平行线检验的显著没有显示卡方为0是怎么回事

更改假设条件。

现在有自变量性别和感知走行时间，均为分类变量。原来这两个变量都是显著的，在位置模型里面加入交互项性别感知走行时间后，原来两项的系数及显著情况全部变为0，并且平行线检验也无法通过。没有卡方值或者McNemar值，但是在RxC列联表中，应用配对卡方检验有相应的统计量值。理论上，MeNemar检验都应该输出对应的统计量。模型中的这一条件只是理论上的一种假定，在多数情况下，并没有必要顾及这一假设是否成立，它所适应的范围是广泛的。由于这一模型较为稳健，实际划分反应变量的等级时，可根据专业需要适当的分得细一些。有的人认为比例优势假定不满足，提示数据不适合采用累积比数logit模型，可能会得到有偏的估计，应该换用其他模型如偏比例优势模型进行分析验证。当条件违背时，有时候会对结果造成较大影响，甚至会改变结论。

卡方检验的实际数出现0的时候，怎么办？没关系的，可以有0的，直接分析就可以

卡方检验试用条件

1.随机样本数据；

2.卡方检验的理论频数不能太小.

两个独立样本比较可以分以下3种情况：

1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.

2.如果理论数T＜5但T≥1,并且n≥40,用连续性校正的卡方进行检验.

3.如果有理论数T＜1或n＜40,则用Fisher’s检验.

上述是适用于四格表.

R×C表卡方检验应用条件：

1.R×C表中理论数小于5的格子不能超过1/5；

2.不能有小于1的理论数.

若不符合R×C表的卡方检验.可以通过增加样本数、列合并来实现.

卡方检验你的数据应该用交叉列联表做，数据录入格式为：建立两个变量，变量1是组别，正常对照组用数据1表示，病例组用数据2表示；变量2是疗效等分类变量，用1表示分类属性1，用2表示分类属性2，还有一个变量3是权重，例数数据录入完成后，先加权频数后点analyze-descriptive statistics-crosstabs-把变量1选到rows里，把变量2选到column里，然后点击下面的statistics，打开对话框，勾选chi-squares，然后点continue，再点ok，出来结果的第3个表就是你要的卡方检验，第一行第一个数是卡方值，后面是自由度，然后是P值。

---