SPSS分析实战：CMH检验（分层卡方检验）
2018-11-04 MedSci MedSci原创
只涉及两个分类变量的卡方检验有些时候是很局限的，因为混杂因素总是存在，如果不考虑混杂因素，得出的分析结论很可能是谬误的，这就是著名的辛普森悖论。辛普森悖论的故事是这样的：1973年秋季，加州大学伯克利分校研究生院的新生入学。有些人在看到学校两个学院的综合录取表格后，怀疑学校在录取学生时存在性别歧视，因为女生录取率低于男生，如下表所示： 为了平息质疑，校领导根据学院的不同，将综合录取率拆开
只涉及两个分类变量的卡方检验有些时候是很局限的，因为混杂因素总是存在，如果不考虑混杂因素，得出的分析结论很可能是谬误的，这就是著名的辛普森悖论。辛普森悖论的故事是这样的：1973年秋季，加州大学伯克利分校研究生院的新生入学。有些人在看到学校两个学院的综合录取表格后，怀疑学校在录取学生时存在性别歧视，因为女生录取率低于男生，如下表所示： 为了平息质疑，校领导根据学院的不同，将综合录取率拆开，分别考察商学院和法学院的录取情况，结果惊奇的发现两个学院的女生录取率都高于男生。 出现这种矛盾的原因：1、商学院的录取率远高于法学院；2、男生和女生申请商学院和法学院的比例不同，更多的男生申请商学院，而女生则更多申请法学院。虽然商学院和法学院都是女生录取率高于男生，但综合两个学院的数据后，女生的录取率却低于男生了。 以上的辛普森悖论对数据分析者是个很好的警醒：有些分析结论看似准确，板上钉钉，实则不然，可能背后隐藏着一些分析者没有注意到的潜在因素，这要求数据分析者对研究背景非常熟悉，避免忽略重要的潜在因素。辛普森悖论又一次说明数据分析是一门理论和实际联系非常紧密的科学，缺一不可，甚至研究背景更为重要。
本网站所有内容来源注明为“梅斯医学”或“MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源为“梅斯医学”。其它来源的文章系转载文章，或“梅斯号”自媒体发布的文章，仅系出于传递更多信息之目的，本站仅负责审核内容合规，其内容不代表本站立场，本站不负责内容的准确性和版权。如果存在侵权、或不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
学习！
76
学习，谢谢分享
77
#卡方检验#
30