ridit分析ridit是.ppt

各样本平均R─────────────────── 样本名 频数合计 平均R ─────────────────── 第1组 361 0.4819 第2组 58 0.6287 第3组 77 0.4881─────────────────── 此时我们选用Kendall和Spearman等级相关分析法分别计算相关系数t和rs。 计算公式： t = n：总例数 m：最长对角线上的格子数 S：专用统计量 Kendall等级相关意义：当一个变量的等级为标准时，另一个变量的等级与它不一致的情况（可分析两个以及多个变量间的等级相关性）。 rs = 1- n：总例数 d：每一对值的等级差 Spearman等级相关意义：两个变量之间的等级相关性。 （只适用于分析两个变量关系） Spearman等级相关公式： 1.建立数据库 2.录入数据 3.权重频数 4.界面操作（以表4为例）： Analyze —— Correlate —— Bivariate ——Row(s)：疗效 —— Column(s) ：病情 —— Statistics —— Kendall’s tau-b ，Spearman—— OK SPSS操作演示： 表4检验结果： 表5检验结果： 重复测量等级资料时间趋势检验 ——CMH卡方检验 实例4 在某药治疗闭塞性动脉炎的临床试验中,治疗26例下肢溃疡的病人溃疡改善情况见表6，评价该药有无促进溃疡愈合的作用。 本例特点： 1.个体的重复测量 2.溃疡随时间的变化趋势 ＣＭＨ卡方检验, Cochran-Mantel-Hansel检验简称 ，包括非零相关、行平分差和一般联系3种检验方法。对于这种重复测量的等级变量,行列变量均为等级变量,应该作非零相关检验。本方法仅限于检验线性趋势。 计算公式： Qcs = 结果：χ2 = 4.7424，P = 0.0294 结论：溃疡改善程度随着治疗时间延长有变好的趋势。 多组等级资料的两两比较——Ridit分析 Ridit是“Relative to an identified distribution integral transformation”的首个字母缩写，意指对于一个确认的分布作积分变换。 Ridit分析是一种关于等级资料进行对比组与标准组比较的假设检验方法，其基本思想是先确定一个标准组作为特定总体，求得各等级的Ridit值，标准组平均Ridit值理论上可以证明等于0.5，其他各组与标准组比较，看其可信区间是否与0.5重叠，来判断组间的统计学显著性，最后得出专业解释。 Ridit分析适用范围： 1.两组或两组以上等级资料的比较和分析 2.两端数据不确切的计量资料分组转换成计数资料的分析，如血清滴度等。 特点：简便、直观、适用性广。 Ridit分析关键步骤： 一、确定标准组： 1.利用已知的标准分布（传统方法）作为标准组。如某药物大规模的观察研究结果，计算不同疗效的R值。 2.以例数最多的一组作为标准组。 3.各组的例数都差不多时，可把各组观察结果合并起来作为标准组。 二、计算标准组的Ridit值： 三、利用对照组计算各组的平均R值 四、置信区间判断 五、统计检验: u检验、t检验、χ2检验 Ridit分析关键步骤： Ridit分析（实例5 ）： 表7 三种方剂对某妇科病患者治疗效果比较 PEM3.1操作过程： 1.建立数据库 1.1 定义变量名 1.2 录入数据 2.界面操作： 其他统计分析 —— Ridit分析 —— 分析目的：多个样本比较 —— 分组变量：分组 —— 类别变量 ：类别 —— 频数变量：例数 —— 确定 主要结果： 检验水准: α=0.05 选用同一参照组 (各样本合计为参照组)? 样本数 k=3 等 级 数: 4 主要结果： 主要结果： 卡方检验: 卡方值 = 13.0887 自由度 v= 3 概 率 P= 0.0044 结论：三种药物对妇科病的疗效差异有统计 学意义。 主要结果： 三者之间究竟有何种差异呢？ 1.标准组平均R值 ： = 248.00/496 =0.5 2.标准组方差、标准差的计算： 方差 = [160.16 – 248^2/496]/（496-1）= 0.0730 标准差 = 0.2