公卫人

 找回密码
 立即注册

QQ登录

只需一步,快速开始

不劳无获:如何获取钢镚? 因为论坛,所以相逢。 捐赠百科答题至尊

公卫考研:一起风雨兼程 因为梦想,所以努力。 真题答案政治英语

职称考试:诸君逢考必过 因为热爱,所以执着。 模拟考场技能执医中级

查看: 130|回复: 1

[经验] 丁小丁SPSS系列专讲36:卡方检验(4)

[复制链接]
小食指1991 发表于 2017-10-12 17:29:37 | 显示全部楼层 |阅读模式

注册后推荐绑定QQ,之后方才可以使用下方的“用QQ帐号登录”。

您需要 登录 才可以下载或查看,没有帐号?立即注册

x
说完了双向无序和单向有序计数资料的处理,我们再说双向有序计数资料的处理,双向有序就是指原因变量和结果变量均为有序(等级)资料,这类数据的处理依然是以非参数检验为主,因为我们所关心的结果变量为等级资料,原因变量是否为等级资料倒不是那么重要,至于这类数据差异性的检验具体处理方法可参考上一讲的内容。
' C2 s/ C/ p1 h' @6 e: q& Q这里大家一定要注意,当数据为双向等级资料时,并不一定就必须用非参数检验,根据具体的研究目的,我们依然可以使用卡方检验之下的子方法对数据进行分析,比如,两列等级数据间的相关关系的分析。后面的课程中我们着重探讨一下,当双向有序资料为属性相同和属性不同时,其又该如何分析?
5 {* E' |; L$ q0 g; X( j" P! v说到这里,有同学开始有点迷糊了,什么叫属性相同,什么又叫属性不同呢?下面我举个例子说明一下。
' U9 x2 I1 ?' F" L①双向有序属性不同:如下表所示,此为三个年龄段的人患有某病以后的治疗效果,其中原因变量(分组变量)为年龄段,结果变量为不同的疗效等级,所以两者虽然均为有序资料,但其属性是不一样的。现在,我们的研究目的是考察治疗结果是否与年龄段相关,此处就可以用到咱们的卡方线性趋势检验了。+ U! Q+ w4 Z9 `+ }$ _6 Z7 T
分组        显效        有效        无效        死亡0 y- S5 |: e! _
青年         12         34          9          2
( a4 W+ n! q) k9 w0 Q中年         13         26           8          3) P4 d6 }0 v6 Y
老年          7         21          7          5
8 V$ x0 [2 |! s7 u) Q  m+ R. W首先将以上数据录入SPSS。6 k& n" w& b$ d9 U
图片1.jpg 1 m/ s* `$ Z. h% X' k& Q9 }
别忘了给原因变量和结果变量赋值,以及对频数变量的加权,然后接着做常规卡方检验即可,因为卡方线性趋势检验的结果会出现在卡方检验的表里,即线性和线性组合。中间的过程略去,有问题的同学可参照前几讲的做法,请看输出结果。& a5 Y8 i1 w+ `  o
第一张表为非常熟悉的案例处理摘要。5 c7 D$ D0 d0 p: }0 P) x
图片2.jpg 3 s8 f3 m, U0 X0 d0 m
第二张表相应的统计描述。
2 s+ J- M/ j5 W0 q" u* P 图片3.jpg 2 E* j2 K0 T" t: i( w
在第三张表里,我们就得着重看线性和线性组合的结果了,显而易见其统计量2=1.745,渐进P=0.187,那么,这里的P值之下又隐藏着什么检验假设呢?零假设为原因变量和结果变量之间不存在相关关系,而备足假设即为存在相关关系,很明显,此处零假设成立的概率为18.7%,不属于小概率事件,故而零假设是可能发生的,因此我们就接受零假设,认为原因变量和结果变量之间不存在相关关系,换句话说,它们之间是没有线性趋势的。2 K* v# \% T, ?9 r! U$ N
图片4.jpg
