原標題：SPSS教程：分層卡方檢驗(CMH檢驗)

提到卡方檢驗，相信很多小伙伴一定會覺得這還不簡單，不就是率的比較嘛，只要是看到分類變量，就直接用卡方檢驗，拿SPSS兩三下算出結果，得出P<0.05，然后心里還美美的，順便玩一把王者農藥犒勞一下自己。

不過，當你努力打著排位賽，試著提升自己段位時，倒不如花一點時間，跟著小咖一起學習一點有趣的統計知識，讓自己在統計學的大坑里，也能夠不斷掌握經驗，提升等級，相信也會是一個還不錯的選擇。

分層分析是一種常用的控制混雜因素的方法，它將數據資料根據混雜因素進行分層，然后計算各層內的OR值：如果層間OR值不一致，則說明分層因素可能存在混雜作用，需要分開報告OR值；如果層間OR值同質，則可以將OR值進行合并，從而計算調整后的OR值。

那么，如何判斷層間OR值是否一致呢？是否有相關的統計學方法來進行檢驗呢？如果層間OR值同質，又該如何計算合并的OR值呢？這個時候，卡方檢驗家族就要派“分層卡方檢驗”上場了，本期內容就來向大家進行詳細介紹。

分層卡方檢驗

分層卡方檢驗，也稱為Cochran-Mantel-Haenszel檢驗(CMH檢驗)，它主要用于上述的分層分析中，也就是在研究暴露/處理因素和結局事件關聯性的基礎上，考慮了分層因素的混雜作用。

CMH檢驗通過對分層因素進行控制，從而考察調整之后暴露/處理因素與結局事件之間的關聯性。實際上CMH檢驗，已經不再是單純的單因素分析，而是已經開始融入了多因素分析的思維模式，應該算作為一種最為簡單的多因素分析方法。

研究實例

舉一個例子吧，小咖同學擬探討吸煙對某疾病發生風險的影響，共納入了350名研究對象，并記錄了他們的疾病狀態、吸煙、性別等信息。

小咖首先對吸煙因素和疾病之間的關聯性進行了卡方檢驗，其結果顯示Pearson χ2=3.607，P=0.058，OR=1.701，95% CI為0.980-2.953，無統計學顯著性，可認為吸煙對于該疾病的發生風險并無影響。

(想知道如何計算OR值？請查看：SPSS詳細教程：OR值的計算)

沒有得出陽性結果的小咖很不開心，但小咖發現卡方檢驗的P值已經很接近0.05了，而且OR>1，傾向于認為吸煙是一個危險因素。于是小咖又重新對數據進行了一番審查，結果發現在男性和女性中，吸煙人群所占的比例存在著較大的差異，其中男性吸煙者為49.6%，女性吸煙者為18.4%，兩組相比差異具有統計學顯著性(P<0.001)。

小咖判斷，性別可能為一個混雜因素，影響了初步分析時吸煙對該疾病的整體效應，因此小咖決定把性別作為一個分層因素，采用分層卡方檢驗，來分析不同性別分層下，吸煙因素對于該疾病發生風險的影響。

SPSS操作

點擊Deive Statistics → Crosstabs

在Crosstabs對話框中，將Disease選入行變量Row(s)框中，將Smoke選入列變量Column(s)框中，將分層因素Gender選入Layer框中作為分層依據。

如果需要同時控制多個分層因素時，可以點擊Next，將下一個分層因素選入框中，SPSS允許最多設置8層。

點擊Statistics，勾選Chi-square、Risk和Cochran’s and Mantel-Haenszel statistics，點擊Continue返回，點擊OK完成操作。

結果解讀

1. 在Chi-square Tests卡方檢驗的表中，分別給出了男性(Male)、女性(Female)和總體人群卡方檢驗的結果。

對于男性，Pearson χ2=8.433，P=0.004，OR=2.769，95% CI為1.368 - 5.607，有統計學顯著性，提示在男性中，吸煙是該疾病的一個危險因素。

