第1个回答 2010-12-02
如果按照你叙述的来看，其实是按照“teng792511223 |”这位说的去做，只不过在SPSS输入数据的时候，不需要按照他说的那样，只需要设计三个变量，第一个变量输入：1 1 2 2；第二个变量输入：1 2 1 2；第三个变量输入：201 262 169 294。输入完，按照他说的步骤，可以得到他说的同样的结果，得到的结果说明预测与实际的发症人数有显著差异。
但是我仔细想了下，你书上说的思路可能不是上面那种想法。只是看预测并发症人数169与实际并发症人数201有没有显著差异。这种思路在SPSS里面通过分析（analyze）——非参数检验（nonparametic tests）——卡方检验（CHi-square）。设置一个变量叫并发症人数，输入169 和201，再在菜单栏数据（data）——加权（weight cases），将这个变量选择进去，再按照我上面说的非参数检验步骤，将那个变量输入进去，点击OK，得到的卡方值为2.768，P值为0.096。你再确认下，书上的P值是多少，但是我个人更觉得上面那种思路才更合理点，也可能我不知道书上的题目意思。
第2个回答 2010-12-07
教科书上的答案是错误的（如果你没有看错的话）！你按我的步骤做就可以了，保证正确。
1、数据录入
例数 并发症
262 0（输入“否”作为标签）
201 1（输入“是”作为标签）
2、加权：Data——Weight Cases，选择Weight cases by后，将“例数”选入后点击OK
3、分析：Analyze——Nonparametic Tests——Chi-Square，将“并发症”作为测试变量（Test Variable）。在这里，不能使用程序默认的期望值（因为程序默认并发症出现与否的例数相等，均为463/2=231.5例），必需自己定义期望值。在Expected Values项下选择Values，然后输入294，点击Add；再输入169，点击Add。注意这两个数字的输入顺序不能颠倒！最后，点击主对话框的OK按钮就可以得到以下结果。
并发症
Observed N Expected N Residual
否 262 294.0 -32.0
是 201 169.0 32.0
Total 463
Test Statistics
并发症
Chi-Square 9.542
df 1
Asymp. Sig. .002
因此，并发症的实际发生率明显高于预期（Chi-Square=9.542，P=0.002）。
这里最关键的地方是会不会自定义期望值。
你的题目也可以使用Analyze——Nonparametic Tests——Binomial Test，结果如下：
Binomial Test
Category N Observed Prop. Test Prop. Asymp. Sig. (1-tailed)
Group 1 否 262 .566 .635 .001
Group 2 是 201 .434
Total 463 1.000
同样表明并发症的实际发生率明显高于预期（P=0.001，注意这里报告的是单侧概率值）。这两个方法得出的结果是一致的。
第3个回答 2010-12-02
首先，我不是很清楚你的预测值是怎么来的，根据我的理解，你这个问题实际上是样本频率（201/463）和总体概率之间是否有统计学差异的比较（169/463 个人认为你的预测并发症人数是根据参考文献之类所提供的某种手术方式并发症发生的概率而求出的），所以不应该用卡方检验。可以利用二项分布的原理（应用条件满足，不做讨论），计算出当并发症发生概率为0.365(169/463)时，出现并发症人数为201的概率p，然后用p和你所设定的检验水准进行比较（常为0.05）从而判断是否用统计学意义。
spss：transform→compute→Tabel Variable，输入p；Numberic Expression，Function group，PDF&noncentral PDF ，PDF.BINOM(k,403,0.365)→OK 其中k=201 在data view 中输入。
得出P=1.2437329779652692E-8<0.05 故差异有统计学意义。
我看了后面两个人的回答以后，我有个疑问，这种资料类型适合做卡方么？不觉得用卡方很牵强么。我要强调的还是该手术方式的预测并发症值到底是怎么来的，一般预测值都是根据一个比较公认的概率（同种手术方式）求出来的，该概率一般可认为是总体的概率，在这种情况下，该题就是比较样本的频率和总体的概率是否有差异，不是很适合做卡方。
但如果你的并发症预测值是根据另外一种手术方式的并发症求出来的，那倒是可以进行卡方检验。所以，你最好把原题直接给出。