企业官网建设流程全解析

学统计的人大概都有这种经历：第一次接触卡方检验，觉得公式和数据都对得上，作业也能做出来；等真正拿到自己的临床数据，才发现"该用哪一个卡方"才是最难的一关。《实用医学统计学与SAS应用》里讲分类变量资料比较，前前后后涉及了Pearson卡方、连续校正卡方、Fisher确切概率法、似然比卡方、CMH分层卡方，还有趋势检验。名字都记住了，遇到实际问题还是不知道调哪个。这篇文章不是教材的替代品，权当是我反复啃这本书、反复跑SAS之后的一份"消化笔记"——把分类变量比较的判定逻辑、SAS代码和输出解读串成一条线，再把容易被忽略的细节单独拿出来说。无论你是正在备考的医学生，还是在临床上需要自己动手做统计的医生，照着这个思路走一遍，至少不会再面对PROC FREQ的输出结果发呆。

1. 卡方检验到底在检验什么：从思想到公式，一次说清楚

1.1 卡方检验的核心思想：观测频数与期望频数之间的"账差"

分类变量资料的最常见分析诉求，就是比较"组间构成"或"组间率"是否有差异。比如比较治疗组和对照组的有效率，数据落在2×2的四格表里：行是分组，列是结局（有效/无效），四个格子里是人数。用统计学的语言翻译这个问题就是：如果治疗根本没有作用，两组本质上来自同一个总体，那么在相同的有效率之下，我们"期望"看到的四格频数应该是多少？实际看到的频数，和这个期望频数之间，会不会差得太多？

卡方检验的全部逻辑就建立在这个对比上。它把每个格子的观测频数（Observed，记作O）和原假设成立时的期望频数（Expected，记作T）做差值，再把差值按T的大小做个标准化，最后汇总成一个统计量。差得越离谱，说明实际数据和"两组没有差异"这个假设越不吻合，P值就越小，我们就越有理由拒绝原假设。

这里有一个新手很容易绕进去的问题：为什么不能直接看两组有效率差了多少个百分点？因为抽样误差会随样本量变化，100人的研究和1000人的研究，即使率差相同，说服力完全不一样。卡方统计量的巧妙之处在于，它通过期望频数T把样本量的影响吸收进来了，样本越大，期望频数越大，同一个观察到的绝对偏差就越容易被判定为"不像是随机误差"。这和t检验里标准误的作用是同一个道理。

1.2 手算一个四格表的χ²值，把公式彻底吃透

教科书上的基本公式是：

χ² = Σ (O - T)² / T

其中T = 行合计 × 列合计 / 总例数。看起来简单，但很多人从来没真正手算过，导致后面读SAS输出时没有"数值感"。我还是建议你哪怕只算一次。举个我常用来教学的例子：治疗组50人，有效45人、无效5人；对照组45人，有效30人、无效15人。四格表如下：

先算期望频数。以"治疗组-有效"这一格为例，T = 50×75/95 = 39.47，意思是如果治疗组和对照组有效率相同，治疗组50人里理论上应该有39.47人有效。同理：

• 治疗组无效：T = 50×20/95 = 10.53
• 对照组有效：T = 45×75/95 = 35.53
• 对照组无效：T = 45×20/95 = 9.47

代进公式：

χ² = (45-39.47)²/39.47 + (5-10.53)²/10.53 + (30-35.53)²/35.53 + (15-9.47)²/9.47 ≈ 7.76

自由度是(行数-1)×(列数-1) = 1，查卡方分布表，df=1时α=0.05的临界值是3.84，7.76明显超过，P < 0.01。所以可以认为两组有效率差异有统计学意义。顺便记住一个偷懒技巧：2×2表可以用简化公式χ² = n(ad-bc)² / [(a+b)(c+d)(a+c)(b+d)]验证，算出来也是7.76，两个公式在数值上完全等价，平时手算校验的时候很方便。

2. 四格表别急着下结论：先判断"用哪个方法"再谈结果

2.1 应用条件的判定顺序：n和T是一对铁律

很多人在这一步翻车。教材上写得清清楚楚，卡方检验是对卡方分布的一种近似，近似效果取决于样本量和期望频数。样本太小、期望频数太小的时候，统计量会偏离真实的卡方分布，此时用标准公式算出来的P值不可靠。所以每次做四格表卡方之前，都要按这个顺序过一遍：

