【小卫智库】公卫考研热点:R*C交叉表中,观察指标是等级资料时,卡方检验可以推断率的差异强度吗?

卡方检验的本质

卡方检验用于检验 "两组或多组的频数分布是否存在统计学差异"，但它 不考虑变量的顺序信息（即不区分 "等级高低"，仅视为无序分类）。

举例：等级信息被浪费

例如：比较两组患者的疗效（无效、有效、显效），卡方检验只能判断 "两组在各疗效等级的人数分布是否不同"，但 无法利用"显效＞有效＞无效"的等级顺序，也不能量化 "差异的方向或强度"（如 A 组疗效是否整体优于 B 组）。

"率的差异强度" 的含义

若想推断 "差异强度"，通常需要考虑等级的有序性（如 A 组 "显效 + 有效" 的比例是否显著高于 B 组，或两组等级分布是否存在 "趋势性差异"）。

⚠️ 卡方检验的结果（卡方值和 P 值）仅能说明"分布不同"，无法描述"差异有多强"或"方向如何"。

秩和检验（如Mann-Whitney U 检验、Kruskal-Wallis 检验）

原理：将等级资料转化为秩次（如 "无效 = 1，有效 = 2，显效 = 3"），计算各组秩和，比较秩和是否存在差异。

优势：直接利用等级的顺序信息，能推断"一组的等级是否整体高于另一组"（如 A 组疗效秩和显著大于 B 组，说明 A 组疗效整体更好）。

适用场景：2 组独立样本（Mann-Whitney）或多组独立样本（Kruskal-Wallis）的等级资料比较。

Ridit 分析

原理：以某一组为 "参考组"，计算各组每个等级的 Ridit 值（反映等级的 "平均优劣位置"），比较各组的平均 Ridit 是否存在差异。

优势：可量化各组等级的"平均水平"，例如 "A 组平均 Ridit=0.6，B 组 = 0.4"，说明 A 组疗效整体优于 B 组。

线性趋势卡方检验（针对 2×C 表）

适用场景：当行变量为二分类（如 "组别：A 组 vs B 组"）、列变量为等级资料（C 个等级）时，可检验 "两组在等级分布上是否存在线性趋势差异"

原理：给等级赋予连续分值（如 1,2,3,…），构建线性模型，检验组间分值的平均差异是否显著。

有序 Logistic 回归

适用场景：当需要 控制混杂因素 时，分析自变量（如 组别、年龄）对等级结局的影响。

优势：可推断自变量对等级 "优劣方向" 的影响（如 A 组较 B 组，疗效提高一个等级的优势比是多少）。

当 R×C 表中存在等级资料时，卡方检验只能回答 "两组分布是否不同"，但 无法利用等级的顺序信息推断"差异的强度或方向"。若需分析 "差异强度"，应选择 秩和检验、Ridit 分析、线性趋势检验 等能利用有序性的方法。