or值的計算方法

① SPSS詳細教程 OR值的計算

SPSS詳細教程：OR值的計算
一、問題與數據
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。研究者從學習運動醫學的學生中隨機招募50名學生，記錄性別並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。
性別變數為gender，男性賦值為1，女性賦值為2；喜歡競技類運動的變數為comp，是賦值為1，否（即喜歡休閑類運動）賦值為2。部分數據如下圖顯示，左圖為原始數據，右圖為按性別和喜歡競技類運動與否統計的匯總數據。
二、對問題的分析
為計算比值比，需要滿足以下兩個假設：
1. 假設1：自變數和因變數均為二分類變數。
2. 假設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. 數據准備
如果研究者使用原始數據，跳過數據准備步驟，直接計算比值比；如果使用按性別和喜歡競技類運動與否統計的匯總數據，則需要添加權重，步驟如下。
(1)點擊主菜單Data > Weight Cases，如下圖：
點擊後出現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)將變數freq選入Frequency Variable框，如下圖：
(4)點擊OK鍵，為數據加權。
2. 比值比的SPSS操作
(1)點擊主菜單Analyze > Descriptive Statistics > Crosstabs，如下圖：
點擊後出現Crosstabs對話框，如下圖：
注意：如果使用頻數統計的數據文件，Crosstabs對話框如下圖：
(2)將自變數gender選入Row(s):框，因變數comp選入Column(s):框，如下圖：
注意：如果使用頻數統計的數據文件，Crosstabs對話框如下圖：
(3)點擊Statistics鍵，出現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，生成結果。
四、結果解釋
1. 描述性分析
在報告比值比前，研究者應該先查看基本的一些統計量，了解數據特徵。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動，7名不喜歡（即喜歡娛樂性運動）。因此，男性喜歡競技類運動的比值為喜歡與不喜歡的概率之比，即為喜歡競技類運動的男性數量除以不喜歡的男性數量，得到比值為2.57（18÷7=2.57）。因此對男性來講，喜歡競技類運動的概率是喜歡娛樂性運動概率的兩倍多。
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動的情況：
25名女性中10名喜歡競技類運動，15名不喜歡。因此女性喜歡競技類運動的比值為為喜歡競技類運動的女性數量除以不喜歡的女性數量，得到比值為0.67（10÷15=0.67）。因此對女性來講，喜歡競技類運動的概率是喜歡娛樂性運動概率的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。與娛樂性運動（n=7）相比，男性更喜歡競技類運動（n=18）；在女性中則相反，10名女性喜歡競技類運動、15名女性喜歡娛樂性運動」。
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動與否的比值比為3.857，95%置信區間為1.180到12.606。95%置信區間代表研究者有95%的把握確定人群中這一關聯的真實比值比在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，男性喜歡競技類運動的可能性是女性3.857倍。
如果比值比大於1且95%置信區間不包括1，代表男性喜歡競技類運動的可能性大於女性；反之，比值比小於1且95%置信區間不包括1，則代表男性喜歡競技類運動的可能性小於女性；若比值比的95%置信區間包括1，則說明男女性喜歡競技類運動的可能性無統計學差異。
五、撰寫結論
本研究招募了50名研究對象，男女性各25人。與娛樂性運動（n=7）相比，男性更喜歡競技類運動（n=18）；在女性中則相反，10名女性喜歡競技類運動、15名女性喜歡娛樂性運動。與女性相比，男性喜歡競技類運動的比值比是3.857（95%置信區間：1.180-12.606），且有統計學意義。

② 統計中求OR值的公式

OR值，又稱比值比，對於發病率很低的疾病來說，它是RR值即相對危險度的精確估計值。簡單的說，如果OR為2，則說明發病的可能性是普通人的2倍。

使用四格表計算OR值，碰到其中一個單元格是0的時候就不能用四格表設計卡方檢驗了首先應該核實資料收集是否准確，其次應考慮樣本含量是否足夠 。

或許你可以試著找一下統計學的教科書

③ 一道關於預防醫學的OR值計算的問題，希望大神給出具體解釋和答案！

我的計算方法，可知還有20對是病例組無A，對照組有A，四格表如下

A 無A
病例組 50+50 55+20
對照組 50+20 55+50

OR應該為 （100X105）/（75X70）=2
但是不知道為沒這個答案，難道我算錯了？請大家指出錯處

④ 如何用spss做卡方檢驗時計算OR值

步驟如下：

1. 點擊Descriptive Statistics → Crosstabs。

   

⑤ 如何用SPSS計算OR值

SPSS的卡方檢驗並不自動計算出四格表的OR值和95%置信區間，需要你勾選後才會計算出來，步驟如下：
Analyze，Descriptive Statistics，Crosstabs，Statistics，勾選Risk。結果如下

Risk Estimate
Value 95% Confidence Interval
Lower Upper
Odds Ratio for GROUP 2.031 1.303 3.168
For cohort LEVEL 1.886 1.275 2.789
For cohort LEVEL .928 .879 .981
N of Valid Cases 1130
以上表格的第一行數字中的2.031就是OR值，1,303是其95%置信區間的下限，3.168為上限