• 先看总例数n是否≥40；
• 再看最小理论频数T是否≥5；
• 如果最小T落在1到5之间，考虑校正或精确检验；
• 如果出现T<1，或者n<40，直接用Fisher确切概率法。

我把这个判定流程整理成一个对照表，临床分析时直接对照查：

这里要特别强调：判断依据是"最小理论频数"，不是"实际频数"。很多人看某个格子实际人数是2，就觉得不能用卡方，这是误解。理论频数是由边际合计推算出来的，实际频数小但期望频数不小的情况很常见，判断时一定要以SAS输出的Expected值（期望频数）为准。

2.2 Pearson卡方、连续校正与Fisher精确检验怎么选

三个方法看着差不多，背后的逻辑完全不同。

Pearson卡方的原理就是第一节讲的近似公式，适用于大样本、期望频数不太小的情况。它的优点是计算简便、统计功效高，缺点是近似条件不满足时P值会偏离真实值。

连续校正卡方（Yates校正）是在Pearson公式基础上做的修正。因为2×2表的卡方统计量是离散数据，而卡方分布是连续分布，当期望频数较小时，未经校正的统计量倾向于被高估，也就是P值偏小，更容易"假阳性"。校正公式会在每个格子的偏差上减去0.5再平方，相当于"惩罚"了一下小样本下的乐观估计。实际数据分析中，当1≤T<5时，有些教材推荐连续校正，有些教材直接推荐Fisher精确检验，我的经验是：如果校正后恰好卡在临界值附近，那就再跑一遍Fisher，以Fisher的结果为主。

Fisher确切概率法的思路完全不一样，它不依赖任何近似分布，而是基于超几何分布精确计算出在当前边际合计固定的情况下，出现"比观测数据更极端"的各种四格表组合的概率之和。它的优点是没有近似条件限制，小样本下最可靠，缺点是当样本量大时计算量会急剧上升，不过现代计算机根本不在乎这点开销。所以现在越来越多的统计学家建议：能跑Fisher就跑Fisher，别纠结校正不校正。在审稿人眼里，Fisher精确检验的结果几乎挑不出毛病。

2.3 SAS输出的自动警告要怎么读

用PROC FREQ跑完卡方后，SAS有时会在输出末尾附带一句警告，大意是"部分格子期望频数小于5，卡方检验可能不是有效检验"。这句话很多新手看不懂，或者看到了也不在意。实际含义是：SAS已经帮你做了应用条件的快速筛查，如果出现这条警告，Pearson卡方的P值就不能直接用了。

正确的做法是回头去看频数表里的Expected行，找到最小的期望频数，再按照2.1的判定流程选择合适的方法。如果最小T在1和5之间，SAS输出里那个"Continuity-Adjusted Chi-Square"就可以用；如果n<40或者最小T<1，直接看双侧Fisher精确检验的结果。记住这条警告不是让你放弃分析，而是提示你换更合适的检验方法。

3. SAS实操：PROC FREQ做卡方检验的代码模板与结果逐项解读

3.1 数据录入：频数表和原始记录两种格式怎么选

SAS里做卡方检验，第一步是决定数据怎么进。两种最常见的格式：

第一种是原始记录格式，每一行代表一个受试者，有两个变量，一个记录分组，一个记录结局。这种格式最直观，收集数据阶段的Excel问卷通常就是这个样子，读进来直接用。

第二种是汇总频数格式，适合已经有统计好的四格表或者R×C表，每一行代表一个格子，除了分组和结局两个变量之外，多一个count变量记录这个格子的人数。这种格式必须配合weight语句使用，否则SAS默认每行只算一个人，结果会错得离谱。

我平时整理数据更喜欢用汇总频数格式，因为医学论文里的数据几乎都是以表格形式呈现的，直接从论文表里把数字抄进代码就能复现分析，不用来回翻原始数据库。

3.2 四格表的完整代码

以第一节的治疗组/对照组数据为例，SAS代码如下：

data chisq_tab; input group outcome count; datalines; 1 1 45 1 2 5 2 1 30 2 2 15 ; run; proc freq data=chisq_tab; tables group*outcome / chisq expected cellchi2 nocol nopercent; weight count; run;