對于女性，Pearson χ2=0.966，P=0.326，OR=0.463，95% CI為0.097-2.214，無統計學顯著性，提示在女性中，吸煙對該疾病的發生沒有影響。

2. Test of Homogeneity of Odds Ratio，即對不同分層下OR值是否一致進行檢驗，也稱為OR值同質性檢驗。表格中輸出了兩種同質性檢驗方法的統計量及其檢驗結果，Breslow-Day方法 χ2=4.624，P=0.032，Tarone's 方法 χ2=4.617，P=0.032。兩種方法都顯示P<0.05，提示按照性別分層后，層間的OR值存在著一定的異質性。

3. Tests of Conditional Independence，即分層卡方檢驗的結果，其行變量和列變量分別為疾病和暴露因素，其假設檢驗為“病例組和對照組的暴露因素的比例是否有差異”。

表格中輸出了兩種方法的統計量，Cochran’s 方法 χ2=4.599，P=0.032，Mantel-Haenszel 方法 χ2=3.960，P=0.047，前者是后者的改進，兩種方法都顯示 P<0.05，提示在考慮了性別的分層因素影響后，吸煙因素與該疾病的發生風險有關。注意，此時卡方值的大小只能推斷有無關聯，但并不能表示關聯的程度。

4. Mantel-Haenszel Common Odds Ratio Estimate，即估計的合并OR值，是在上述Test of Homogeneity of Odds Ratio結果認為各層OR值同質的前提下，進一步去估算其合并的關聯強度，SPSS使用Woolf法去檢驗OR值有無統計學顯著性，其假設檢驗應該為“OR值是否等于1”。

本例結果顯示，在控制了性別分層因素的影響后，吸煙因素對于該疾病的發生風險是一個危險因素，其合并OR=1.935，95% CI為1.065-3.519，Woolf法計算的P值為0.030。

但是，需要注意的是，在本例中，Test of Homogeneity of Odds Ratio的結果顯示層間OR值存在一定異質性，因此此時不宜合并OR值，建議分層報告；若層間OR值一致，則可以報告最后合并的OR值。

撰寫結論

1. 若層間OR值不同質，則分層報告結果，結果描述如下：

Test of Homogeneity of Odds Ratio結果顯示P<0.05，提示層間的OR值具有異質性，此時不宜合并OR值。因此在按照性別進行分層后，在男性中，吸煙是該疾病發生的一個危險因素，OR=2.769，95% CI為1.368-5.607，P=0.004，即吸煙者該疾病的發生風險為非吸煙者的2.769倍；而在女性中，吸煙對該疾病的發生沒有影響，OR=0.463，95% CI為0.097-2.214，P=0.326。

2. 若層間OR值同質，則結果描述如下：(本例研究不適用于此種情況，此處僅為舉例說明)

Test of Homogeneity of Odds Ratio結果提示層間的OR值具有同質性(P>0.05)，因此在控制了性別分層因素的影響后，吸煙因素對于該疾病的發生是一個危險因素，其合并OR=1.935，95% CI為1.065-3.519，P=0.047。

注意：對于前述“3. 分層卡方檢驗結果”和“4. 基于Mantel-Haenszel方法估算的OR值的檢驗結果”，兩者的P值在結論上應該是保持一致的。

根據《醫學統計學》(孫振球主編)教科書上的介紹，分層分析OR值可采用Mantel-Haenszel方法進行估計，并用Mantel-Haenszel卡方檢驗的χ2統計量直接對OR值進行假設檢驗，同時采用Miettinen法計算OR值的95%可信區間，因此此處可報告Mantel-Haenszel卡方檢驗的P值0.047。

而SPSS采用的是Woolf法計算OR值的95%可信區間，并對其進行檢驗，此時P=0.030。由于兩者計算方法不同，因此P值的大小稍有差異，但其結論是一致的。

(更多內容可關注“醫咖會”微信公眾號：傳播醫學知識和研究進展，探討臨床研究方法學。)返回搜狐，查看更多

責任編輯：

總結

以上是生活随笔為你收集整理的spssχ2检验_SPSS教程：分层卡方检验（CMH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。