10两变量关联性分析资料.ppt

第三节 分类变量的关联性分析 一、交叉分类2＊2表的关联性分析 二、2＊2配对资料的关联性分析 三、R＊C分类资料的关联性 例10-7　为了解大学生专业与艾滋病知晓程度之间是否有关，某研究者调查了某大学一年级不同专业的500名学生，结果见表10-3。试分析大学生专业与艾滋病知晓程度之间的关联性。　　 表10-3　大学生专业与艾滋病知晓程度之间的关系 低 高 500 450 50 合计 378 359 19 其他 122 91 31 医学预科 合计 艾滋病知晓程度 大学生专业 2＊2交叉分类频数表的一般形式如表11－4　表11－4　 2＊2交叉分类频数表的一般形式 Y2 Y1 n m2 (?c2) m1 (?c1) 合计 n2 (?r2) A22(?22) A21(?21) X2 n1 (?r1) A12(?12) A11(?11) X1 合计 属性Y 属性X 所谓两属性X和Y互相独立（independence)，是指属性X的分布的概率与属性Y的概率分布无关，否则称这两种属性之间存在关联性。从概率的角度考虑，独立是指在交叉分类表每一格子中同时具有两种属性的联合概率等于相应属性的边际概率的乘积。 ?ij= (?ri) (?cj) i,j=1,2 欲检验的假设为：H0：两属性之间相互独立，H1：两属性之间相互关联 检验统计量仍采用拟合优度卡方检验： 在H0成立的条件下必有： ?ij= (?ri) (?cj)。由于(?ri)和 (?cj)未知，只能用样本中的频数近似地代替 H0：大学生专业与艾滋病知晓程度之间互相独立H1：大学生专业与艾滋病知晓程度之间有关联　　 ?＝0.05 则拒绝原假设，说明大学生专业与艾滋病知晓程度之间有关联。 关于两个分类变量关联程度，可用φ系数、Cramer V系数和Peason列联系数来描述： 这三个系数值接近0，说明两分类变量几乎没有关系，越接近于1，说明关系越密切。 φ系数仅用于四格表资料，Cramer V系数和Peason列联系数用于至少一个变量为无序定性变量（分类变量）的任何行列表资料。 理论上也应就总体列联系数是否为0作假设检验，但这个假设检验等价于上述两变量关联性分析的卡方检验。 两变量独立 存在关联性 ρ=0 ρ≠0 第三节 分类变量的关联性分析 一、交叉分类2＊2表的关联性分析 二、2＊2配对资料的关联性分析 三、R＊C分类资料的关联性 例10-8　有132份食品标本，把每份标本一分为二，分别用两种检验方法做沙门菌检验，检验结果如表10-5，试问两种检验方法的结果是否存在关联？ 表10-5　两种检验方法的结果　 132 21 111 合计 42 11 31 _ 90 10 80 + _ + 合计 乙法 甲法 H0：两种检验方法的结果之间互相独立H1：两种培检验方法的结果之间有关联　　?＝0.05则拒绝原假设，两种培养基之间存在着关联性。进一步计算列联系数。　 本例列联系数为：列联系数介于0与1之间，理论上也应就总体列联系数是否为0作假设检验，但这个假设检验等价于上述的卡方检验。 第三节 分类变量的关联性分析 一、交叉分类2＊2表的关联性分析 二、2＊2配对资料的关联性分析 三、R＊C分类资料的关联性 例10-9 欲探讨职业类型与胃病类型是否有关联，某医生将收治的310 名胃病患者按主要的职业类型与胃病类型两种属性交叉分类，结果见表 10-6。问职业类型与胃病类型间有无关联？ 表10-6 310名胃病患者按胃病类型与职业两种属性的交叉分类表 310 26 132 152 合计 52 10 22 20 公交车司机 126 12 62 52 工厂工人 132 4 48 80 机关干部 胃溃疡 慢性胃炎 浅表性胃炎 合计 胃病 职业 H0：胃病类型与职业无关联 H1：胃病类型与职业有关联 ?＝0.05 若须进一步分析关系的密切程度时，可计算Pearson列联系r。 例10-10 某省随机抽查了1043位居民的ABO血型与MN血型， 资料见表10-7，问两种血型之间有无关系？ 表10-7 某地1043位居民的血型 ABO血型 MN血型 合计 M N MN O 85 100 150 335 A 56 78 120 254 B 98 132 170 400 AB 23 25 6 54 合计 262 335 446 1043 H0：两种血型系统间无关联 H1：两种血型系统间有关联 ?＝0.05 若须进一步分析关系的密切程度时，可计算Pearson列联系r。 河北省省