卡方檢驗不是萬能的!分析等級資料得用這些方法

2020-11-29 SPSSAU

在醫學領域，卡方檢驗是最為常用的統計方法，可用於研究定類數據和定類數據的關係情況。比如研究吸菸與不吸菸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（治癒、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。或者在醫學上，還有一種非參數檢驗方法叫做Ridit分析，也可用於定類數據與定量（等級）數據之間的差異性。本文將重點介紹Ridit分析。

SPSSAU-非參數檢驗/Ridit分析

原理說明

Ridit分析在醫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別，Ridit的原理在於將等級數據『轉化』成連續數據即得到Ridit值，然後對比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（分別是複方江剪刀草（1）與膽麻片（2））對於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。

整理數據

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於第二種。因此選擇「最大值」參照組方式更適合。

2、操作步驟

使用路徑：SPSSAU→醫學實驗→Ridit分析

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

SPSSAU-Ridit分析結果

首先分析是否呈現出顯著性(P值小於0.05或0.01)，由上圖可知，治療方式對於療效呈現出顯著性(z=-4.097, p=0.000<0.05)，意味著不同治療方式組別對於療效呈現出差異性。

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)會明顯高於的複方江剪刀草的平均Ridit值(0.497)。箱線圖也可以清晰地看到第一組的Ridit值，明顯低於組別2的平均Ridit值。

