非参数统计 第5章分类数据的关联分析.ppt

根据置信区间分组 设 由公式(5.8)给出,则其在大样本的情况下服从 正态分布, 其95%的置信区间为: 如果希望通过置信区间来比较第i处理与参照组之间的 差异, 可以用 代替 ,其中 当显著性水平 0.05时, (1- )的置信区间近似于 其中 为第i处理的响应数. 若 ,且B1比Bs的等级高, 则当Ridit得分 的值越小,其对应的第i处理(Ai)的等级越高 例5.6参见教材 前面章节介绍的列联表,是研究分类变量的独立性和依赖性的重要工具. 其能确定两个变量之间有无关联,不能确定变量之间有什么关联. 针对定量数据(定比,定距数据)的变量,分析变量之间的关系常用模型法,如线性模型,多项式模型,指数模型, 可利用参数估计和检验的方法. 针对分类数据和定序数据,也希望能分析变量之间的具体关联.对数线性模型 正是这类工具之一,它是结合列联表和线性模型的分析方法. 5.7 对数线性模型 对数线性模型用来描述响应变量(因变量)频率 或频数与解释变量(自变量)之间的关系,它强调模型 拟合优度，交互效应和网格频数估计。 对数线性模型具有以下形式： 对数模型中没有解释变量，是用行列因子的效应 参数来表示。 考虑定性变量A和B的联合分布,A取值为 , B取值为 .变量A和B所有取值组合对应的响应 变量的频数如下表所示: r?s二维列联表 对数线性模型 将上述列联表转换成概率表。若两变量独立,则有 (5.10) 也可表示成: 类似于双因素方差分析模型,这样可以将 的平均变异来源分解为总体平均效应、行效应、列效应以及行列的交互效应。 考虑到分解模型是乘法的，两边取对数可转换成 (5.11) 于是有， 其中， 是总的几何平均， 和 分别是属性A在 Ai时和属性B在Bj时的效应，而 是属性A和B的 交互作用(关联项或关联参数)， 以上模型是二维列联表的饱和模型，其期望频数的估计就是实际频数 。 两变量独立对应的对数线性模型为：则有 (5.13) (5.15) 首先：计算年龄和对缺水意见的交互作用，如表所示： 接着：计算年龄组对缺水意见概率的对数( ，由5.12取对数），如下表所示： 由此表可得： 的结果参见表5.15. 模型设计矩阵 将对数线性模型表达为矩阵形式，可以方便进行参数估计和检验。以2?2 列联表为例，令4个参数为 ， ，则饱和对数线性模型可表示为： 其中： 模型估计检验 建立对数线性模型之后，对于模型需要进行检验，常见的统计量由两个，Pearson 和对数释然比统计量： 在零假设下，两者近似服从 ，k是模型独立参数个数。 高维对数线性模型 高维列联表对数线性模型，用 三维表为例。A有r个水平，B有s个水平,C有l个水平， 为观测频数， 是概率真实值。则对数线性模型一般表示为： 其中： 支持度和置信度分别是衡量实用性和确定性的指标 ％2的支持度指的是所有的事务（购买记录）中的2％同时购买了计算机和软件 置信度60％意味着购买了计算机的人中，60％也购买了软件 fisher.test(HB) Fishers Exact Test for Count Data data: HB p-value = 0.001391 alternative hypothesis: true odds ratio is not equal to 1 95 percent confidence interval: 1.550126 14.070352 sample estimates: odds ratio 4.158592 chisq.test(HA) Pearsons Chi-squared test with Yates continuity correction data: HA X-squared = 12.5737, df = 1, p-value = 0.0003912 chisq.test(HB) Pearsons Chi-squared tes