04.2.1 应用的基本条件与示例
多组独立卡方检验（通常指无序 R × C 交叉表卡方）的核心用于推断多个独立总体的构成比（或率）是否存在差异。
A. 必须满足的基本条件：
观测独立性：每个受试者只能归属于交叉表中的一个格子（不能重复计数）。
变量属性：行变量和列变量均为无序分类变量（如果是等级资料，通常不适用此方法）。
理论频数的限制（最关键的量化条件）：
总样本量 N ≥40。
整个交叉表中，理论频数（Expected Count） T< 5 的格子（Cell）比例不能超过 20%。
绝不能有任何一个格子的理论频数 T< 1。
B. 满足条件的正面示例：
研究背景：某骨科科研团队想评估三种不同的生物材料（A、B、C 三种水凝胶支架）对大鼠骨缺损修复的质量（分为：纤维性修复、骨性软骨修复、完全骨性修复，均为无序分类）。
数据情况：总共投入60只大鼠，每组20只。实验结束后，各格子的大鼠实际数量（实际频数）分布均匀，经计算后没有一个格子的理论频数T< 5。
判定：完全满足多组独立卡方条件，且T均≥5。
C. 不满足条件的负面示例（临床常见坑）：
研究背景：对比四种靶向药物（药物 1、2、3、4）在某种罕见胃癌治疗中发生严重不良反应（皮肤毒性、血液毒性、肝毒性、肾毒性）的分布差异。
数据情况：因为是罕见病，总样本量只有40例。进入 R×C 交叉表后，大量的格子实际观察数和理论频数都变成了 <5。
为什么不满足：
总样本量 N = 40，处于临界值，单纯这一项可包容。
超过 50% 的格子理论频数 T< 5。
不满足时的纠正策略：不能直接做R×C 卡方。SPSS 中应当改用 Fisher 精确检验（多组扩展版，基于 Monte Carlo 模拟或确切概率），或者根据临床实际情况将发生率极低的组别进行合并或删减。
04.2.2 核心概念深度剖析：理论频数（Expected Count）
A. 定义
理论频数是指：在完全承认“无效假设（H_0：各组间没有差异，两变量完全独立）”的前提下，根据行、列的总合计人数，理论上按比例分配到交叉表各个格子里的期望数值。
B. 生物学与统计学意义
卡方检验的本质是看“实际观测值（Observed, O）”与“理论期望值（Expected, E）”之间的偏离程度。
如果每个格子的实际人数和理论人数高度接近，说明实际结果符合“无差异”的假设，卡方值极小，P值很大。
如果某些格子实际人数远超或远低于理论人数，说明“无差异”的假设站不住脚，卡方值变大，P值趋于 < 0.05。
C. 计算方式
不需要死记硬背公式，其核心逻辑是“概率乘法原理”：
| 入路 | 未融合 | 部分融合 | 完全融合 | 合计 |
|---|---|---|---|---|
| 前路组 | 实际值 (O): 4 理论值 (T): (40×13)/90≈5.78 | 实际值 (O): 12 理论值 (T): (40×28)/90≈12.44 | 实际值 (O): 24 理论值 (T): (40×49)/90≈21.78 | 40 |
| 后路组 | 实际值 (O): 7 理论值 (T): (20×13)/90≈2.89 | 实际值 (O): 10 理论值 (T): (20×28)/90≈6.22 | 实际值 (O): 3 理论值 (T): (20×49)/90≈10.89 | 20 |
| 联合组 | 实际值 (O): 2 理论值 (T): (30×13)/90≈4.33 | 实际值 (O): 6 理论值 (T): (30×28)/90≈9.33 | 实际值 (O): 22 理论值 (T): (30×49)/90≈16.33 | 30 |
| 合计 | 13 | 28 | 49 | 90 |
软件生态与便捷性评估
04.2.3 案例数据与 SPSS 演示实战
A 示例收满与数据录入：
“三种不同手术入路（前路、后路、联合入路）对复杂腰椎骨折患者植骨融合效果（未融合、部分融合、完全融合）的影响”。
原始数据在 SPSS 中呈“一人一行”排列（共 90 行，这里简写展示）
B SPSS 详细操作流程
“三种不同手术入路（前路、后路、联合入路）对复杂腰椎骨折患者植骨融合效果（未融合、部分融合、完全融合）的影响”。
原始数据在 SPSS 中呈“一人一行”排列（共 90 行，这里简写展示）
第一步：数据检查与导入
打开 SPSS，确保变量视图中 Group 和 Outcome 的测量类型（Measure）均设置为名义（Nominal，无序分类）。
第二步：进入核心模块
点击顶部菜单：分析 (Analyze) ──► 描述统计 (Descriptive Statistics) ──► 交叉表 (Crosstabs...)。
第三步：变量布局
将 手术入路 [Group] 选入 行 (Row) 框中。
将 融合效果 [Outcome] 选入 列 (Column) 框中。
第四步：勾选关键统计量与条件检查
点击右侧 “统计 (Statistics...)” 按钮：勾选 卡方 (Chi-square)。点击继续。
点击右侧 “单元格 (Cells...)” 按钮（用于检查理论频数是否达标）：
在“计数 (Counts)”中，同时勾选 实测值 (Observed) 和 预测值/理论值 (Expected)。
(可选) 在“百分比 (Percentages)”中勾选 行 (Row)，方便查看构成比。点击继续。
在“交叉表”主弹窗的右侧，点击最上方的 “精确 (Exact...)” 按钮，选择Monte Carlo（默认是Asymptotic only）。
第五步：运行与结果判读
点击 确定 (OK)，SPSS 将输出两个核心表格。
1. 交叉表（检查基本条件是否满足）：
注意看输出的表格，每个格子都会有两行字：Count（实际人数）和 Expected Count（理论人数）。
检查所有格子的 Expected Count，看看有没有 < 5 的。
本组病例为3×3交叉表，当中共有9个格子，其中两个是小于5的，超过了20%。最标准的是使用Fisher检验的结果
第六步：事后两两比较
第一种方法：同样进入菜单：分析 ──► 描述统计 ──► 交叉表。
点击右侧的 “单元格 (Cells...)” 按钮。
在弹出的窗口中，找到 “百分比 (Percentages)” 区域，勾选 行 (Row)（这样能看到每组的融合率构成比）。
【核心步骤】 找到 “列比例 (Compare column proportions)” 区域：
勾选 比较列比例 (Compare column proportions)。
勾选 调整 p 值 (Bonferroni 法) (Adjust p-values (Bonferroni method))。
点击继续，然后点击确定运行。
第二种方法：自己计算一下矫正后的阿拉法。进行两两比较，取校正后的P值
如果有三个组，m=3*（3-1）/2=3，那么α'=α/3
因为 3 个组一共比了 3 次，所以名义显著性水准 alpha 需要被“割”三刀