相關焦點

  • 等級資料的比較:秩和還是卡方?
    分類數據中，等級資料相對特殊。由於它兼具了定量數據和分類數據的一些特點，分析策略更為靈活。研究目的不同，採用的統計策略將有所區別。本文就卡方檢驗和秩和檢驗方法的在等級資料中的應用進行比較分析。•例1：某醫生用某種中藥治療糖尿病患者共45例，隨機分為兩組結果如下，問該中藥對兩型糖尿病的療效有無差異？
  • 等級分組資料常用假設檢驗方法
    Ridit分析Ridit分析(Ridit analysis)是Bross在1956年提出的一種非參數統計檢驗方法，檢驗效能較高，可用於等級分組資料的分析處理.其特點是通過Ridit轉換，把原本不適宜用t檢驗和u檢驗處理的離散型的等級資料轉換成連續型的計量資料。
  • 卡方檢驗,T檢驗和F檢驗
    卡方檢驗、T-test、F檢驗區別卡方檢驗卡方檢驗是一種用途很廣的計數資料的假設檢驗方法。
  • T檢驗、方差分析、卡方分析傻傻分不清?
    1、聯繫和區別T檢驗、方差分析、卡方檢驗都是差異分析的方法，比較不同組數據的均值差異
  • 卡方檢驗在實際工作中的應用
    卡方檢驗是以χ2分布為基礎的一種常用假設檢驗方法，統計樣本的實際觀測值與理論推斷值之間的偏離程度，主要在分類數據資料統計推斷中應用。在電商平臺中，廣告圖到處可見，引起用戶興趣，為商品或者店鋪帶去流量。表徵廣告圖是否「優秀」的關鍵數據就是CTR（Click-Through-Rate，點擊通過率）。
  • 什麼是卡方檢驗?
    卡方檢驗，統計學的方法，現在機器學習看變量的時候也會用到。很多不知道的人，一聽到這個名詞，會馬上聯想到， 啊？還要拿張卡來檢驗嗎？其實卡方檢驗是英文Chi-Square Test 的諧音。在大數據運營場景中，通常用在某個變量(或特徵)值是不是和應變量有顯著關係。
  • 卡方檢驗原理與應用實例
    本期推送的另外幾篇文章，來自微信公眾號「amegroups  」，長按下方二維碼，關注該公眾號。關注後，回復「卡方檢驗」即可看原文，給出出處，以防止轉載過程中，關鍵信息丟失影響閱讀時，找不到原文。怎麼理解這句話呢，拿一個群體的身高來說，理論上身高低於1米5的佔10%，高於2.0的佔10%，中間的佔80%，現在我們抽取了這個群體中的一群人，那麼對應這三個身高段的人數的比例關係是不是1:8:1呢？卡方分析就是解決這類問題。2）卡方檢驗的原理：上面已經提到卡方檢驗是檢驗實際的分布於理論的分布時候一致的檢驗，那麼用什麼統計量來衡量呢！
  • 1151期-3:【統計】卡方檢驗詳細講解
    當有T<1或1<T<5的格子較多時，可採用並行並列、刪行刪列、增大樣本含量的辦法使其符合行×列表資料卡方檢驗的應用條件。而多個率的兩兩比較可採用行×列表分割的辦法SPSS操作步驟：操作與四格表操作一致3、列聯表資料的卡方檢驗同一組對象，觀察每一個個體對兩種分類方法的表現，結果構成雙向交叉排列的統計表就是列聯表。
  • 卡方檢驗(2x2表格)
    摘自：醫學統計園（微信公眾號）臨床上會遇到評價兩種藥物，對治療同一種疾病的不同患者，哪一種療效會更好，如下表，這時就需要用到卡方檢驗。卡方檢驗是針對計數資料的一種檢驗方法。如果卡方值越大，超出了設定檢驗水準（α=0.05）下的卡方值（χdf,0.05），則認為實際值與理論值之間偏差屬於隨機誤差的概率較小，故而拒絕H0假設；若卡方值為0，則表示觀察值與理論值完全一致。下面介紹如何使用SPSS對2x2表格，進行卡方檢驗；如前所述，對數據的預處理，是數據分析過程中花費時間最多也是最麻煩的，因此我們先講述如何將計量資料輸入SPSS。
  • 卡方分布與卡方檢驗
    本文轉載自CSDNsselssbh的卡方分布與卡方檢驗 https://blog.csdn.net/bitcarmanlee
  • spss卡方_spss卡方檢驗 - CSDN
    spss中交叉分析主要用來檢驗兩個變量之間是否存在關係，或者說是否獨立，其零假設為兩個變量之間沒有關係。在實際工作中，經常用交叉表來分析比例是否相等。例如分析不同的性別對不同的報紙的選擇有什麼不同。
  • 統計學的卡方檢驗方法是什麼呢?用幾個生活實例帶你揭秘!
    其實卡方檢驗是英文Chi-Square Test 的諧音。在大數據運營場景中，通常用在某個變量(或特徵)值是不是和應變量有顯著關係。 我常聽到運營和分析師這樣的對話，分析師：「這個變量我做了卡方檢驗了，不顯著，所以我沒有放進模型。」
  • 卡方檢驗結果分析專題及常見問題 - CSDN
    R語言卡方檢驗與結果可視化1，卡方分析簡介與實例2，R語言chisq.test()3，基於ggstatsplot包的可視化分析卡方分析簡介與實例：卡方檢驗是生物學中應用很廣的一種假設檢驗，可以通過對構成比，率進行檢驗，進而判斷分類資料間的偏差程度。
  • 全流程總結卡方檢驗,幫你理清分析思路
    卡方分析卡方檢驗是研究數據比率上的差異性，用於比較定類與定類數據的關係情況。1. 數據類型卡方檢驗要求X、Y項均為定類數據，即數字大小代表分類。醫學研究裡，卡方分析尤其常見，比如研究不同種藥物對某種疾病的療效有無差別等。除了上述研究場景外，卡方檢驗還可用於研究配對數據的差異性，比如用兩種方法診斷癌症，看兩種方法的診斷結果是否有差異，則要使用配對卡方檢驗。
  • 卡方檢驗多種用途總結
    概念卡方檢驗是一種用途廣泛的分析定類數據差異性的方法，主要用於比較定類與定類數據的關係情況，以及分析實際數據的比例與預期比例是否一致。02.交叉卡方卡方優度檢驗是對一個分類變量的檢驗，在實際研究中，研究兩組分類變量的關係更加常見，例如想要了解閱讀習慣與學歷是否有關，此時可使用交叉表卡方分析。
  • T檢驗、F檢驗和卡方檢驗
    T檢驗、F檢驗、卡方檢驗是統計學中常見的假設檢驗，今天記錄下這幾個假設檢驗的原理和應用場景。
  • 卡方檢驗相關性專題及常見問題 - CSDN
    過濾式方法是先按照某種規則對數據集進行特徵選擇，然後再訓練學習器，特徵選擇過程與後續學習器無關，這相當於先用特徵選擇過程對初始特徵進行「過濾」，再用過濾後的特徵來訓練模型。相關係數法、卡方檢驗法和互信息法是進行特徵選擇時常用的幾種過濾式方法。
  • 卡方檢驗講解
    當我們要比較兩組或者多組均值有沒有顯著性差異的時候，我們可以用方差分析。請注意，這裡面我們提到是兩組或者多組之間的均值比較時，我們用方差分析，想一下什麼類型的數據可以求均值呢？是不是只有數值類型的數據才可以求均值。也就是所謂的連續型變量。那如果我們要比較兩組或者多組之間的分類型變量之間是否有顯著性差異呢？這個時候就不可以使用方差分析了，就需要使用專門用於分類變量比較的卡方檢驗。
  • 卡方檢驗最全總結
    這種資料較為常見，是比較兩樣本總體頻率（構成比）是否有差異。資料類型詳細步驟 → 【卡方檢驗】核心步驟當n<40 或 T<1 ，則選用Fisher確切概率法此類資料基本原理與2 X 2相同，通過計算卡方值來判斷多個組間是否存在差異，但不能確定哪兩個組間存在差異。
  • 統計學常用概念|T檢驗、F檢驗、卡方檢驗、P值、自由度
    在交叉表的獨立性檢驗和同質性檢驗中，自由度為（r－1）×（c－1）。3、問：t檢驗和方差分析有何區別 答：t檢驗適用於兩個變量均數間的差異檢驗，多於兩個變量間的均數比較要用方差分析。用於比較均值的t檢驗可以分成三類，第一類是針對單組設計定量資料的；第二類是針對配對設計定量資料的；第三類則是針對成組設計定量資料的。