类别变项的统计方法.ppt

生物統計 期末報告 組員: 張庭淵 林建志 類別變項的統計方法 林明瀅 台北榮民總醫院感染管制委員會 流行病學暨生物統計專欄（九、十） 二個類別變項間的統計方法 主要是探討這兩個類別變項間是否有關聯性存在，稱為獨立性檢定。 二個類別變項間的統計方法 臨床上常用的統計檢定方法 1.卡方檢定 2.Yate’s correct test 3.Fisher’s exact test 4.McNemar test 5.Poisson test 卡方檢定 適用條件: 1.類別變項----類別變項 2.兩組資料互相獨立 3.樣本是從母群體中隨機抽樣 4.類別變項,A變項可區分為 c 組(c?2), B變項可區分為 r 組(r?2) 5.其資料可安排 r × c 的表格 卡方檢定 假設檢定: H0: A 變項與 B 變項之間沒有關聯性 H1: A 變項與 B 變項之間具有關聯性 檢定程序: 1.檢定每一細格之期望值是否過小( 5 ) 2.檢定A 變項與 B 變項之間是否具有關聯性 ? 卡方檢定 檢定統計量: Χ2=∑{(O-E)2/E} 或 If 自由度=1 時 Χ2=N(ad -bd)2/(a+b)(c+d)(a+c)(b+d) 自由度=1 範例 1: 計算結果 Χ2=4.28 If ?=0.01 Χ299(1)=6.63 If ?=0.05 Χ295(1)=3.84 所以若選擇?=0.01，就是接受虛無假設，就認為使用導尿管與泌尿道感染無關。 所以若選擇?=0.05，就是拒絕虛無假設，相信使用導尿管與泌尿道感染是有關聯。 Yate’s correct test 適用條件: 與卡方檢定的適用條件相同 在2×2的卡方檢定中（自由度=1）,最小的期望值小於5時(因為Χ2值分佈與Χ2值機率分佈表並不完全符合)，對誤差的修正稱為 Yate’s correction。 在多項類別的卡方檢定，若總數介於20至40之間時，且有超過20%的期望值小於5時，一定要使用Yate’s correction。 Yate’s correct test 假設檢定: H0: A 變項與 B 變項之間沒有關聯性 H1: A 變項與 B 變項之間具有關聯性 檢定程序: 1.檢定每一細格之期望值是否過小(5) 2.檢定A 變項與 B 變項之間是否具有關聯性 ? Yate’s correct test 檢定統計量: Χ2=∑{(|O-E|-0.5)2/E} 或 If 自由度=1 時 Χ2=N(|ad-bd|- N/2)2/(a+b)(c+d)(a+c)(b+d) 範例 2: 計算結果： Χ2=5.73 If ?=0.01 Χ299(1)=6.63 If ?=0.05 Χ295(1)=3.84 所以若選擇?=0.01，就是接受虛無假設，即使用心導管與心內膜炎無關。 所以若選擇?=0.05，就是拒絕虛無假設，相信即使用心導管與心內膜炎有關聯。 Fisher’s exact test 適用條件: 與卡方檢定的適用條件相同 在2×2的卡方檢定中（自由度=1）,若總數小於20時,且有超過20%的期望值小於5時 Fisher’s exact test 假設檢定: H0: A 變項與 B 變項之間沒有關聯性 H1: A 變項與 B 變項之間具有關聯性 檢定程序: 1.檢定每一細格之期望值是否過小(5) 2.檢定A 變項與 B 變項之間是否具有關聯性 ? Fisher’s exact test 檢定統計量: Pi=(a+b)!(c+d)!(a+c)!(b+d)!/N!a!b!c!d! 範例 3: 計算過程: 在計算時，先找數目最小之細格，計算其 Pi 值，再將最小細格減 1，重新調整其他三個細格的數目，再計算 Pi，反覆為之，直到最小細格數為 0 為止。將各 Pi 值相加，即為 P 值。 計算結果: P=0.279 If ?=0.05 P=0.279 ? 0.05 所以就是接受虛無假設，意即使用呼吸器與肺炎無關。 McNemar test(for paired sample) McNemar 檢定又稱非獨立樣本比率數的卡方檢定，或稱為相依樣本的卡方檢定。 主要探討實驗前後由『是』變為『否』與由『否』變為『是』的個數是否相等,因此被稱為『改變的顯著檢定』。 McNemar test 適用條件: 1.類別變項----類別變項 2.兩相依樣本 3.僅適用於 2×2 的表格 4.樣本是從母群體中隨機抽樣 McNemar t