Chi-Quadrat-Test in SPSS
Ein Chi-Quadrat-Test wird verwendet, um den Zusammenhang zwischen zwei kategorialen Variablen (nominal oder ordinal) zu analysieren. Es werden also mind. zwei Gruppen hinsichtlich einer weiteren kategorialen Variable auf einen statistisch signifikanten Unterschied untersucht.
voraussetzungen
- Es werden zwei jeweils kategoriale Variablen betrachtet.
- Unabhängigkeit der Messungen liegt vor, d. h. jede Person kommt nur in einer der betrachteten Gruppen vor.
- Für jede Zelle in der Kreuztabelle (im Falle zweier dichotomer Variablen Vierfeldertafel genannt) gilt eine erwartete Häufigkeit von > 5.
Beispiel "Blutdrucksenker"
Es soll untersucht werden, ob sich der Anteil an Patient:innen, deren Blutdruck im Beobachtungszeitraum in den Normbereich gesenkt werden konnte, zwischen der Interventions- und der Kontrollgruppe unterscheidet. Somit werden die zwei kategoriale Variablen gruppe und BD_norm betrachtet. Auch die anderen beiden Voraussetzungen sind gegeben.
Umsetzung in SPSS
Im SPSS-Menü: Analysieren » Deskriptive Statistiken » Kreuztabellen …
Über das Feld ‚Statistiken…‘ kann der Chi-Quadrat Test ausgewählt werden (siehe Abb. 1). Über das Feld ‚Zellen…‘ kann man zusätzlich die zeilenweisen Prozentwerte ausgeben lassen. Die unabhängige Variable gruppe wird in den Zeilen und die abhängige Variable BD_norm in den Spalten eingefügt. So entsprechen die Zeilenprozente der prospektiven Richtung.
Syntax
DATASET ACTIVATE DataSet1.
CROSSTABS
/TABLES=gruppe BY BD_norm
/FORMAT=AVALUE TABLES
/STATISTICS=CHISQ
/CELLS=COUNT ROW
/COUNT ROUND CELL.
Interpretation des SPSS-Outputs
Die Tabelle „Zusammenfassung der Fallverarbeitung“ zeigt, dass 95 gültige Fälle verarbeitet werden konnten, da fünf Patient:innen bereits vorzeitig aus unserer Studie ausgeschieden sind.
Die Kreuztabelle zeigt die absoluten und relativen Häufigkeiten der zwei Variablen gruppe und BD_norm. Durch die Zeilenprozente kann man sehen, dass Patient:innen der Interventionsgruppe (gruppe=1) öfter in den Normbereich des Blutdrucks (BD_{norm}=1) gesenkt werden konnten (87 %) als Patient:innen aus der Kontrollgruppe (65,3 %). Das Ergebnis des nachfolgenden Chi-Quadrat-Tests zeigt nun, ob dieser Unterschied signifikant ist.
In Abb. 3 ist der SPSS-Output des Chi-Quadrat-Tests abgebildet. Die von SPSS berechnete Teststatistik in der Spalte „Wert“ liegt bei 6,061.
Der p-Wert von 0,014 in dem Feld „Asymptotische Signifikanz (zweiseitig)“ zeigt, dass das Ergebnis des Tests auf dem 5 %-Signifikanzniveau signifikant ist. Das bedeutet, dass es einen signifikanten Unterschied hinsichtlich des Anteils an Patient:innen, deren Blutdruck im Beobachtungszeitraum in den Normbereich gesenkt werden konnte, zwischen den Patient:innen der Interventions- und Kontrollgruppe gibt.
Zusatzwissen
Exakter Test nach Fisher
Sind die Voraussetzungen (vor allem die dritte zu den Häufigkeiten in der Kreuztabelle, siehe auch Satz a. unter dem Output in Abb. 3) des Chi-Quadrat Tests nicht gegeben, wird der exakte Fisher-Test benötigt.
SPSS berechnet diesen bei 2×2-Tabellen und/oder kleiner Fallzahl automatisch mit. Sonst kann er über das Feld ‚Exakt…‘ im Dialogfeld angefordert werden. Dort wird statt ‚nur asymptotisch‘ das Feld ‚Exakt‘ ausgewählt.
Im Output in Abb. 3 sind die Ergebnisse des Fisher-Tests bereits enthalten, obwohl die Voraussetzungen des Chi-Quadrat Tests erfüllt sind. In der Zeile „Exakter Test nach Fisher“ lässt sich der p-Wert in der Spalte „Exakte Signifikanz (2-seitig)“ ablesen. Da der p-Wert von 0,017<0,05 ist, ist auch das Ergebnis des Exakten Tests signifikant.
Fußnoten
- 1Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2024), Universitätsklinikum Hamburg-Eppendorf.
- 2Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2024), Universitätsklinikum Hamburg-Eppendorf.
- 3Lisa Holstein, Christian Wiessner, Antonia Zapf (Institut für Medizinische Biometrie und Epidemiologie) (2024), Universitätsklinikum Hamburg-Eppendorf.