原标题： SPSS教程：分层卡片检查(CMH检查) ) ) ) ) ) ) )。
说起卡方检定，很多朋友一定会觉得这还不简单。 不是比率的比较吗？ 只看分类变量，直接进行卡方检验，取SPSS、3次计算结果，出P0.05后心尚美。 顺便用王者农药犒劳自己。
但是，我相信drdqt在努力进行排名赛，试着提高自己的段位时，倒不如花点时间，和咖啡馆一起学习一些有趣的统计知识，让自己在统计学的大坑里也能掌握经验，提高等级，这也是一个不错的选择。
层次分析是一种常用的拥塞因素控制方法，根据拥塞因素对数据资料进行层次化，计算各层内的OR值。 如果层间OR值不一致，则表明层次要素可能存在拥挤作用，需要分别报告OR值。 如果层间OR值同质，则可以综合OR值，计算调整后的OR值。
那么，如何判断层间OR值是否一致呢？ 有相关的统计学方法吗？ 如果层间OR值同质，该如何计算综合的OR值呢？ 此时，卡侧检查家族派遣“分层卡侧检查”登场。 这次的内容将向大家详细介绍。
分层卡片检查
分层卡方检验又称Cochran-Mantel-Haenszel检验(CMH检验)，主要用于上述分层分析，即在研究暴露/处理因素与结局事件相关性的基础上，考虑分层因素的混杂作用。
CMH检测通过控制分层因素，考察调整后暴露/处理因素与最终事件的相关性。 事实上，CMH检测已不再是单纯的单因素分析，而开始采用多因素分析的思维模式，应视为最简单的多因素分析方法。
调查实例
举个例子吧。 咖啡馆的学生打算探讨吸烟对某些疾病发生风险的影响。 召集了350名研究对象，记录了疾病的状态、吸烟、性别等信息。
咖啡馆首先对吸烟因子与疾病的相关性进行卡方检验，结果皮尔逊2=3.607、P=0.058、or=1.701、95%ci为0.980-2.953，无统计学意义，吸烟对该疾病的发生风险
(想知道OR值的计算方法吗？ SPSS高级教程：请参阅计算OR值)
虽然没有出现阳性结果的咖啡馆很不开心，但咖啡馆发现卡方检测的p值接近0.05。 另外，OR1倾向于将吸烟视为危险因素。 于是咖啡馆再次复查数据后发现，男性和女性吸烟者所占比例差异较大，其中男性吸烟者为49.6%，女性吸烟者为18.4%，与两组相比有统计学意义。
咖啡馆认为，性别可能是混合因素，初步分析时影响了吸烟对该病的整体效果。 因此咖啡馆决定将性别作为一个层次因素，采用分层卡片检查，分析不同性别层次下吸烟因素对该病发生风险的影响。
SPSS操作
单击Deive Statistics Crosstabs
在Crosstabs对话框中，在行变量row (在s框中选择Disease，在列变量Column(s (在s框中选择Smoke，在层框中选择分层因子生成器作为分层依据)。
如果需要同时控制多个层次结构元素，可以单击" Next "在框中选择以下层次结构元素： SPSS最多可设置8层。
单击Statistics，选中Chi-square、Risk和cochran’sandman tel-haenszel statistics，单击Continue返回，然后单击OK完成操作
解读结果
Chi-square Tests卡方检查表中分别显示了男性(Male )、女性)和总体卡方检查的结果。
男性情况皮尔逊2=8.433，P=0.004，or=2.769，95 % ci为1.368 - 5.607，具有统计学意义，提示男性吸烟是该病的危险因素之一。
女性人群皮尔逊2=0.966，P=0.326，or=0.463，95 % ci为0.097-2.214，无统计学意义，提示女性吸烟不影响该病的发生。
2 .测试of homogeneity of odds ratio，即在不同层次上检查OR值是否一致也称为OR值同质性检查。 表中给出了两种同质性检验方法的统计量及其检验结果： Breslow-Day方法2=4.624、P=0.032、Tarone's方法2=4.617、P=0.032。 两种方法均表现为P0.05，提示按性别分层后层间OR值存在一定异质性。
3.testsofconditionalindependence，即分层卡方检验结果显示，其行变量和列变量分别为疾病和暴露因子，其假设检验为“病例组与对照组暴露因子比例是否存在差异”。
er">表格中输出了两种方法的统计量，Cochran’s 方法 χ2=4.599，P=0.032，Mantel-Haenszel 方法 χ2=3.960，P=0.047，前者是后者的改进，两种方法都显示 P<0.05，提示在考虑了性别的分层因素影响后，吸烟因素与该疾病的发生风险有关。注意，此时卡方值的大小只能推断有无关联，但并不能表示关联的程度。
4. Mantel-Haenszel Common Odds Ratio Estimate，即估计的合并OR值，是在上述Test of Homogeneity of Odds Ratio结果认为各层OR值同质的前提下，进一步去估算其合并的关联强度，SPSS使用Woolf法去检验OR值有无统计学显著性，其假设检验应该为“OR值是否等于1”。
本例结果显示，在控制了性别分层因素的影响后，吸烟因素对于该疾病的发生风险是一个危险因素，其合并OR=1.935，95% CI为1.065-3.519，Woolf法计算的P值为0.030。
但是，需要注意的是，在本例中，Test of Homogeneity of Odds Ratio的结果显示层间OR值存在一定异质性，因此此时不宜合并OR值，建议分层报告；若层间OR值一致，则可以报告最后合并的OR值。
撰写结论
1. 若层间OR值不同质，则分层报告结果，结果描述如下：
Test of Homogeneity of Odds Ratio结果显示P<0.05，提示层间的OR值具有异质性，此时不宜合并OR值。因此在按照性别进行分层后，在男性中，吸烟是该疾病发生的一个危险因素，OR=2.769，95% CI为1.368-5.607，P=0.004，即吸烟者该疾病的发生风险为非吸烟者的2.769倍；而在女性中，吸烟对该疾病的发生没有影响，OR=0.463，95% CI为0.097-2.214，P=0.326。
2. 若层间OR值同质，则结果描述如下：(本例研究不适用于此种情况，此处仅为举例说明)
Test of Homogeneity of Odds Ratio结果提示层间的OR值具有同质性(P>0.05)，因此在控制了性别分层因素的影响后，吸烟因素对于该疾病的发生是一个危险因素，其合并OR=1.935，95% CI为1.065-3.519，P=0.047。
注意：对于前述“3. 分层卡方检验结果”和“4. 基于Mantel-Haenszel方法估算的OR值的检验结果”，两者的P值在结论上应该是保持一致的。
根据《医学统计学》(asjdmj主编)教科书上的介绍，分层分析OR值可采用Mantel-Haenszel方法进行估计，并用Mantel-Haenszel卡方检验的χ2统计量直接对OR值进行假设检验，同时采用Miettinen法计算OR值的95%可信区间，因此此处可报告Mantel-Haenszel卡方检验的P值0.047。
而SPSS采用的是Woolf法计算OR值的95%可信区间，并对其进行检验，此时P=0.030。由于两者计算方法不同，因此P值的大小稍有差异，但其结论是一致的。
(更多内容可关注“医咖会”微信公众号：传播医学知识和研究进展，探讨临床研究方法学。)返回搜狐，查看更多
责任编辑：