分层卡方检验，也称为Cochran-Mantel-Haenszel检验(CMH检验)，主要用于分层分析。CMH检验通过对分层因素进行控制，从而考察调整混杂因素之后暴露/处理因素与结局事件之间的关联性。本文主要介绍分层卡方检验(CMH χ² TEST)在SAS软件中的实现过程。

关键词：SAS; 卡方检验; 分层卡方检验; CMH检验; Cochran-Mantel-Haenszel检验

某医学组织研究饮酒是否会提高患肝癌风险,考虑到吸烟会严重影响饮酒和患癌风险间的相关性，因此将吸烟作为混杂因素处理，设计了一项病例对照研究。数据中混杂因素为smoking，标签为“吸烟”，测量尺度为“名义”，赋值为0=否(不吸烟)、1=是(吸烟)。分组变量为drinking，标签为“饮酒”，测量尺度为“名义”，赋值为0=否(不饮酒)、1=是(饮酒)。变量cancer，标签为“是否患癌”，测量尺度为“名义”，赋值为0=否、1=是。频数变量frequency，标签为“频数”，测量尺度为“标度”，记录不同组的例数。数据见图1。本案例数据可从“附件下载”处下载。

本案例的分析目的是研究饮酒是否会提高患肝癌风险，吸烟作为混杂因素。即比较不同吸烟情况下饮酒组与不饮酒组患癌率是否有差异。针对这种情况可以制作四格表，并进行分层卡方检验。但需要满足3个条件：

条件1：分组变量与观察变量均为二分类变量。本案例的分组变量和观察变量均为二分类变量，该条件满足。

条件2：观察变量相互独立。本研究中各研究对象的观察变量都是独立的，不存在互相干扰的情况，该条件满足。

条件3：各层内总数及最小期望频数满足卡方检验相应条件(χ²检验的注意事项——使用技巧)。该条件需要通过软件分析后判断。

对于本案例数据，条件1和条件2均满足。但需要通过总例数和期望频数来选择具体的分析方法(Pearson卡方检验、连续校正卡方检验或Fisher确切概率法)。这一判断过程通过统计描述来完成，详见下文。

本案例为频数资料，首先，需要先手动输入数据。

结果见图2。

其次，进行卡方检验，通过weight对frequency进行加权处理。

最后，进行分层卡方检验。

“是否患病*饮酒*吸烟交叉表”见图3、4，其给出了混杂因素(吸烟)分层下，饮酒组和未饮酒组的观察值、期望频数及组内占比。可知整体检验总例数为992例，各层的最小期望频数>5；分层检验时，各层的总例数均为496例，最小期望频数均>5，因此整体检验和分层检验均可使用Pearson卡方检验分析结果。由各层的描述性分析结果可知，吸烟组患癌者中饮酒的比例为58.02%，而不吸烟组患癌者中饮酒的比例仅为50.25%，提示在不同吸烟情况的两组人群中饮酒比例存在一定差异。但是这种差异是否会造成两组人群中饮酒与患癌关联的不一致，需要依据各层卡方检验和CMH检验的结果进行判断。

本案例卡方检验结果见图5、图6、图7。其分别列出了吸烟组和不吸烟组的卡方检验结果。“风险评估”结果见图8、图9，列出了各组的暴露风险比值比(OR值)。

若不考虑混杂因素(吸烟)，总计分析χ2=13.5514，P＜0.001，OR=1.600(95%CI 1.245~2.055)，说明患癌和饮酒间存在相关性。吸烟人群中，χ2=26.603，P