手动计算与SAS University Edition执行Chi-Sq检验的结果差异问询

嘿，我猜你大概率是踩了「检验方法选错」的坑！先看你的数据结构：每一行都是一对研究对象和对照的结局，属于典型的配对二分类资料——这类数据里，研究组和对照组的个体是配对关联的，不是完全独立的样本，根本不能直接用普通的Pearson卡方检验。

如果手动计算时，你是按配对四格表（把「研究Alive-对照Alive、研究Alive-对照Dead」这类配对组合的频数统计出来）算的McNemar配对卡方，但SAS里你用了普通的卡方命令（比如proc freq; tables study_mortality*control_mortality / chisq;），那结果肯定差很多：SAS的普通卡方会把所有行当成独立个体，完全忽略配对关系，而你手动算的是针对配对数据的专属检验。

在SAS里处理这种配对数据，有两种简单的方式：

方式1：先整理配对频数再检验 #

先把原始数据转成配对四格表的频数格式，再跑检验：

/* 先统计配对组合的频数 */
proc freq data=your_raw_data;
    tables study_mortality*control_mortality / out=pair_freqs;
run;

/* 用频数表跑McNemar检验 */
proc freq data=pair_freqs;
    tables study_mortality*control_mortality / chisq exact;
    weight count;
run;

这里的chisq选项会自动识别2x2配对表，输出McNemar检验的结果，和你手动计算的应该完全一致。

方式2：直接用原始数据，一步到位 #

更省事的是直接用原始数据，加agree选项，SAS会自动做配对相关的检验：

proc freq data=your_raw_data;
    tables study_mortality*control_mortality / agree;
run;

这个命令不仅会输出McNemar检验的结果（就是你手动算的那个值），还会给你Kappa一致性系数，刚好适配配对设计的分析需求。

拿你给的4行数据来说，整理成配对四格表是：

手动算McNemar卡方的话，公式是(b - c)²/(b + c)，这里b=0，c=1，结果是1，自由度1，p值0.3173。用上面的SAS代码跑出来的结果绝对和这个一致，而如果用普通Pearson卡方，SAS会算出0.2667的卡方值，p=0.6055——这就是你之前看到差异的根源。

内容的提问来源于stack exchange，提问作者Kul