这里逐条解释一下选项的作用。chisq选项是核心，负责输出卡方检验的统计量；expected选项会在每个格子旁边输出期望频数，这是判断应用条件的重要依据；cellchi2输出每个格子对总卡方的贡献，可以帮助定位到底是哪个格子的偏差最大；nocol和nopercent是让输出只保留行百分比，免得表格太拥挤。如果你用的是原始记录格式，只要去掉weight语句、把datalines换成实际变量读入即可，tables语句和proc freq完全一样。

3.3 输出结果逐项解读

PROC FREQ的输出主要分三块看。

第一块是两变量的交叉频数表。每个格子有频数、期望频数、行百分比、格百分比等好几行数字，初学者经常看花眼。我的建议是：主要看频数和期望频数这两行，概率先不管。期望频数行接下来要用来做方法选择，是整张表里最重要的一组数。

第二块是"Statistic"表，里面列了Chi-Square、Likelihood Ratio Chi-Square、Continuity-Adjusted Chi-Square、Mantel-Haenszel Chi-Square。对四格表来说，Pearson卡方看第一行Chi-Square，它的自由度为1，P值就是那个Pr > ChiSq。如果满足连续校正条件，看第三行Continuity-Adjusted的结果。

第三块是Fisher精确检验的表，分单侧和双侧两个P值。医学论文几乎都是报告双侧P值，所以习惯性地看"Two-sided Pr <= P"那一行。另外，对于2×2表，SAS还会输出Phi系数等关联强度指标，Phi系数可以看成是分类变量版本的相关系数，绝对值越接近1说明关联越强。P值告诉你"有没有关系"，Phi系数告诉你"关系多大"，论文里两个一起报告才有说服力。

4. R×C表的"分路"处理：双向无序、单向有序的统计策略完全不同

4.1 先给你的R×C表定性，再决定分析方法

行数和列数都超过2的R×C表，麻烦程度直接翻倍。因为"R×C表"这个称呼掩盖了一个关键信息：行变量和列变量的性质决定了你该用哪种检验。我刚学统计时在这里犯过不少糊涂，现在遇到R×C表第一反应是先把表定性，而不是急着跑代码。

第一种是双向无序R×C表，比如比较三种治疗方案（无序）在"有效/无效"（二分类）上的差异，或者比较不同血型（无序）和某种基因型（无序）之间的关联。这种表的分析方法就是普通卡方检验，PROC FREQ直接跑就可以。

第二种是单向有序R×C表，结局是等级资料，比如疗效分为"痊愈、显效、进步、无效"，或者严重程度分为"轻、中、重"。这时候普通卡方检验检验的是"各组构成比是否有差异"，但它忽略了等级的顺序信息，相当于把"轻中重"当成互不相关的三个类去比较，统计功效会打折扣。正确做法是使用趋势卡方检验（Cochran-Armitage趋势检验），或者用基于秩和思想的非参数方法。SAS里做趋势检验可以用PROC FREQ的cmh选项，看其中的"Row Mean Scores Differ"那一行统计量，这行结果专门针对行变量是等级的情况。

第三种是双向有序且属性相同的表，比如两位医生对同一批患者的诊断结果，属于一致性评价，要用Kappa检验而不是卡方检验。

我见过太多人把单向有序的疗效数据直接丢进普通卡方，审稿人一问"你们的趋势检验呢"就答不上来。记住一句话：属性相同看Kappa，结局有序看趋势，其他情况看卡方。

4.2 R×C表结果显著后的两两比较与Bonferroni校正

三组或三组以上的无序分类数据，做完卡方如果P < 0.05，只能说明"总体上各组间存在差异"，不能说明"哪两组之间有差异"。比如三种治疗方案的有效率差异有统计学意义，但到底是A优于B，还是A优于C，还是B优于C，普通卡方不回答这个问题。这时候要做事后两两比较。

