疗的分组情况和病人反馈如下:
在这个例子中,我们的观测值是分类的而非定量的,所以我们应当关注比例而非均值。
注意: p 1 + p 2 = q 1 + q 2 = 1 p_1+p_2=q_1+q_2=1 p1+p2=q1+q2=1.
我们感兴趣的统计假设总是无事发生(0 假设)。拓展到这个例子就是,