定性数据统计分析四格表摘要.pptVIP

第三章 四格表 2×2列联表 什么是四格表 【例3.1】为了解吸烟与肺癌的关系，选择63个肺癌患者和43个与肺癌患者年龄、性别和其他属性类似的健康人（对照组）进行研究，调查结果见表3.1。问总体中肺癌患者吸烟的比例是否比健康人吸烟的比例高？ 表3.1 对肺癌患者和对照组的调查结果 什么是四格表 上述检验问题可以一般化为： 其数据结构关系包括五个等式。 从略 四格表的抽样方式 根据四格表的边缘分布是否给定，可能的抽样方式有以下四种： 1、单侧给定，如 n1+ 和n2+给定，则在四格中有两个随机变量，服从二项分布； 如：63个肺癌患者和43个对照组，属于行边缘分布给定的情况 2、总样本容量 n给定，则有三个随机变量，n11 , n12 , n21 , n22 服从多项分布； 如： Mendel豌豆实验，属于n给定的情况 四格表的抽样方式 3、都不给定时， n11 , n12 , n21 , n22都是随机变量，通常假定它们服从Poisson 分布 如：某商店在某一天可能来的顾客数未知，顾客的性别以及有没有购买的情况，存在4个随机变量 四格表的抽样方式 4、两侧都给定时，只有一个是随机变量，它服从超几何分布。 如：假设100件产品中有8件次品，随机抽5件加以检验，问有多少件次品？ 对不同抽样方式下得到的四格表，其数据分析方法也有可能不同。 属性之间独立与不相关 两个相互独立的随机变量一定不相关，但不相关不一定独立。 这里相关指线性相关 四格表中属性A与B相互独立等价于不相关。 根据前面的频数分布表可以得到概率四格表： 属性之间独立与不相关 若以下等式成立，则称属性A和B相互独立。 该式包括： 且有： 属性之间独立与不相关 在四格表中，独立等价于不相关。 可以通过考察随机变量X(属性A)与Y (属性B)的协方差知： 其中，a1,a2和b1,b2分别是属性A和B的分类(取值) 当A与B不相关时，有： 可见，四格表中属性A与B无关也就是相互独立。 属性之间独立与不相关 在协方差的基础上，不难计算出随机变量X(A)和Y(B)的方差，并得到它们的相关系数。 各自方差分别为： 则相关系数： 可见，四格表中属性间的关系与属性的赋值无关。 单侧给定的四格表的检验 单侧给定时四格表中仅有两个随机变量，且服从二项分布 如：当n1+和n2+给定时，n11和n21分别服从： B(n1+,p1)和B(n2+,p2)，其中, 上例肺癌患者吸烟比例是否比对照组高，也即要求验证假设p1=p2还是p1p2. 单侧给定的四格表的检验 可见，原假设成立时，实际上是检验属性A与B相互独立或不相关。因此，四格表的检验有以下三种情况： 单侧给定的四格表检验，其实就是两总体的比例差的检验,区别仅在于使用的值不同，一个是样本比例，一个是观测频数。 单侧给定的四格表的检验 首先，由样本比例的抽样分布有： 于是，令p1=p2=p，进行线性变换(见附录5)有： 单侧给定的四格表的检验 将 代入U后可以得到： 单侧给定的四格表的检验 例3.1的解： 在给定的显著性水平(0.05)下，显然大于临界值，应该拒绝原假设。 相应的P-值为0.00094，可以得到同样的结论。 独立性的三个等价定义 1、 2、 3、 连续性修正 二项分布是离散型分布，在用连续型分布如正态分布进行近似时，需要进行连续性修正，以提高精确程度。 连续性修正 英国统计学家Yates(1934)提出了对二项分布的近似修正方法。即： 连续性修正 一般而言，连续性修正的近似程度要比不修正好，见附表3.2。 但当二项分布随机变量取两端值时，其修正后的近似程度反而要差。 为此，四格表检验时也要进行连续性修正，基本方法为： 计算P(n11≤k)时，修正为n11+1/2； 计算P(n11≥k)时，修正为n11-1/2； 其他格的修正类似。 四格表的连续性修正 根据以上思想，Yates提出了四格表检验的修正方法： 当备择假设为p1p2时， 公式1： 当备择假设为p1p2时， 公式2： 当备择假设为p1≠p2时， 公式3： 连续性修正的比较 对例3.1计算修正的U统计量。 由该题为右检验，故采用公式1，得： 可以发现修正后的U值比原来的3.1086小，检验的P-值为0.002428，比原来的0.00094要大。 由费歇尔精确检验知(见双侧给定时的检验)，修正后的U统计量更接近真实值0.002467，说明连续性修正后的近似程度更好。 单侧给定四格表的似然比检验 在单侧给定情况下，根据原假设p1=p2以及似然函数，可以得到独立性检验的似然比统计量： 就四格表而言，独立性检验的卡方检验、连续性修正后的卡方检验、以及似然比检验的效果完全相同。 单侧