SPSS详细操作：多个独立样本的秩和检验

一、问题与数据

在前边的文章我们分别介绍了两组比较的秩和检验与配对秩和检验，然而在研究中往往有多个独立样本需要进行比较，如果多个样本的观察值满足独立性，服从正态分布，并且各组之间的方差齐，则可选用单因素方差分析，如果样本数据不满足上述几个条件，则需要用到多个独立样本的秩和检验。

我们使用单因素方差分析中的例子：为调查A、B、C三种治疗措施对患者谷丙转氨酶（ALT）的影响，某科室将45名患者随机等分为三组，每组15人，分别采取A、B、C三种治疗措施。血常规测得治疗后ALT水平（U/L）如下。试问应用三种治疗措施后，患者的ALT水平是否有差异？

二、对数据结构的分析

本组数据有三组患者，每组15人，测量的指标为血常规报告的ALT水平，属于多组设计的定量资料。

我们先进行方差齐性检验，使用单因素方差分析中的General Linear Model → Univariate，在Options中选择Homogenetity tests（方差齐性检验）。Levene’s Test of Equality of Error Variances表格报告了方差齐性检验的结果。F值=8.276，P(Sig.)=0.001<0.05，说明这三组数据方差不齐，即本组数据不满足方差分析的适应条件。因此本数据选用非参数统计方法——Kruskal-Wallis检验，它用于推断计量资料或等级资料的多个独立样本来自的多个总体分布是否有差别，检验假设H0为各组间的总体分布位置相同。

三、SPSS分析方法

1. 将数据录入SPSS，将分组情况填写在第一列（1=A组，2=B组，3=C组），ALT水平填写在第二列。

2. 选择Analyze → Nonparametric Tests → Legacy Dialogs → K Independent Samples

3. 选项设置

对话框设置：将分析变量（ALT）放进Test Variable List框中，分组变量（Group）放入Grouping Variable框中，选中Test Type的Kruskal-Wallis H。

此时我们看到Group变量需要定义其分组区间，点击Define Range，将最小分组编号填为1，最大分组标号填为3（具体填写的数值取决于分组的数量及赋值），点击Continue，最后点击OK。

四、结果解读

Kruskal-Wallis Test报告结果如图，Ranks显示了ALT数据编秩后的每组平均秩次，Group为分组，N为每组的样本数，Mean Rank为组内的平均秩次。

Test Statistics报告了Chi-Square（卡方值）、df（自由度）、Asymp.Sig.（渐进显著性，即P值），本例中卡方值为34.155，P值小于0.001。

五、撰写结论

Kruskal-Wallis检验结果为：H=34.155，P＜0.001，按照α=0.05的检验标准，拒绝H0，可以认为患者经过A、B、C三种治疗措施后血常规中ALT水平有差别。

六、延伸阅读

秩和检验是医疗科研工作中较为常用的一大类非参数统计方法，秩和检验对资料分布没有特殊要求，除了应用于计量资料外，还可以用于对样本数据的符号、等级程度、大小顺序等进行比较。

本文中介绍的Kruskal-Wallis H检验可用于推断完全随机设计的多个独立样本所来自的多个总体分布是否有差异。然而，当拒绝H0后，要继续推断具体哪两个总体分布不同。后面我们将探讨如何使用SPSS软件进行非参数的两两比较，敬请期待。

（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。）