9 L5 M# K* u& e! ~, T  f$ w6 F4 A前面我们学习了用卡方线性趋势检验对双向有序的资料进行处理,现在我们继续来说两种其他做法,以便为后面的相关性分析打点基础。我们接着上一讲的内容,除了使用卡方线性趋势检验能分析原因变量和结果变量均呈等级的数据以外,在相关性分析之下的Spreaman和Kendall检验也能对这类双变量为等级资料的数据进行分析。
  u5 @/ x- r! k$ A前面我们在讲解配对t检验时也曾涉及到相关性分析的一些知识点,并做了简单的介绍,此处将相关性分析里的Spreaman和Kendall两种具体方法我也做个说明。相关性分析是干嘛的呢?在前面的教程中说的很清楚了 ,无非就是两点:①相关的方向;②相关程度的大小。它包括很多方法,后面我们会有专题讲到,今天先说Spreaman和Kendall相关。
% B) Z* @; F# ?+ z# v' A这两种检验都是非参数方法,其中Spreaman应用面更为宽泛一点,它主要用于双变量为计量资料(无论服从正态分布与否),双变量为等级资料的相关性分析,而Kendall相关应用面相对而言要窄一点,它主要是分析双变量均为等级资料数据的相关性,下面我们仍然以上一讲的数据为例进行实操练习。9 g, D3 l2 j  S( O5 x
图片5.jpg 7 R. P7 ^4 ?1 _* O
由于原始数据里涉及到频数变量,一定记着加权。
" V, P; ^8 Z8 U2 P7 u& K 图片6.jpg
7 T1 C; W) H# U' U8 Z/ S" a! G接下来请看具体操作。
+ M/ W( Y) U4 M" P1 F 图片7.jpg 5 G2 r7 `7 F5 {: r7 Z+ t
相关性分析界面如下,将要分析的变量选入右边变量框内,可一次性将相关系数里的Spreaman和Kendall方法勾选,其它选项默认即可。6 k; v# v. E2 y9 a/ d! k
图片8.jpg ( {8 J( M/ k3 [7 ]; ?: A* {
确定以后出结果,我们可以看到,这份表分为两部分,其上是kendall相关的结果,其下是spearman的结果,此处的看法与配对样本t检验里的相关系数表是一样的,先看P值,判断相关性是否存在,然后再看相关程度的大小。在本例中kendall方法的P=0.307,Spearman方法的P=0.304,不难判断出,应该接受零假设,那么零假设是什么的呢?我们前面也讲过了,在相关性分析里,零假设是双变量间不存在相关关系,备择假设则是双变量间存在相关关系,由于两种方法得出的结果都表明零假设的成立并非小概率事件,所以我们可认为分组和疗效这两个等级变量间是不存在相关性的,故而,我们也就没必要在去看它们相关程度的大小了。这与上一讲卡方线性趋势检验的结果是相同的。
0 E$ z+ ^% k' T0 F& s9 s( ~+ E 图片9.jpg , \5 P5 M- f) }) F8 h& r
其实,在SPSS里面的进行相关性分析的专有模板中,所提供的方法并不完整,真正做相关的地方却是在交叉表的统计量选项里。这些内容,我们在讲解相关性分析时会详解说到,此处仅作为抛砖引玉,给大家留个印象。: D4 I+ B. S: X6 G
图片10.jpg

评分

参与人数 1金钱 +100 收起 理由
epiman + 100 积极发布原创帖子内容,再接再厉!

查看全部评分

本帖被以下淘专辑推荐:

我是人间惆怅客 发表于 2017-10-20 23:11:58 来自手机 | 显示全部楼层
为楼主点赞
回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

安卓版|我要捐赠|关于我们|接种问答|公卫人 ( 沪ICP备06060850号-3 )

GMT+8, 2018-1-21 00:52 , Processed in 0.280255 second(s), 46 queries , Gzip On, MemCache On.

Powered by Discuz! X3.3

© 2001-2017 Comsenz Inc.

快速回复 返回顶部 返回列表