
SPSS详细教程:OR值的计算
一、问题与数据
研究者想要探索人群中不同性别者喜欢竞技类或娱乐性体育活动是否有差异。研究者从学习运动医学的学生中随机招募50名学生,记录性别并询问他们喜欢竞技类还是娱乐性活动,通过计算比值比来探索这一差异。
性别变量为gender,男性赋值为1,女性赋值为2;喜欢竞技类运动的变量为comp,是赋值为1,否(即喜欢休闲类运动)赋值为2。部分数据如下图显示,左图为原始数据,右图为按性别和喜欢竞技类运动与否统计的汇总数据。
二、对问题的分析
为计算比值比,需要满足以下两个假设:
1. 假设1:自变量和因变量均为二分类变量。
2. 假设2:观测间相互独立。
接下来,将介绍计算比值比的SPSS操作。
三、SPSS操作
1. 数据准备
如果研究者使用原始数据,跳过数据准备步骤,直接计算比值比;如果使用按性别和喜欢竞技类运动与否统计的汇总数据,则需要添加权重,步骤如下。
(1)点击主菜单Data > Weight Cases,如下图:
点击后出现Weight Cases对话框,如下图:
(2)勾选Weight cases by选项,激活 键和Frequency Variable: 框,如下图:
(3)将变量freq选入Frequency Variable框,如下图:
(4)点击OK键,为数据加权。
2. 比值比的SPSS操作
(1)点击主菜单Analyze > Descriptive Statistics > Crosstabs,如下图:
点击后出现Crosstabs对话框,如下图:
注意:如果使用频数统计的数据文件,Crosstabs对话框如下图:
(2)将自变量gender选入Row(s):框,因变量comp选入Column(s):框,如下图:
注意:如果使用频数统计的数据文件,Crosstabs对话框如下图:
(3)点击Statistics键,出现Crosstabs Statistics对话框,如下图:
(4)勾选Risk,如下图:
(5)点击Continue键。
(6)点击OK键,生成结果。
四、结果解释
1. 描述性分析
在报告比值比前,研究者应该先查看基本的一些统计量,了解数据特征。本例查看gender*comp Crosstabulation表,如下图:
表中可看到50名研究对象中男性和女性各25人。首先,查看男性喜欢竞技类运动的比值,如下图高亮显示:
25名男性中,18名男性喜欢竞技类运动,7名不喜欢(即喜欢娱乐性运动)。因此,男性喜欢竞技类运动的比值为喜欢与不喜欢的概率之比,即为喜欢竞技类运动的男性数量除以不喜欢的男性数量,得到比值为2.57(18÷7=2.57)。因此对男性来讲,喜欢竞技类运动的概率是喜欢娱乐性运动概率的两倍多。
同理,也可以得到女性的比值。下表中为25名女性喜欢竞技类运动的情况:
25名女性中10名喜欢竞技类运动,15名不喜欢。因此女性喜欢竞技类运动的比值为为喜欢竞技类运动的女性数量除以不喜欢的女性数量,得到比值为0.67(10÷15=0.67)。因此对女性来讲,喜欢竞技类运动的概率是喜欢娱乐性运动概率的0.67倍。
因此,研究者可以汇报:“本研究招募了50名研究对象,男女性各25人。与娱乐性运动(n=7)相比,男性更喜欢竞技类运动(n=18);在女性中则相反,10名女性喜欢竞技类运动、15名女性喜欢娱乐性运动”。
2. 比值比
观察Risk Estimate表可以得到比值比,如下图:
性别与喜欢竞技类运动与否的比值比为3.857,95%置信区间为1.180到12.606。95%置信区间代表研究者有95%的把握确定人群中这一关联的真实比值比在1.180到12.606之间。此外,比值比还可以通过gender*comp Cross tabulation表的两个比值手动算出。
计算性别与喜欢竞技类运动与否的比值比,仅需要用男性的比值除以女性的比值,如下面算式。因此,男性喜欢竞技类运动的可能性是女性3.857倍。
如果比值比大于1且95%置信区间不包括1,代表男性喜欢竞技类运动的可能性大于女性;反之,比值比小于1且95%置信区间不包括1,则代表男性喜欢竞技类运动的可能性小于女性;若比值比的95%置信区间包括1,则说明男女性喜欢竞技类运动的可能性无统计学差异。
五、撰写结论
本研究招募了50名研究对象,男女性各25人。与娱乐性运动(n=7)相比,男性更喜欢竞技类运动(n=18);在女性中则相反,10名女性喜欢竞技类运动、15名女性喜欢娱乐性运动。与女性相比,男性喜欢竞技类运动的比值比是3.857(95%置信区间:1.180-12.606),且有统计学意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
探索最优回归方程:数据背后的精准预测密码 在数据分析和统计学的广阔领域中,回归分析是揭示变量之间关系的重要工具,而回 ...
