- 相關(guān)推薦
分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析技巧
你知道分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析技巧有哪些嗎?你知道什么是分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析嗎?下面是yjbys小編為大家?guī)?lái)的關(guān)于分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析技巧的知識(shí)，歡迎閱讀。
分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析
1. 樣本數(shù)據(jù)與總體比較
1)二分類(lèi)資料：
(1)小樣本數(shù)據(jù)：用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn);
(2)大樣本數(shù)據(jù)：用U檢驗(yàn);
2)多分類(lèi)數(shù)據(jù)：用Pearson檢驗(yàn)(又稱(chēng)擬合優(yōu)度檢驗(yàn))。
2. 四格表(2×2表)數(shù)據(jù)
1)完全隨機(jī)設(shè)計(jì)的四格表數(shù)據(jù)的分析
(1)當(dāng)樣本量n>40，并且4個(gè)格子理論數(shù)均大于5時(shí)，則用Pearson 檢驗(yàn);
(2)當(dāng)樣本量n>40，并且4個(gè)格子理論數(shù)均大于1且至少存在一個(gè)格子的理論數(shù)<5時(shí)，則用校正檢驗(yàn)或用Fisher’s精確概率法檢驗(yàn);
(3)當(dāng)樣本量n£40或存在任一格子理論數(shù)<1，則用精確概率法檢驗(yàn);
2)配對(duì)設(shè)計(jì)的四格表數(shù)據(jù)的分析
(1)b+c≥40，則用McNemar配對(duì)檢驗(yàn);
(2)b+c<40，則用二項(xiàng)分布確切概率法檢驗(yàn);
3. 2×C表或R×2表數(shù)據(jù)的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo)，并且為有序多分類(lèi)變量，行變量為分組變量，則可以采用行平均得分差(Row Mean Scores Differ)的CMH 或成組的Wilcoxon秩和檢驗(yàn);
2)列變量為效應(yīng)指標(biāo)并且為二分類(lèi)，行變量為有序多分類(lèi)變量，則可采用普通的Pearson 檢驗(yàn)比較各組之間有無(wú)差別，如果總的來(lái)說(shuō)有差別，還可進(jìn)一步作兩兩比較，以說(shuō)明是否任意兩組之間的差別都有統(tǒng)計(jì)學(xué)意義。
3)行變量和列變量均為無(wú)序分類(lèi)變量：
(1)當(dāng)樣本量n>40，并且理論數(shù)小于5的格子數(shù)少于行列表中格子總數(shù)的25%，則用Pearson 檢驗(yàn);
(2)當(dāng)樣本量n£40，或理論數(shù)小于5的格子數(shù)多于行列表中格子總數(shù)的25%，則用Fisher’s確切概率法檢驗(yàn);
4. R×C表數(shù)據(jù)的統(tǒng)計(jì)分析
1)完全隨機(jī)設(shè)計(jì)的R×C表數(shù)據(jù)的統(tǒng)計(jì)分析
(1)列變量為效應(yīng)指標(biāo)，并且為有序多分類(lèi)變量，行變量為分組變量，則CMH 或Kruskal Wallis的秩和檢驗(yàn);
(2)列變量為效應(yīng)指標(biāo)，并且為無(wú)序多分類(lèi)變量，行變量為有序多分類(lèi)變量，則采用普通的Pearson 檢驗(yàn)比較各組之間有無(wú)差別，如果總的來(lái)說(shuō)有差別，還可進(jìn)一步作兩兩比較，以說(shuō)明是否任意兩組之間的差別都有統(tǒng)計(jì)學(xué)意義;
(3)列變量和行變量均為有序多分類(lèi)變量，可以作Spearman相關(guān)分析或者非零相關(guān)(none zero correlation)的CMH ;
(4)列變量和行變量均為無(wú)序多分類(lèi)變量：
i. 當(dāng)樣本量n>40并且理論數(shù)小于5的格子數(shù)少于行列表中格子總數(shù)的25%，則用Pearson 檢驗(yàn)進(jìn)行分析;
ii. 當(dāng)樣本量n£40或理論數(shù)小于5的格子數(shù)多于行列表中格子總數(shù)的25%，則用Fisher’s 確切概率法檢驗(yàn);
2)配對(duì)設(shè)計(jì)的C×C表數(shù)據(jù)：
(1)配對(duì)比較：用McNemar配對(duì)檢驗(yàn);
(2)一致性檢驗(yàn)(Agreement)：用Kappa檢驗(yàn);
Poisson分布數(shù)據(jù)
1. 單樣本數(shù)據(jù)與總體比較：
1)當(dāng)觀察值較小時(shí)：可以用確切概率法進(jìn)行檢驗(yàn)。
2) 當(dāng)觀察值較大時(shí)：可以用正態(tài)近似的U檢驗(yàn)。
2. 兩個(gè)樣本數(shù)據(jù)的比較：可以用正態(tài)近似的U檢驗(yàn)。
兩個(gè)變量之間的關(guān)聯(lián)性分析
1. 兩個(gè)變量均為連續(xù)型變量
1)當(dāng)兩變量為小樣本并且兩個(gè)變量服從雙正態(tài)分布時(shí)，可以用Pearson相關(guān)系數(shù)來(lái)衡量?jī)蓚�(gè)變量之間的關(guān)聯(lián)性;
2)當(dāng)兩變量為大樣本或兩個(gè)變量不服從雙正態(tài)分布，則用Spearman相關(guān)系數(shù)來(lái)衡量?jī)蓚�(gè)變量之間的關(guān)聯(lián)性;
2. 如果兩個(gè)變量均為有序分類(lèi)變量，可以用Spearman相關(guān)系數(shù)來(lái)衡量?jī)蓚�(gè)變量之間的關(guān)聯(lián)性;
3. 如果一個(gè)變量為有序分類(lèi)變量，另一個(gè)變量為連續(xù)型變量，可以用Spearman相關(guān)系數(shù)來(lái)衡量?jī)蓚�(gè)變量之間的關(guān)聯(lián)性。
【分類(lèi)數(shù)據(jù)的統(tǒng)計(jì)分析技巧】相關(guān)文章：
EXCEL數(shù)據(jù)錄入技巧05-05
excel數(shù)據(jù)排序技巧07-08
excel表格數(shù)據(jù)的分類(lèi)匯總教程10-05
攝影的分類(lèi)和技巧09-02
GMAT數(shù)據(jù)問(wèn)題策略和技巧10-27
修復(fù)硬盤(pán)數(shù)據(jù)故障的技巧07-09
精選Word與Access數(shù)據(jù)交流技巧匯總08-03
精選硬盤(pán)故障修復(fù)數(shù)據(jù)技巧09-19