在 Stata 中，可以通过卡方趋势检验来评估分类变量的水平（组别）是否在某种趋势下显著变化。卡方趋势检验常用于分析**有序分类变量**（如剂量水平、时间段）与另一个二分类变量（如是否患病）的关联是否存在显著的**线性趋势**。
以下是如何在 Stata 中进行卡方趋势检验的详细步骤：
**一、卡方趋势检验的背景与适用条件**
1. **适用条件**：
    自变量是**有序的分类变量**（如低、中、高剂量，时间段等）。
    因变量是**二分类变量**（如"是/否"、"成功/失败"、"生存/死亡"等）。
    目的是检测自变量是否与因变量存在**线性趋势**。
2. **方法原理**：
    卡方趋势检验通过给自变量的各个类别赋予分数（如代码中的 `scores`），测试这些分数是否与因变量的列联表频数呈线性关系。
    与普通的卡方检验不同，卡方趋势检验聚焦于线性模式，而非一般的关联关系。
**二、在 Stata 中进行卡方趋势检验**
假设你有一个数据集，其中：
**变量 A** 是一个有序的分类变量（如剂量水平：1=低，2=中，3=高）。
**变量 B** 是一个二分类变量（如是否患病：0=否，1=是）。
**1. 创建列联表**
在进行卡方趋势检验之前，需要生成一个列联表：
```stata
tabulate A B, chi2 expected
```
`A` 是有序分类变量。
`B` 是二分类变量。
该命令会生成列联表以及普通的 Pearson 卡方检验结果。
**注意：**
虽然 `tabulate` 命令可以计算一般的卡方检验，但它并不直接提供趋势检验的结果，因此需要进一步操作。
**2. 使用 `ptrend` 命令进行卡方趋势检验**
Stata 提供了一个方便的命令 `ptrend`，专门用于卡方趋势检验。以下是具体步骤：
**安装 `ptrend` 命令**：
如果你的 Stata 版本没有自带 `ptrend` 命令，首先需要安装：
```stata
ssc install ptrend
```
**运行趋势检验**：
```stata
ptrend A B
```
`A` 是有序的自变量（分类变量）。
`B` 是二分类的因变量。
**输出解读**：
`ptrend` 的结果中会提供以下内容：
**Z 值**：表示线性趋势显著性的检验统计量。
**P 值**：用于判断线性趋势是否显著（通常显著性水平为 0.05）。
**3. 自定义分数**
如果你希望为自变量的各个类别指定自定义的分数而非默认值（默认是 1, 2, 3, ...），可以在 `ptrend` 中使用选项 `score()`：
```stata
ptrend A B, score(1 2 4)
```
`score(1 2
4)` 指定分类变量 `A` 的三个类别的分数分别为 1、2 和 4。
这种方式适合用于非均匀间隔的分组，比如剂量水平的分组为 "低（1mg）"、"中（5mg）"、"高（50mg）"。
**三、案例示例**
假设你有以下数据集，记录了一个实验中不同剂量组的治愈情况：
| 剂量水平 (A) | 治愈 (B=
1) | 未治愈 (B=0) |
||||
| 1（低剂量）  | 10         | 40           |
| 2（中剂量）  | 30         | 20           |
| 3（高剂量）  | 50         | 10           |
**1. 数据录入**
在 Stata 中输入数据：
```stata
input A B count
1 1 10
1 0 40
2 1 30
2 0 20
3 1 50
3 0 10
end
```
**2. 卡方趋势检验**
运行 `ptrend` 命令：
```stata
ptrend A B [fweight=count]
```
`fweight=count` 表示频数权重，用于告诉 Stata 每一行的数据重复的次数。
结果中会输出 Z 值和 P 值。
**3. 自定义分数**
如果你认为剂量水平的影响是非线性的（例如，1=低剂量，2=中剂量，4=高剂量），可以指定分数：
```stata
ptrend A B [fweight=count], score(1 2 4)
```
**四、结果解读**
**Z 值**：表示趋势检验的统计量。
**P 值**：
   如果 P 值 < 0.05，可以认为分类变量（剂量水平）与二分类变量（治愈情况）之间存在显著的线性趋势。
   如果 P 值 ≥ 0.05，则表明没有显著的线性趋势。
例如：
如果 `ptrend` 输出的结果为：
  ```
  Z = 3.18
  P = 0.0015
  ```
  表示剂量水平和治愈率存在显著的正向线性趋势。