第06章 卡方检验幻灯片.ppt

检验 第六章 2检验 Chi squaretest 是现代统计学的创始人之一 英国人K Pearson 1857 1936 于1900年提出的一种具有广泛用途的统计方法 可用于拟合优度检验 两个或多个率或构成比间的比较等等 第一节 分布 3 84 7 81 12 59 P 0 05的临界值 2分布 chi squaredistribution 第二节拟合优度检验 注意 理论频数F不宜过小 如不小于5 否则需要合并 Z 2 95 4 1966 0 6737 第三节独立性检验 一 四格表 2 2表 卡方检验二 行 列表卡方检验三 配对四格表卡方检验 1 基本公式 式中 A为实际频数 actualfrequency T为理论频数 theoreticalfrequency 例6 2的计算结果 若检验假设H0 1 2成立 四个格子的实际频数A与理论频数T相差不应该很大 即统计量不应该很大 如果值很大 即相对应的P值很小 若 则反过来推断A与T相差太大 超出了抽样误差允许的范围 从而怀疑H0的正确性 继而拒绝H0 接受其对立假设H1 即 1 2 2 卡方检验的基本原理 3 四格表资料检验的专用公式 4 四格表资料检验的连续性校正公式 四格表资料检验公式选择条件 专用公式或基本公式 校正公式 Fisher确切概率直接计算概率 Fisher确切概率 连续性校正仅用于的四格表资料 当时 一般不作校正 二 行 列表资料的检验 多个样本率比较时 有R行2列 称为R 2表 两个样本的构成比比较时 有2行C列 称2 C表 多个样本的构成比比较 以及双向无序分类资料关联性检验时 有R行C列 称为R C表 检验统计量 通用公式 1 多个样本率的比较 例测得某地5801人的ABO血型和MN血型结果如下表 问两种血型系统之间是否有关联 表某地5801人的血型 3 双向无序分类资料的关联性检验 可用行 列表资料检验来推断两个分类变量之间有无关系 或关联 若有关系 可计算Pearson列联系数C进一步分析关系的密切程度 列联系数C取值范围在0 1之间 0表示完全独立 1表示完全相关 愈接近于0 关系愈不密切 愈接近于1 关系愈密切 检验步骤 由于列联系数C 0 1883 数值较小 故认为两种血型系统间虽然有关联性 但关系不太密切 1 行 列表中的各格子应该有T 1 并且1 T 5的格子数不宜超过1 5格子总数 否则可能产生偏性 处理方法有三种 增大样本含量根据专业知识删去或合并改用双向无序R C表的Fisher确切概率法 如可用SAS软件实现 4 行 列表资料检验的注意事项 2 对于有序的分类变量 采用卡方检验方法不能考虑数据的有序性质 为此 对于单向有序可采用秩和检验 Ridit分析 双向有序可采用趋势检验等 3 多个率两两比较可采用卡方分割的方法 三 配对四格表资料的检验 也称McNemar检验 McNemar stest 式中 a d为两法观察结果一致的两种情况 b c为两法观察结果不一致的两种情况 检验统计量为 配对四格表资料的 2检验公式推导 第四节率的Cochran趋势检验 第五节多个四格表的联合分析 MH MantelHaenszel的缩写 第五节多个四格表的联合分析 条件 理论依据 超几何分布 非检验的范畴 第六节四格表资料的Fisher确切概率法 Fisher精确检验的基本思想 在四格表周边合计数固定不变的条件下 计算表内4个实际频数变动时的各种组合之概率 再按检验假设用单侧或双侧的累计概率 依据所取的检验水准做出推断 1 各组合概率Pi的计算在四格表周边合计数不变的条件下 表内4个实际频数a b c d变动的组合数共有 周边合计