最稳妥的做法是把每组两两组合拆成多个2×2表，分别做卡方或Fisher精确检验，然后对检验水准做Bonferroni校正。三组之间有3个两两比较，校正后的检验水准α' = 0.05/3 = 0.0167；四组之间有6个两两比较，α' = 0.05/6 = 0.0083。只有P值小于这个校正后的水准，才能判定两组间差异有统计学意义。

SAS里的实现很简单，每次用where语句筛出一对组别，再跑PROC FREQ：

proc freq data=chisq_rdc; tables group*outcome / chisq; weight count; where group in (1, 2); run;

注意两两比较也要遵循第二章的判定规则，样本量变小之后，原来的卡方可能不再适用，所以小样本的两两比较我一般直接指定用Fisher精确检验。另外，别用"卡方显著就两两全做、卡方不显著就不做"这样的策略，这是事后分析的典型错误，后者属于"无显著性前提下的数据挖掘"，审稿人非常反感。

5. 分层卡方与混杂控制：CMH分析的基本逻辑和SAS实现

5.1 为什么分层：从"辛普森悖论"说起

有时候数据整体分析的结果和分层分析的结果完全相反，这不是统计软件坏了，而是出现了混杂。最经典的例子是某种药物治疗效果的评价：总体上看治疗组有效率低于对照组，但按病情轻重分层后，每一层内治疗组都优于对照组。原因是分组变量在病情轻重上分布严重不平衡，病情轻的患者大量进了对照组，把对照组的总体有效率拉高了。

医学研究里这种混杂无处不在，年龄、性别、病程、疾病严重程度都可能成为混杂因素。处理办法之一就是分层：把数据按混杂因素分成若干层，然后在每一层内比较组间差异，最后再汇总。这就是CMH卡方（Cochran-Mantel-Haenszel检验）要做的事。它检验的是"控制分层因素后，分组与结局之间的关联是否仍然存在"，相当于分类变量版的协方差分析。

5.2 CMH检验的SAS代码与结果解读

CMH分析在SAS里依然用PROC FREQ实现，只需把tables语句变成三层：

proc freq data=chisq_strat; tables stratum*group*outcome / cmh; weight count; run;

变量顺序有讲究：第一个变量是分层因素，第二个是分组变量，第三个是结局变量。SAS输出里会给出Cochran-Mantel-Haenszel统计量，一般看"General Association"那一行，自由度为1时对应的P值就是控制分层后的检验结果。同时对2×2×K表，SAS还会输出一个公共比值比（Common Odds Ratio）及其95%置信区间，这个值就是调整混杂后暴露因素与结局的关联强度，非常有报告价值。

但有一个前提必须先验证：各层的比值比是否一致。如果A层OR=3.5，B层OR=0.8，说明分层因素与分组存在交互作用，此时汇总出一个"公共OR"就没有意义，正确做法是分别报告每一层的OR。SAS里可以用Breslow-Day检验来检查OR齐性，如果Breslow-Day检验P值很小，就说明各层OR不一致，不要勉强汇总。

6. 完整实战案例：从数据到论文可用的卡方检验报告

6.1 案例设定与数据展示

假设我们要比较三种不同给药方案下患者的皮疹发生情况，数据如下：

算最小期望频数：每组的行合计都是40，皮疹总发生20人，40×20/120=6.67，四个格子最小的期望频数是6.67，大于5，总例数120也大于40，所以Pearson卡方有效。

6.2 逐步操作与SAS输出

SAS代码依然是PROC FREQ：

data rash; input group outcome count @@; datalines; 1 1 10 1 2 30 2 1 8 2 2 32 3 1 2 3 2 38 ; run; proc freq data=rash; tables group*outcome / chisq expected cellchi2 nocol nopercent; weight count; run;

跑出来的卡方统计量约6.24，自由度2，P=0.044，三组间差异有统计学意义。接下来做两两比较，3组共3对，Bonferroni校正后检验水准为0.0167。用where语句依次筛出A对C、B对C、A对B分别跑Fisher精确检验。结果大概是：A方案与C方案比较P=0.012，小于0.0167，差异有统计学意义；其余两对P值都大于0.0167，差异无统计学意义。这个结果说明，总体卡方显著其实主要来源于A方案与C方案的差异，B方案夹在中间，和谁也不构成显著差异。

