类别资料Categoricaldata一种质性资料其观察值可.pptVIP

Stat_chi2 卡方檢定的應用 分析目標: 由各項統計次數做下列研究: Goodness-of-Fit Test 例：測試資料的分布 Test for Homogeneity 檢定各項比率相同 例：不同的職業團體對核四廠的支持率是否相同? Test for Independence 例：吸煙習慣是否與肝癌的有關? 15.1 同比率檢定 15.1.3 相關性檢定 同比率檢定 = 相關性檢定 比率相同 等同於 二分類變數無關 發生率不同 等同於 二分類變數相關 有戴安全帽頭部受傷比率和沒有戴安全帽頭部受傷比率不同 = 頭部傷勢與戴安全帽有關 醫院開具死亡證明的程度上有差異 = 開具死亡證明的程度與醫院有關 用藥與過敏程度相關 = 各藥導致過敏程度的比率不同 勝算比 勝算 = 發生機率 / 不發生機率 戴安全帽頭部受傷之風險 = 17 / 130 = 0.1308 不戴安全帽頭部受傷之風險 = 218 / 428 =0.5093 勝算比 = 3.89 不戴安全帽頭部受傷之風險是戴安全帽頭的3.89倍 * * 類別資料 (Categorical data) 一種質性資料, 其觀察值可歸類於數個不相交的項目內， 例:性別, 滿意度,…, 一般以各項的統計次數表現. 分析此種資料，通常用卡方檢定 類別資料分析 -----卡方檢定 卡方檢定基本理論 一個含有 k 項的試驗，設 pi 為現象 i 發生之機率，試驗結果為 (X1,X2,…,Xk), Xi 是 n 次中, 現象 i 發生的次數，ei = npi， 是第 i 項之期望值，則下列統計量 U 是一卡方變數 Test : H0 : pi = pi0 for i = 1,2,…,k p-value = P(χ2 u ) p-value α，則檢定結果顯著 說明: (1) U 為相對誤差平方和，U 值愈大，顯示 H0 為真的 可能性低，故 p-值 = P {χ2 u } (2) 此檢定法適用於每一期望值≧5，若有項目 5， 可增加樣本數或合併項目. 【例 1】實驗室系統當機原因有: 軟體失敗 20%, 硬體失敗 50%，其餘為人為疏失，以下列資料檢定此比例分配是否適當? U = (9-9.2)2/9.2 + …… = p-value = 【例 p313】 有關腳踏車安全帽效用的調查結果如下，由此資料檢定戴安全帽對頭部受傷是否有影響。 Test : H0 : 有戴安全帽頭部受傷比率 = 沒有戴安全帽頭部受傷比率 頭部受傷的比率 = 235/793 比率相同時，戴安全帽頭部受傷的期望值 = 147 * 235/793 不戴安全帽頭部受傷的期望值 = 646 * 235/793 U = 28.26 p-value = 0 有戴安全帽與沒有戴安全帽的頭部受傷比率有顯著差異 沒有戴安全帽的頭部受傷比率較高 【例 p318】 社區醫院和教學醫院在開具死亡證明的程度上，是否有差異。 Test H0 : 二醫院開具死亡證明的程度是相同的 由卡方檢定得到 U = 21.62 p-值 0.001 二醫院開具死亡證明的程度有顯著差異 A醫院開具死亡證明正確的比率較少，患嚴重錯誤的比較多 rxc Contingency Table 相關次數表 【例】用藥與過敏程度是否相關? 【解】 Test H0 : 用藥與過敏程度無關 χ2 = 6.39 p-值 =0.38 用藥與過敏程度無顯著相關 三種藥產生的過敏程度的分布相似，顯示過敏與藥物相關性小