统计学配对四格表和普通四格表的区别

统计学配对四格表和普通四格表的区别,第1张

一、适用条件不同

1、普通四格表是根据不同的实验条件分类,得到不同的实验结果的资料。如:按照是否吸烟分组,得到是否患癌症的人数。

2、配对四格表是先将实验对象配对后随机安排到两个不同处理组,所得的二分类结果的资料。例如,同一批对象两个时间点(或两个部位)的测定,或同一对象用两种方法(或两种仪器、两名化验员、两种条件)的测定,所得的二分类(如阳性、阴性)结果的资料。

二、表格形式不同

1、普通四格表为独立二分样本表格形式,横标题和纵标题为不一致的分类,如:横标题为是否吸烟,纵标题为是否患肺癌。

2、配对四格表为相关样本表格形式,横标题和纵标题为相关或相同的分类,如:阳性和阴性。

三、卡方检验方法不同

1、普通四格表可以采用卡方检验,先计算边际概率,再给出理论数,最后按照下列公式进行计算。

2、配对四格表的卡方检验公式如下。

四、应用的检验不同

1、普通四格表应用独立二分样本检验。

2、配对四格表应用相关样本检验。

参考资料:


百度百科——四格表

把夹在相邻斜线间的数字求和,按照从右下到左上的顺序,满10向上进1。格子算法也叫“铺地锦”,该算法需要用算筹一个个地列算出来,然后再相加注意画的斜线,所以配对两分类资料中bc格子理论数把夹在相邻斜线间的数字求和,按照从右下到左上的顺序,满10向上进1。

统计函数可以进行卡方(χ2 )检验。 Excel 中的CHITEST 统计函数具有返 回相关性检验值的功能,利用该函数 可以计算出卡方(χ2 )检验的概率值 P,但未能计算出卡方值;CHIINV 统 计函数具有返回给定概率收尾×2 分 布区间点的功能,利用这一统计函数 可以通过 CHITEST 统计函数计算出 的概率值 P,反过来求出卡方值。也 就是说,将此两统计函数结合起来应 用就可以轻松完成卡方检验的运算。 该方法适用于四格表资料、行×列表 资料和列联表资料的卡方检验。但是 当理论频数(T )小于 1,或总例数(n) 小于40,或当卡方值处于临界值附近 时,最好改用四格表的确切概率法, 而不使用该法。 如果建立好四格表资料卡方检验通 用的工作表并保存下来,以后应用此 方法进行四格表资料的卡方检验时, 只要先填写上a、b、e、d 4 个实际频 数,再分别运行CHITEST 和CHIINV 这两个统计函数就可以轻松地完成 卡方统计检验的运算。该方法 *** 作简 便,结果直观,非常适合在基层单位推广应用。

打开excel表格,这里有一列姓名列,需要将这列姓名列转成4列显示。首先,要想好排列顺序,是从左至右然后从上到下排列,还是从上到下然后从左到右。

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。来结果的第3个表就是要的卡方检验,第一行第一个数是卡方值,后面是自由度,然后是P值。

含义

如果性别和化妆与否没有关系,四个格子应该是括号里的数(期望值,用极大似然估计55=100110/200,其中110/200可理解为化妆的概率,乘以男人数100,得到男人化妆概率的似然估计),这和实际值(括号外的数)有差距,理论和实际的差距说明这不是随机的组合。

『壹』 spss软件中卡方检验的校正公式

RC列联表卡方检验要求理论频数不宜太小,一般不宜有1/5以上的格子的版理论频数小于5,或不宜权有一个理论频数小于1,而你的RC列联表没有超过1/5,所以可以直接用卡方检验。校正公式只适用于四格表资料,列联表没有校正公式可言。

如果出现理论频数不满足此要求,可以考虑选择如下方法处理:

适当增加样本含量,这是最好的办法。
结合专业知识考虑是否可以将格所在行或列与别的行或列合并,是否可以合并要根据样本的专业特性确定,合并后会损失信息。

该用RC表的Fisher确切概率法,可以用计算机软件 *** 作。
『贰』 描述四表格X2 检验专用公式、校正公式、确切概率法的适用条件

答:在进行x2四格检验时,先计算四格表中最小的T值,即最小行合计与最小列合计所对应的那一版个格子的理论数。权当总例数N=120≥40,且所有格子的T>5时,应采用四格表专用公式计算。

当总例数N≥40,但至少有一个格子的理论数出现1≤T<5时,用四格表校正公式。

当总例数N<40,或T<1时,用Fisher确切概率法。

『叁』 简述四格表资料应用卡方检验的条件有哪些

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并且总样本量版n≥40,用Pearson卡方进行检验。
2如果理权论数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。
统计专业研究生工作室为您服务


欢迎分享,转载请注明来源:内存溢出

原文地址: https://www.outofmemory.cn/yw/13142710.html

(0)
打赏 微信扫一扫 微信扫一扫 支付宝扫一扫 支付宝扫一扫
上一篇 2023-06-11
下一篇 2023-06-11

发表评论

登录后才能评论

评论列表(0条)

保存