这种情况在实际研究中非常典型，也是新手报告最容易出问题的地方。好多人拿到总体P=0.044就笼统地写"三组间差异有统计学意义，其中A方案明显优于其他方案"，这种结论完全没有两两比较的支持。

6.3 论文里的标准表述模板

一段可以直接放进论文结果部分的写法供参考：

"三种方案皮疹发生率分别为25.0%、20.0%和5.0%，差异有统计学意义（χ²=6.24，P=0.044）。进一步两两比较采用Fisher确切概率法，并采用Bonferroni校正（校正后检验水准α'=0.0167），结果显示仅A方案与C方案间差异有统计学意义（P=0.012），A方案与B方案（P=0.58）、B方案与C方案（P=0.084）间差异均无统计学意义。"

这里P值是我按前面的计算逻辑估的，实际以SAS输出为准，但表述结构完全可以照搬。

7. 关于卡方检验的常见误用，我踩过和见过别人踩的五个坑

7.1 总例数不够、期望频数太小还硬用Pearson卡方

这是重灾区。尤其是做回顾性病历分析的时候，某种罕见结局全组只有几个病例，有些分析者强行把四格表跑出Pearson卡方，P值看上去挺美，实际完全不可靠。我自己的习惯是：看到任何一张表，第一眼先看总例数，然后看期望频数最小值。如果这两个条件不满足，直接切到Fisher精确检验，不犹豫。SAS在chisq选项下会自动输出Fisher精确检验结果，根本不用额外写代码，只是很多人根本没注意去看。

7.2 三组及以上比较直接拆成多个四格表

三组间两两比较最多有3对，拆开各自做卡方并各自报P值，这种做法的问题在于放大了I类错误。即使组间完全没差异，3对比较中至少有一对假阳性的概率也不是0.05，而是1-(0.95)³≈0.143。这就是为什么要先做总体卡方、再做Bonferroni校正。另外提醒一句，如果总体卡方不显著，原则上就不应该再做两两比较了，否则属于典型的"事后扒数据"。

7.3 等级资料当成无序分类资料直接套卡方

"痊愈、显效、进步、无效"这类等级结局，因为形式上也是几个分类，所以特别容易被顺手丢进卡方检验。但卡方检验不关心类别之间的顺序，它把"痊愈"和"显效"的距离当成和"痊愈"和"死亡"一样远。正确的做法是对结局做趋势检验或直接用秩和检验。SAS里如果只想用PROC FREQ做趋势检验，在tables语句加cmh选项后看"Row Mean Scores Differ"那行就是。这个细节在《实用医学统计学与SAS应用》里讲得很清楚，但应用的时候总是被忽略。

7.4 忘记加weight语句导致的全盘错误

汇总频数格式的数据如果漏写weight语句，SAS会把每一行当成一个样本去分析，你可能只输入了4行数据，它却以为你的总例数是4，算出来的P值必然是错的，而且错得毫无征兆。这个坑我自己踩过，帮别人排查时也遇到过不止一次。建议每次跑完都核对一下输出频数表里的合计列，看看总例数和你预期的是否一致。这个习惯能救你无数次。

7.5 只看P值，不看效应量和方向

最后一个问题不是技术问题，而是思维习惯。卡方检验的P值只说明"有无关联"，不说明"关联多大、方向如何"。一个大样本研究里，哪怕有效率差异只有2个百分点，只要样本量足够大，P值一样可以小于0.001。所以报告卡方检验结果时，我建议同时给出率差或OR值及其置信区间，必要时再加上Phi系数或Cramér's V。审稿人看到只有P值没有效应量的结果，印象分会大打折扣。

卡方检验这套东西，知识点本身并不复杂，难的是每一步都在"做选择"。应用条件是对是错，分层做不做，两两比较怎么校正，这些选择叠加起来，才真正决定一篇论文的统计部分是不是经得起推敲。我自己每次拿到分类变量数据，都会把这篇笔记里的流程从头过一遍，多花几分钟，后面返工的几率小得多。