8_八、卡方检验课件.pptVIP

?2检验是以?2分布为基础的一种假设检验方法，主要用于分类变量，根据样本数据推断总体的分布与期望分布是否有显著差异，或推断两个分类变量是否相关或相互独立。其原假设为： H0：观察频数与期望频数没有差别 ?2值的计算： 例1 某公司经营多年，形成了一套成熟的企业文化和管理体系，例如根据多年的运营经验，经理层、监察员、办事员三种职务类别的比例大约在15：5：80为宜，这样运行效率最高。两年前公司原管理层集体退居二线，新任管理层上任后对公司进行了较大的变动，有员工担心这是否已经导致了职务类别比例的失调，影响到公司的高效运行。目前三种职务的人数比为84：27：363，如何用数据分析来解决此类问题呢？（数据见employee data.sav） 例2 某妇女联合会向工会提出质疑，认为该公司在对女性员工的职位安排上存在歧视，因为该公司216名女性雇员中，只有10人为经理，其余206名为办事员；而258名男性雇员中，74名为经理。但是工会说，男女间职位类别比例的差异，只是一个随机误差，并不是真的存在性别歧视。哪种说法才是正确的呢？（数据见employee data.sav） 连续性校正?2检验： 仅适用于四格表资料，在n40，所有期望频数均大于1，只有1/5单元格的期望频数大于1小于5时； Fisher精确概率法： 在样本含量40或有格子的期望频数1的列联表，应该采用该法； 似然比?2检验： 当n40，最小期望频数5时，结论与Pearson ?2基本一致； 在Pearson 卡方检验中，对行变量和列变量的相关性作检验，其中行变量和列变量是一个事物的两个不同属性。 在实际中，还有一种列联表，其行变量和列变量反映的是一个事物的同一属性的相同水平，只是对该属性各水平的区分方法不同。其特征是：行的数目和列的数目总是相同的。如果希望检验这两种区分同一属性的方法给出的结果是否一致，则不应当使用Pearson ?2检验，而应该采用Kappa一致性检验对两种方法一致程度进行评价。 例5 某零售连锁店对3家分店的客户满意度进行了调查，现希望分析寻求帮助和性别之间有无联系。（数据见cmh.sav） 一般认为， 当Kappa≥0.75时，表明两者一致性较好； 0.75Kappa ≥0.4时，表明一致性一般； Kappa0.4时，表明两者一致性较差。 一致性检验 例4 某实验室分别用乳胶凝集法和免疫荧光法对58名可疑系统性红斑狼疮患者血清中抗核抗体进行测定，结果见下表，问两种方法的检测结果有无差别？（数据见McNemar.sav） 58 45 13 合计 35 33 2 － 23 12 11 + － + 合计 乳胶凝集法 免疫荧光法 两种方法的检测结果 配对卡方检验 不能忘记哦！ 配对卡方检验 在此选入频数变量即可进行下一步的分析。 配对卡方检验 配对卡方检验 配对卡方检验 选中可进行配对卡方检验 配对卡方检验 分析结果 配对卡方检验 分析结果 如果在statistics子对话框中勾选上Kappa复选框，则有以下结果： 注意： Kappa检验会利用列联表的全部信息，而McNemar 检验只会利用非主对角线单元格上的信息。因此，对于一致性较好，即绝大多数数据都在主对角线的大样本列联表，McNemar检验可能会失去实用价值。 配对卡方检验 分层卡方检验 浙江大学医学院流行病与卫生统计学教研室 沈毅 浙江大学医学院流行病与卫生统计学教研室 沈毅 ` 卡方检验 卡方检验基础 拟合问题－单个样本率与总体率的比较 相关问题－两个样本率或构成比的比较 两分类变量间关联程度的度量 一致性检验与配对卡方检验 分层卡方检验 小结 内容提要 卡方检验基础 首先假设H0成立，计算出?2值，它表示观察值与理论值之间的偏离程度。根据?2分布，?2统计量以及自由度可以确定在H0成立的情况下获得当前统计量及更极端情况的概率P。如果P很小，说明观察值和理论值偏离程度太大，应当拒绝原假设，表示比较资料之间有显著性差异；否则就不能拒绝原假设，尚不能认为样本所代表的实际情况与理论假设有差别。 卡方检验基础 ?2检验的基本思想 由英国统计学家Karl Pearson首次提出，故被称为Pearson ?2 。 卡方检验基础 当n比较大时， ?2 统计量近似服从k-1个自由度的?2分布。在自由度固定时，