Survival Manual for Statistical Analysis
(통계분석 생존지침서)


by Byung Gil Choi, MD, PhD.
SPSS in r x c table
Pearson's chi-square test (Pearson 카이제곱검정, Chi-square test for independence)
개념
r x c 표 A군 B군 C군
요인a ... ... ...
요인b ... ... ...
요인c ... ... ...
요인d ... ... ...
r x c table로 구성된 비연속 변수간의 독립성 즉 유의한 차이가 있는지에 대한 분석을 하고자 하는 경우
예제
Hospital Total
A
(1)
B
(2)
C
(3)
US Liver Cirrhosis
(1)
17
(1)(1)
14
(2)(1)
22
(3)(1)
53
Fatty Liver
(2)
24
(1)(2)
9
(2)(2)
12
(3)(2)
45
Normal Liver
(3)
10
(1)(3)
7
(2)(3)
8
(3)(3)
25
Total 51 30 42 123
A, B, C 병원간에 초음파 검사에서 간질환의 양상이 유의한 차이가 있는가?

Hospital (A = 1, B = 2, C = 3)

US (Liver Cirrhosis = 1, Fatty Liver = 2, Normal Liver = 3)

DownLoad chi_square_test_rxc.sav
DownLoad chi_square_test_2x2_weight.sav
방법
1-1. Data 입력 (무모한 방법)

총 123개의 자료를 입력한다.

즉,

(1)(1) 17번
(1)(2) 24번
(1)(3) 10번
(2)(1) 14번
(2)(2) 9번
(2)(3) 7번
(3)(1) 22번
(3)(2) 12번
(3)(3) 8번


1-2. Data 입력 (현명한 방법)

[MENU]-[Data]-[Weight Cases]

[Weight cases by]를 선택하고,

[Freguency VAriables]에 [weight]를 넣는다.

[OK]를 누른다.
2. 선택

[MENU]-[Analyze]-[Descriptive Statistics]-[Crosstabs]


3. 설정

[Row][Colums]에 각각의 변수를 넣고, [Statistics]를 누른다.

4. [Statistics]

[Chi-square]를 선택하고, [Continue]-[OK]를 누른다.
결과해석
Data의 입력이 잘 되었다면,

예제와 같은 모양이 된다.

만일 이 모양이 다르다면 data 입력 과정을 재점검한다.

A, B, C 병원간에 초음파 검사에서 간질환의 양상이 유의한 차이가 없다. (p=0.302)
유의사항
r x c chi-square test 로는 다음과 같은 통계분석을 시행할 수 있다.

1. Pearson's chi-square test (독립성 분석, 군간의 유의한 차이가 있는가?)

다음과 같은 전제 조건이 성립되어야 한다.

1) 어떤 하나의 셀이라도 1 이하의 값이 있으면 안된다.

2) 셀수(Cell count)의 20% 이상의 셀에서 5이하의 값이 있으면 안된다. (예: 3x3 table의 경우 9개의 셀을 갖게 된다. 이중의 20% (1.8개 셀) 이상에서는 5이하의 값이 있으면 안된다. 부연설명하면, 1개의 셀은 5이하의 값이라도 가능하지만 만약에 2개의 셀이 5이하의 값을 갖는 경우 통계적이 오류가 발생할 수 있다.)

          해결 방안: 각 셀들 적당히 합쳐서 각 셀의 값이 5이상이 되도록 조절하고 난 후에 분석을 함.

2. Linear-by-linear association (경향성 분석, 추세나 경향성이 있는가?)

독립성 분석과는 달리 셀들에 대한 제한이 없다.

독립성 분석과는 달리 군간에 어떤 연관성을 가지고 있다. 예를 들면 연령의 증가, 결석의 크기 등등..

3. Gamma, Kappa (일치도, 군간에 어느 정도 일치성이 있는가?)

독립성 분석과는 달리 셀들에 대한 제한이 없다.

가로, 세로의 숫자가 같아야 한다.

r x c table을 가진 data를 처리하고자 하는 경우 Pearson's chi-square, Linear-by-linear association을 적절히 이용하면 원하는 결과에 좀 더 가까워질 수 있다.
by Byung Gil Choi, MD, PhD.   cbg@catholic.ac.kr  Department of Radiology, College of Medicine, The Catholic University of Korea.