常见的情况是结果变量有序，而原因变量无序。比如要比较AB两种药物的治疗效果，药物分组（AB）是无序的，而结果变量是有序的（无效，显效，治愈），可以整理成如下的表格：

可以选择的统计方法主要有：

1、Mann–WhitneyU 检验

基于卡方分布，H0为两组总体分布一致，SPSS中“分析->非参数检验->独立样本”中可实现。

注意：在SPSS中，如果是整理成了列联表资料，需要用频数进行数据加权。变量编码为：①药物（名义）：A=1，B=2，②疗效（度量）：无效=1，有效=2，治愈=3，③频数（度量）。

2、Kruskal-Wallis H检验：

用于分组数大于2的情况，比如要比较3种或以上药物的疗效。实现方法与Mann–WhitneyU类似。

注意：当行变量为有序时，通常当作无序处理。但若行变量为有序，列变量为二分类率时，根据研究目的，也可以选择趋势性卡方检验。

三、双向有序列联表

1、行、列变量有序但属性不同

比如这个例子：要比较某种药物对某种疾病的治疗效果，按年龄段的分组，要考察治疗效果是否与年龄段相关，整理成下表：

行、列都是有序的，这是我们主要关心的：行列变量之间是否有相关性，如果有相关性，是线性相关还是曲线关系。可以选择的方法如下：

（1）Spearman等级相关：

检验有无相关性，基于卡方检验，在SPSS中“分析->相关->双样本”中可实现。

（2）线性趋势卡方检验：

检验有无线性关系，基于卡方检验，SPSS“分析->交叉表”卡方结果表格中的“线性和线性组合”就是。

2、行列有序且属性相同

（1）行列变量独立

通常是为了检验一致性。比如用两台仪器对同一样本进行检验，结果分为阴性、阳性，现在要比较两台仪器的结果是否据有一致性。整理成下表：

常用的方法为：

Kappa一致性检验：

H0为行列变量无一致性。在SPSS中“分析->描述性统计->交叉表”中可实现。

（2）配对行列表

行列变量为配对资料，比如有某种药物可以缓解某种疾病的某种症状，在同一个患者身上比较用药前后的症状，评价药物的资料效果，列成下表：

可以选用的统计方法：

（1）McNemar检验：

仅用于2×2列联表。基于卡方分布。在SPSS中“分析->描述性统计->交叉表”中可实现。本检验与Pearson卡方检验具有同一性，使用条件必须满足Pearson卡方检验的条件。如果条件不能满足，需要进行Yate校正。

（2）Bowker检验：

是McNemar检验的扩展，用于分类数目大于2的配对列联表分析。在SPSS中“分析->描述性统计->交叉表”中可实现。 SPSS中依然选择的是Mcnemar，结果输出的是Mcnemar-Bowker结果。

松哥统计说

说了这么多，肯定有人问，松哥“到底何为行变量、何为列变量呢”，设置原则一般为：实验设计三要素中的干预因素为行变量，实验效应指标为列变量，何为实验设计三要素，请查阅公众号（data973）相关内容。OK，今天聊到这里，赠人玫瑰，手留余香，分享就是对我们的最大支持！！

精鼎原创，欢迎转发，未经允许，谢绝转载！

SPSS系列文章列表【2】

【若对您有用，请也帮助松哥分享！】

---------------------------------------------------返回搜狐，查看更多