⑥ 請教統計學比數比(OR)如何計算

實驗組的有效/無效跟對照組的有效/無效相比，所得的比值。

⑦ 如何用SPSS計算OR值

logistic回歸里會自動輸出，如果要單獨計算OR值，可以使用SPSSAU【醫學研究】里的【OR值】進行計算。

⑧ 如何計算單倍型的OR值

我的計算方法，可知還有20對是病例組無A，對照組有A，四格表如下 A 無A 病例組 50+50 55+20 對照組 50+20 55+50 OR應該為 （100X105）/（75X70）=2 但是不知道為沒這個答案，難道我算錯了？請大家指出錯處

⑨ p值or值怎麼算

P 值即概率，反映某一事件發生的可能性大小。統計學根據顯著性檢驗方法所得到的P 值，一般以P < 0.05 為顯著， P <0.01 為非常顯著，其含義是樣本間的差異由抽樣誤差所致的概率小於0.05 或0.01。實際上，P 值不能賦予數據任何重要性，只能說明某事件發生的機率。 P < 0.01 時樣本間的差異比P < 0.05 時更大，這種說法是錯誤的。統計結果中顯示Pr > F，也可寫成Pr( >F)，P = P{ F0.05 > F}或P = P{ F0.01 > F}。 下面的內容列出了P值計算方法。 (1) P值是： 1) 一種概率，一種在原假設為真的前提下出現觀察樣本以及更極端情況的概率。 2) 拒絕原假設的最小顯著性水平。 3) 觀察到的(實例的) 顯著性水平。 4) 表示對原假設的支持程度，是用於確定是否應該拒絕原假設的另一種方法。 (2) P 值的計算： 一般地，用X 表示檢驗的統計量，當H0 為真時，可由樣本數據計算出該統計量的值C ，根據檢驗統計量X 的具體分布，可求出P 值。具體地說: 左側檢驗的P 值為檢驗統計量X 小於樣本統計值C 的概率，即 = P{ X < C} 右側檢驗的P 值為檢驗統計量X 大於樣本統計值C 的概率 = P{ X > C} 雙側檢驗的P 值為檢驗統計量X 落在樣本統計值C 為端點的尾部區域內的概率的2 倍: P = 2P{ X > C} (當C位於分布曲線的右端時) 或P = 2P{ X< C} (當C 位於分布曲線的左端時) 。若X 服從正態分布和t分布，其分布曲線是關於縱軸對稱的，故其P 值可表示為P = P{| X| > C} 。 計算出P 值後，將給定的顯著性水平α與P 值比較，就可作出檢驗的結論: 如果α > P 值，則在顯著性水平α下拒絕原假設。 如果α ≤ P 值，則在顯著性水平α下接受原假設。 在實踐中，當α = P 值時，也即統計量的值C 剛好等於臨界值，為慎重起見，可增加樣本容量，重新進行抽樣檢驗。 整理自： 樊冬梅，假設檢驗中的P值. 鄭州經濟管理幹部學院學報，2002，韓志霞, 張玲，P 值檢驗和假設檢驗。邊疆經濟與文化，2006中國航天工業醫葯,1999 P值是怎麼來的 從某總體中抽 ⑴、這一樣本是由該總體抽出，其差別是由抽樣誤差所致； ⑵、這一樣本不是從該總體抽出，所以有所不同。 如何判斷是那種原因呢？統計學中用顯著性檢驗賴判斷。其步驟是： ⑴、建立檢驗假設（又稱無效假設，符號為H0）：如要比較A葯和B葯的療效是否相等，則假設兩組樣本來自同一總體，即A葯的總體療效和B葯相等，差別僅由抽樣誤差引起的碰巧出現的。⑵、選擇適當的統計方法計算H0成立的可能性即概率有多大，概率用P值表示。⑶、根據選定的顯著性水平（0.05或0.01），決定接受還是拒絕H0。如果P＞0.05，不能否定「差別由抽樣誤差引起」，則接受H0；如果P＜0.05或P ＜0.01，可以認為差別不由抽樣誤差引起，可以拒絕H0，則可以接受令一種可能性的假設（又稱備選假設，符號為H1），即兩樣本來自不同的總體，所以兩葯療效有差別。 統計學上規定的P值意義見下表 P值 碰巧的概率 對無效假設 統計意義 P＞0.05 碰巧出現的可能性大於5% 不能否定無效假設 兩組差別無顯著意義 P＜0.05 碰巧出現的可能性小於5% 可以否定無效假設 兩組差別有顯著意義 P ＜0.01 碰巧出現的可能性小於1% 可以否定無效假設 兩者差別有非常顯著意義 理解P值，下述幾點必須注意： ⑴P的意義不表示兩組差別的大小，P反映兩組差別有無統計學意義，並不表示差別大小。因此，與對照組相比，C葯取得P＜0.05，D葯取得P＜0.01並不表示D的葯效比C強。 ⑵ P＞0.05時，差異無顯著意義，根據統計學原理可知，不能否認無效假設，但並不認為無效假設肯定成立。在葯效統計分析中，更不表示兩葯等效。

⑩ OR值怎麼算

spssau進階方法里的logistic回歸里有輸出OR值和置信區間