SAS的非参数检验（正式）参考.ppt

行列均为顺序变量的相关检验 与定量资料的相关与回归分析类似，也可对R×C表资料中有序变量之间是否存在线性趋势作显著性检验，通常这两种检验的结果是基本一致的，即相关分析结果显著，线性趋势检验结果也显著。可以通过检验实现线性趋势检验，即利用回归分析思想产生的与线性回归有关的卡分量和偏离线性回归的卡分量。 行列均为顺序变量的相关检验 首先计算R×C表的值，然后将总的值分解成线性回归分量与偏离线性回归分量。若两分量均具有统计学意义，说明两分类变量存在相关关系，但关系不是简单的直线关系；若线性回归分量有统计学意义，偏离线性回归分量无统计学意义时，说明两分类变量不仅存在相关关系，而且是线性关系。 行列均为顺序变量的相关检验 计算 总的值 计算线性回归分量 回归 b为回归系数 计算偏线性回归分量 将总的 值分解成线性回归分量和偏离线性回归分量。若两分量均有统计学意义，说明两分类变量存在相关关系，但关系不是简单的直线关系；若线性回归分量有统计学意义，偏离线性回归分量无统计学意义时，说明两变量不仅存在相关关系，而且是线性关系。 例题 某研究者欲研究年龄与冠状动脉粥样硬化等级之间的关系，将278例尸解资料整理成行乘列表，问年龄与冠状动脉粥样硬化等级之间是否存在线性变化趋势？ 分层资料的分析 按一个或多个因素分层后，研究行变量与列变量间的联系。 通过控制分层变量的影响，检验研究行变量与列变量的关系。 例题 某研究者欲研究男女性使用别嘌 呤是否引发皮疹。 本章小节 ?2检验是用途很广的一种假设检验方法，这里我们主要学习它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。 本章第一节介绍了四格表的普通?2检验方法，理论频数与实际频数的定义，?2检验统计量的计算方法，?2分布以及?2界值表确定P值的方法。说明了四格表?2检验的应用条件，以及连续性校正公式和四格表专用公式。通过SAS分析实例演示了四格表?2检验过程以及结果解释。我们需要重点理解?2检验的含义以及应用。掌握?2检验的应用条件以及连续性校正公式等。 本章小节 R×C表可以分为双向无序、单向有序、双向有序属性相同和双向有序属性不同4类。①双向无序R×C表，R×C表中两个分类变量皆为无序分类变量。若研究目的为多个样本率（或构成比）的比较，可用行×列表资料的?2检验；若研究目的为分析两个分类变量之间有无关联性以及关系的密切程度时，可以用行×列表资料的?2检验以及Pearson列联系数进行分析。②单向有序R×C表有两种形式：一种是R×C表中的分组变量是有序的，而指标变量是无序的，此种单向有序R×C表资料可用行×列表资料的?2检验进行分析；另一种情况是R×C表中的分组变量是无序的，而指标变量是有序的，此种单向有序R×C表资料宜用秩和检验进行分析。 本章小节 ③双向有序属性相同的R×C表，R×C表中的两分类变量皆为有序且属性相同，实际上是2×2配对设计的扩展，此时宜用一致性检验（或称Kappa检验）；双向有序属性不同的R×C表，R×C表中的两分类变量皆为有序且属性不相同，对于该类资料，需要分析两有序分类变量间是否存在线性变化趋势，宜用有序分组资料的线性趋势检验。 本章针对不同类型的R×C表资料分别予以介绍，并通过实例进行数据分析，并通过SAS程序完成统计分析过程，大家在练习不同类型数据的分析方法时，掌握常用数据分析的SAS程序，并能够灵活运用。 例题－随机区组设计 8名受试对象在相同实验条件下分别接受4种不同频率声音的刺激，他们的反应率（%）。问4种频率声音刺激的反应率是否有差别？ 本章小节 非参数检验方法简便，不依赖于总体分布的具体形式因而适用性强，但灵敏度和精确度不如参数检验。一般而言，非参数检验适用于以下三种情况：①顺序类型的数据资料，这类数据的分布形态一般是未知的；②虽然是连续数据，但总体分布形态未知或者非正态，这和卡方检验一样，称自由分布检验；③总体分布虽然正态，数据也是连续类型，但样本容量极小，如10以下（虽然Ｔ检验被称为小样本统计方法，但样本容量太小时，代表性毕竟很差，最好不要用要求较严格的参数检验法）。因为这些特点，加上非参数检验法一般原理和计算比较简单，因此常用于一些为正式研究进行探路的预备性研究的数据统计中。当然，由于非参数检验许多牵涉不到参数计算，对数据中的信息利用不够，因而其统计检验力相对参数检验也差得多。 本章小节 本章介绍了编秩的基本步骤，平均秩的计算及相等秩的校正，详细讲解了非参数检验的几种基本类型和检验的基本方法，包括配对及单样本秩和检验、两组样本