九色国产,午夜在线视频,新黄色网址,九九色综合,天天做夜夜做久久做狠狠,天天躁夜夜躁狠狠躁2021a,久久不卡一区二区三区

某研究者想要觀察戒煙干預的效果，招募了50名研究對象，其中吸煙者和不吸煙者各25名。所有研究對象均觀看吸煙導致癌癥的視頻。兩周后，研究者詢問研究對象是否還在吸煙。

研究者收集了所有研究對象的干預前吸煙狀態(tài)（before）和干預后吸煙狀態(tài)（after）。兩個變量均為二分類變量，即不吸煙與吸煙（分別賦值為1和2），部分數(shù)據(jù)如下圖。

其中，Individual scores for each paticipant列出了每一個研究對象的情況，而Total count data (frequencies)則是對相同情況研究對象的數(shù)據(jù)進行了匯總。

研究者想了解同一人群干預前后的吸煙狀態(tài)，且吸煙狀態(tài)為二分類變量。針對這種情況，可以使用McNemar’s檢驗，但需要先滿足2項假設(shè)。

假設(shè)1：變量為二分類，且兩類之間互斥。

假設(shè)2：所有研究對象均有前后兩次測量數(shù)據(jù)。

這2項假設(shè)均與研究設(shè)計和數(shù)據(jù)類型有關(guān)。

1. 數(shù)據(jù)加權(quán)

如果數(shù)據(jù)是匯總格式（如上圖中的Total count data），則在進行卡方檢驗之前，需要先對數(shù)據(jù)加權(quán)。如果數(shù)據(jù)是個案格式（如上圖中的Individual scores for each paticipant），則可以跳過“數(shù)據(jù)加權(quán)”步驟，直接進行SPSS操作。

數(shù)據(jù)加權(quán)的步驟如下：

在主界面點擊Data→Weight Cases，彈出Weight Cases對話框后，點擊Weight cases by，激活Frequency Variable窗口。將freq變量放入Frequency Variable欄，點擊OK。

2. McNemar’s檢驗

在主界面點擊Analyze→Nonparametric Tests→Related Samples。出現(xiàn)Nonparametric Tests：Two or More Related Samples對話框。確認在What is your objective?區(qū)域勾選了Automatically compare observed data to hypothesized。

點擊Fields，將變量Before和After選入Test Fields：框。（如果使用的數(shù)據(jù)是Total count data的形式，則Fields中還有變量freq，但其余操作都相同）。

點擊Settings，選擇Customize tests并勾選Test for Change in Binary Data區(qū)域的McNemar’s test (2 samples)，點擊Run。

1. 統(tǒng)計描述

McNemar’s檢驗的最終檢驗結(jié)果如下圖：

雙擊Hypothesis Test Summary，啟動Model Viewer窗口。

右側(cè)出現(xiàn)Related-Samples McNemar Change Test，下方的表則包含多個統(tǒng)計量，首先查看Related-Samples McNemar Change Test。

研究者可以觀察到只有條形圖的格子，沒有觀測數(shù)和期望數(shù)，將鼠標移到條形圖區(qū)域即可顯示觀測數(shù)和期望數(shù)。

報告McNemar檢驗結(jié)果前，研究者需要了解數(shù)據(jù)才能更好地解讀。其中最重要的就是分別匯報干預前吸煙者在干預后繼續(xù)吸煙和戒煙的比例。研究者在進行McNemar檢驗前可以計算這些比例，也可以利用Related-Samples McNemar Change Test計算。

50例研究對象中25例為不吸煙者，即干預前不吸煙者的比例為50% (25 ÷ 50 = 50%)。干預后，50例研究對象中有36例不吸煙，因此不吸煙者的比例上升至72% (36 ÷ 50 = 72%)。除此之外，還應該報告干預前后吸煙狀態(tài)發(fā)生改變的研究對象。

該圖的左下角格子表示，有16例研究對象干預前吸煙，干預后戒煙。右上角格子表示， 5例研究對象干預前不吸煙，干預后開始吸煙。

因此，研究者應該匯報：本研究招募了50例研究對象參與有關(guān)戒煙的干預試驗，其中吸煙者和不吸煙者各占50%。干預后，不吸煙者比例增加到72%，吸煙者比例降低至28%。16例吸煙者在干預后戒煙，另有5例不吸煙者在干預后開始吸煙。

2. McNemar檢驗結(jié)果

將前述的“Model Viewer”中的檢驗結(jié)果，整理后如下圖：

Hypothesis Test Summary表的注釋1說明了根據(jù)二項式分布用精確法得到P值?？梢钥吹?，Hypothesis Test Summary表“Sig.”一列的值，與右側(cè)表中的“Exact Sig. (2-sided test)”的值相等。

McNemar檢驗的P值可以根據(jù)二項分布得出精確P值，也可通過卡方分布（自由度為1）得出近似P值。如果圖中左下和右上背景標黃的格子中研究對象總數(shù)小于等于25時，采用精確法計算。

從上圖中可以看到兩個格子相加的觀測數(shù)為21（16+5=21），小于25，因此本例中根據(jù)二項分布計算精確P值。

輸出結(jié)果的表格中，“Exact Sig. (2-sided test)”一行的P值為0.027，“Asymptotic Sig. (2-sided test)”一行的近似P值為0.029。（如果左下和右上格子相加的觀測數(shù)大于25，不展示精確P值，只展示近似P值，此時Hypothesis Test Summary表中結(jié)果也是近似P值）。

不管SPSS給出精確P值還是近似P值，判斷假設(shè)檢驗的方法仍然相同。如果P值小于0.05，McNemar檢驗有統(tǒng)計學意義，即干預前和干預后不吸煙者的比例有統(tǒng)計學差異。

如果得到的是根據(jù)二項分布計算McNemar檢驗的精確P值（即本例中的情況），則匯報：

本研究招募了50例研究對象參與有關(guān)戒煙的干預試驗，其中吸煙者和不吸煙者各占50%。干預后，不吸煙者比例增加到72%（36例），吸煙者比例降低至28%（14例）。16例吸煙者在干預后戒煙，另有5例不吸煙者在干預后開始吸煙。采用McNemar精確檢驗發(fā)現(xiàn)，干預前后不吸煙者比例的差異有統(tǒng)計學意義，P=0.027。

如果得到的是根據(jù)卡方分布計算McNemar檢驗的近似P值（非本例情況），則匯報：

本研究招募了50例研究對象參與有關(guān)戒煙的干預試驗，其中吸煙者和不吸煙者各占50%。干預后，不吸煙者比例增加到72%（36例），吸煙者比例降低至28%（14例）。16例吸煙者在干預后戒煙，另有5例不吸煙者在干預后開始吸煙。采用校正卡方檢驗發(fā)現(xiàn)，干預前后不吸煙者比例的差異有統(tǒng)計學意義，P=0.027。

關(guān)注醫(yī)咖會，輕松學習統(tǒng)計學~

快加小咖個人微信（xys2016ykf），拉你進統(tǒng)計討論群和眾多熱愛研究的小伙伴們一起交流學習。如果想進群，添加小咖時請注明“加群”二字。