2025-07-02CDA 证书:银行招聘中的 “黄金通行证” 在金融科技飞速发展的当下,银行正加速向数字化、智能化转型,海量数据成为 ...
2025-07-02CDA 数据分析师报考条件全解析:开启数据洞察之旅 在当今数字化浪潮席卷全球的时代,数据已成为企业乃至整个社会发展的核心驱 ...
2025-07-01深入解析 SQL 中 CASE 语句条件的执行顺序 在 SQL 编程领域,CASE语句是实现条件逻辑判断、数据转换与分类的重要工 ...
2025-07-01SPSS 中计算三个变量交集的详细指南 在数据分析领域,挖掘变量之间的潜在关系是获取有价值信息的关键步骤。当我们需要探究 ...
2025-07-01CDA 数据分析师:就业前景广阔的新兴职业 在当今数字化时代,数据已成为企业和组织决策的重要依据。数据分析师作为负责收集 ...
2025-06-30探秘卷积层:为何一个卷积层需要两个卷积核 在深度学习的世界里,卷积神经网络(CNN)凭借其强大的特征提取能力 ...
2025-06-30探索 CDA 数据分析师在线课程:开启数据洞察之旅 在数字化浪潮席卷全球的当下,数据已成为企业决策、创新与发展的核心驱 ...
2025-06-303D VLA新范式!CVPR冠军方案BridgeVLA,真机性能提升32% 编辑:LRST 【新智元导读】中科院自动化所提出BridgeVLA模型,通过将 ...
2025-06-30LSTM 为何会产生误差?深入剖析其背后的原因 在深度学习领域,LSTM(Long Short-Term Memory)网络凭借其独特的记忆单元设 ...
2025-06-27LLM进入拖拽时代!只靠Prompt几秒定制大模型,效率飙升12000倍 【新智元导读】最近,来自NUS、UT Austin等机构的研究人员创新 ...
2025-06-27探秘 z-score:数据分析中的标准化利器 在数据的海洋中,面对形态各异、尺度不同的数据,如何找到一个通用的标准来衡量数据 ...
2025-06-26Excel 中为不同柱形设置独立背景(按数据分区)的方法详解 在数据分析与可视化呈现过程中,Excel 柱形图是展示数据的常用工 ...
2025-06-26CDA 数据分析师会被 AI 取代吗? 在当今数字化时代,数据的重要性日益凸显,数据分析师成为了众多企业不可或缺的角色 ...
2025-06-26CDA 数据分析师证书考取全攻略 在数字化浪潮汹涌的当下,数据已成为企业乃至整个社会发展的核心驱动力。数据分析师作 ...
2025-06-25人工智能在数据分析的应用场景 在数字化浪潮席卷全球的当下,数据以前所未有的速度增长,传统的数据分析方法逐渐难以满足海 ...
2025-06-25评估模型预测为正时的准确性 在机器学习与数据科学领域,模型预测的准确性是衡量其性能优劣的核心指标。尤其是当模型预测结 ...
2025-06-25CDA认证:数据时代的职业通行证 当海通证券的交易大厅里闪烁的屏幕实时跳动着市场数据,当苏州银行的数字金融部连夜部署新的风控 ...
2025-06-24金融行业的大数据变革:五大应用案例深度解析 在数字化浪潮中,金融行业正经历着深刻的变革,大数据技术的广泛应用 ...
2025-06-24Power Query 中实现移动加权平均的详细指南 在数据分析和处理中,移动加权平均是一种非常有用的计算方法,它能够根据不同数据 ...
2025-06-24