分類數據的統計分析技巧

你知道分類數據的統計分析技巧有哪些嗎?你知道什麼是分類數據的統計分析嗎?下面是yjbys小編為大家帶來的關於分類數據的統計分析技巧的知識，歡迎閲讀。

　　分類數據的統計分析

　　1. 樣本數據與總體比較

1)二分類資料：

(1)小樣本數據：用二項分佈進行確切概率法檢驗;

(2)大樣本數據：用U檢驗;

2)多分類數據：用Pearson檢驗(又稱擬合優度檢驗)。

　　2. 四格表(2×2表)數據

1)完全隨機設計的四格表數據的分析

(1)當樣本量n>40，並且4個格子理論數均大於5時，則用Pearson 檢驗;

(2)當樣本量n>40，並且4個格子理論數均大於1且至少存在一個格子的理論數<5時，則用校正檢驗或用Fisher’s精確概率法檢驗;

(3)當樣本量n£40或存在任一格子理論數<1，則用精確概率法檢驗;

2)配對設計的四格表數據的.分析

(1)b+c≥40，則用McNemar配對檢驗;

(2)b+c<40，則用二項分佈確切概率法檢驗;

　　3. 2×C表或R×2表數據的統計分析

1)列變量為效應指標，並且為有序多分類變量，行變量為分組變量，則可以採用行平均得分差(Row Mean Scores Differ)的CMH 或成組的Wilcoxon秩和檢驗;

2)列變量為效應指標並且為二分類，行變量為有序多分類變量，則可採用普通的Pearson 檢驗比較各組之間有無差別，如果總的來説有差別，還可進一步作兩兩比較，以説明是否任意兩組之間的差別都有統計學意義。

3)行變量和列變量均為無序分類變量：

(1)當樣本量n>40，並且理論數小於5的格子數少於行列表中格子總數的25%，則用Pearson 檢驗;

(2)當樣本量n£40，或理論數小於5的格子數多於行列表中格子總數的25%，則用Fisher’s確切概率法檢驗;

　　4. R×C表數據的統計分析

1)完全隨機設計的R×C表數據的統計分析

(1)列變量為效應指標，並且為有序多分類變量，行變量為分組變量，則CMH 或Kruskal Wallis的秩和檢驗;

(2)列變量為效應指標，並且為無序多分類變量，行變量為有序多分類變量，則採用普通的Pearson 檢驗比較各組之間有無差別，如果總的來説有差別，還可進一步作兩兩比較，以説明是否任意兩組之間的差別都有統計學意義;

(3)列變量和行變量均為有序多分類變量，可以作Spearman相關分析或者非零相關(none zero correlation)的CMH ;

(4)列變量和行變量均為無序多分類變量：

i. 當樣本量n>40並且理論數小於5的格子數少於行列表中格子總數的25%，則用Pearson 檢驗進行分析;

ii. 當樣本量n£40或理論數小於5的格子數多於行列表中格子總數的25%，則用Fisher’s 確切概率法檢驗;

2)配對設計的C×C表數據：

(1)配對比較：用McNemar配對檢驗;

(2)一致性檢驗(Agreement)：用Kappa檢驗;

　　Poisson分佈數據

1. 單樣本數據與總體比較：

1)當觀察值較小時：可以用確切概率法進行檢驗。

2) 當觀察值較大時：可以用正態近似的U檢驗。

2. 兩個樣本數據的比較：可以用正態近似的U檢驗。

　　兩個變量之間的關聯性分析

1. 兩個變量均為連續型變量

1)當兩變量為小樣本並且兩個變量服從雙正態分佈時，可以用Pearson相關係數來衡量兩個變量之間的關聯性;

2)當兩變量為大樣本或兩個變量不服從雙正態分佈，則用Spearman相關係數來衡量兩個變量之間的關聯性;

2. 如果兩個變量均為有序分類變量，可以用Spearman相關係數來衡量兩個變量之間的關聯性;

3. 如果一個變量為有序分類變量，另一個變量為連續型變量，可以用Spearman相關係數來衡量兩個變量之間的關聯性。