在醫(yī)學領域，卡方檢驗是最為常用的統計方法，可用于研究定類數據和定類數據的關系情況。比如研究吸煙與不吸煙的人患支氣管炎的概率是否有差別？
但如果其中一個變量是等級數據時，很多人依然習慣性地使用卡方檢驗。比如研究兩種藥物對支氣管炎的療效對比。其中療效分為四個水平（治愈、顯效、有效、無效），用卡方檢驗只能反映變量之間是否有無差異，當出現差異性時，無法進一步比較各層次的水平情況。
這種情況下，可以選擇方差非參數檢驗的秩和檢驗進行分析。或者在醫(yī)學上，還有一種非參數檢驗方法叫做Ridit分析，也可用于定類數據與定量（等級）數據之間的差異性。本文將重點介紹Ridit分析。
原理說明
Ridit分析在醫(yī)學研究中使用較為廣泛。其功能與非參數檢驗類似，但原理上有著很大的區(qū)別，Ridit的原理在于將等級數據‘轉化’成連續(xù)數據即得到Ridit值，然后對比Ridit值的差異性，‘轉化’時涉及兩種方式：一種是將“求和”作為參照值，另外一種是將“最大值”作為參照值。一般情況下，如果說某組數數據非常明顯的多，則使用“最大值”方式，其它情況下建議使用“求和”方式。
案例應用
1、背景
當前研究兩種藥物（分別是復方江剪刀草（1）與膽麻片（2））對于慢性氣管炎療效的差異性，其中療效分為四個水平分別是無效（1）、數好轉（2）、顯著好轉（3）、控制（4），共收集3424例數據。
上文中提到過，Ridit分析的第一步首先要選擇一個參照組，得出更登記的Ridit值。從上圖來看，收集到的樣本中，使用第一種治療方式治療的人明顯多于第二種。因此選擇“最大值”參照組方式更適合。
2、操作步驟
放入對應的分析項以及權重項，參照組選擇'最大值'，點擊‘開始Ridit分析’。
3、結果分析
首先分析是否呈現出顯著性(P值小于0.05或0.01)，由上圖可知，治療方式對于療效呈現出顯著性(z=-4.097, p=0.000<0.05)，意味著不同治療方式組別對于療效呈現出差異性。
當分析呈現出顯著性差異時，可通過平均Ridit值結合箱線圖來對比具體的差異情況。
具體分析可知：使用膽麻片治療的效果平均Ridit值(0.62)會明顯高于的復方江剪刀草的平均Ridit值(0.497)。箱線圖也可以清晰地看到第一組的Ridit值，明顯低于組別2的平均Ridit值。
更多干貨內容可登錄SPSSAU官網查看
