
SPSS詳細(xì)教程:OR值的計算
一、問題與數(shù)據(jù)
研究者想要探索人群中不同性別者喜歡競技類或娛樂性體育活動是否有差異。研究者從學(xué)習(xí)運(yùn)動醫(yī)學(xué)的學(xué)生中隨機(jī)招募50名學(xué)生,記錄性別并詢問他們喜歡競技類還是娛樂性活動,通過計算比值比來探索這一差異。
性別變量為gender,男性賦值為1,女性賦值為2;喜歡競技類運(yùn)動的變量為comp,是賦值為1,否(即喜歡休閑類運(yùn)動)賦值為2。部分?jǐn)?shù)據(jù)如下圖顯示,左圖為原始數(shù)據(jù),右圖為按性別和喜歡競技類運(yùn)動與否統(tǒng)計的匯總數(shù)據(jù)。
二、對問題的分析
為計算比值比,需要滿足以下兩個假設(shè):
1. 假設(shè)1:自變量和因變量均為二分類變量。
2. 假設(shè)2:觀測間相互獨立。
接下來,將介紹計算比值比的SPSS操作。
三、SPSS操作
1. 數(shù)據(jù)準(zhǔn)備
如果研究者使用原始數(shù)據(jù),跳過數(shù)據(jù)準(zhǔn)備步驟,直接計算比值比;如果使用按性別和喜歡競技類運(yùn)動與否統(tǒng)計的匯總數(shù)據(jù),則需要添加權(quán)重,步驟如下。
(1)點擊主菜單Data > Weight Cases,如下圖:
點擊后出現(xiàn)Weight Cases對話框,如下圖:
(2)勾選Weight cases by選項,激活 鍵和Frequency Variable: 框,如下圖:
(3)將變量freq選入Frequency Variable框,如下圖:
(4)點擊OK鍵,為數(shù)據(jù)加權(quán)。
2. 比值比的SPSS操作
(1)點擊主菜單Analyze > Descriptive Statistics > Crosstabs,如下圖:
點擊后出現(xiàn)Crosstabs對話框,如下圖:
注意:如果使用頻數(shù)統(tǒng)計的數(shù)據(jù)文件,Crosstabs對話框如下圖:
(2)將自變量gender選入Row(s):框,因變量comp選入Column(s):框,如下圖:
注意:如果使用頻數(shù)統(tǒng)計的數(shù)據(jù)文件,Crosstabs對話框如下圖:
(3)點擊Statistics鍵,出現(xiàn)Crosstabs Statistics對話框,如下圖:
(4)勾選Risk,如下圖:
(5)點擊Continue鍵。
(6)點擊OK鍵,生成結(jié)果。
四、結(jié)果解釋
1. 描述性分析
在報告比值比前,研究者應(yīng)該先查看基本的一些統(tǒng)計量,了解數(shù)據(jù)特征。本例查看gender*comp Crosstabulation表,如下圖:
表中可看到50名研究對象中男性和女性各25人。首先,查看男性喜歡競技類運(yùn)動的比值,如下圖高亮顯示:
25名男性中,18名男性喜歡競技類運(yùn)動,7名不喜歡(即喜歡娛樂性運(yùn)動)。因此,男性喜歡競技類運(yùn)動的比值為喜歡與不喜歡的概率之比,即為喜歡競技類運(yùn)動的男性數(shù)量除以不喜歡的男性數(shù)量,得到比值為2.57(18÷7=2.57)。因此對男性來講,喜歡競技類運(yùn)動的概率是喜歡娛樂性運(yùn)動概率的兩倍多。
同理,也可以得到女性的比值。下表中為25名女性喜歡競技類運(yùn)動的情況:
25名女性中10名喜歡競技類運(yùn)動,15名不喜歡。因此女性喜歡競技類運(yùn)動的比值為為喜歡競技類運(yùn)動的女性數(shù)量除以不喜歡的女性數(shù)量,得到比值為0.67(10÷15=0.67)。因此對女性來講,喜歡競技類運(yùn)動的概率是喜歡娛樂性運(yùn)動概率的0.67倍。
因此,研究者可以匯報:“本研究招募了50名研究對象,男女性各25人。與娛樂性運(yùn)動(n=7)相比,男性更喜歡競技類運(yùn)動(n=18);在女性中則相反,10名女性喜歡競技類運(yùn)動、15名女性喜歡娛樂性運(yùn)動”。
2. 比值比
觀察Risk Estimate表可以得到比值比,如下圖:
性別與喜歡競技類運(yùn)動與否的比值比為3.857,95%置信區(qū)間為1.180到12.606。95%置信區(qū)間代表研究者有95%的把握確定人群中這一關(guān)聯(lián)的真實比值比在1.180到12.606之間。此外,比值比還可以通過gender*comp Cross tabulation表的兩個比值手動算出。
計算性別與喜歡競技類運(yùn)動與否的比值比,僅需要用男性的比值除以女性的比值,如下面算式。因此,男性喜歡競技類運(yùn)動的可能性是女性3.857倍。
如果比值比大于1且95%置信區(qū)間不包括1,代表男性喜歡競技類運(yùn)動的可能性大于女性;反之,比值比小于1且95%置信區(qū)間不包括1,則代表男性喜歡競技類運(yùn)動的可能性小于女性;若比值比的95%置信區(qū)間包括1,則說明男女性喜歡競技類運(yùn)動的可能性無統(tǒng)計學(xué)差異。
五、撰寫結(jié)論
本研究招募了50名研究對象,男女性各25人。與娛樂性運(yùn)動(n=7)相比,男性更喜歡競技類運(yùn)動(n=18);在女性中則相反,10名女性喜歡競技類運(yùn)動、15名女性喜歡娛樂性運(yùn)動。與女性相比,男性喜歡競技類運(yùn)動的比值比是3.857(95%置信區(qū)間:1.180-12.606),且有統(tǒng)計學(xué)意義。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10