SAS软件应用之行×列表分析PPT.pptVIP

行列均为顺序变量的相关检验 与定量资料的相关与回归分析类似，也可对R×C表资料中有序变量之间是否存在线性趋势作显著性检验，通常这两种检验的结果是基本一致的，即相关分析结果显著，线性趋势检验结果也显著。可以通过检验实现线性趋势检验，即利用回归分析思想产生的与线性回归有关的卡分量和偏离线性回归的卡分量。 行列均为顺序变量的相关检验 首先计算R×C表的值，然后将总的值分解成线性回归分量与偏离线性回归分量。若两分量均具有统计学意义，说明两分类变量存在相关关系，但关系不是简单的直线关系；若线性回归分量有统计学意义，偏离线性回归分量无统计学意义时，说明两分类变量不仅存在相关关系，而且是线性关系。 行列均为顺序变量的相关检验 计算 总的值 计算线性回归分量 回归 b为回归系数 计算偏线性回归分量 将总的 值分解成线性回归分量和偏离线性回归分量。若两分量均有统计学意义，说明两分类变量存在相关关系，但关系不是简单的直线关系；若线性回归分量有统计学意义，偏离线性回归分量无统计学意义时，说明两变量不仅存在相关关系，而且是线性关系。 本章小节 ?2检验是用途很广的一种假设检验方法，这里我们主要学习它在分类资料统计推断中的应用，包括：两个率或两个构成比比较的卡方检验；多个率或多个构成比比较的卡方检验以及分类资料的相关分析等。 本章第一节介绍了四格表的普通?2检验方法，理论频数与实际频数的定义，?2检验统计量的计算方法，?2分布以及?2界值表确定P值的方法。说明了四格表?2检验的应用条件，以及连续性校正公式和四格表专用公式。通过SAS分析实例演示了四格表?2检验过程以及结果解释。我们需要重点理解?2检验的含义以及应用。掌握?2检验的应用条件以及连续性校正公式等。 本章小节 R×C表可以分为双向无序、单向有序、双向有序属性相同和双向有序属性不同4类。①双向无序R×C表，R×C表中两个分类变量皆为无序分类变量。若研究目的为多个样本率（或构成比）的比较，可用行×列表资料的?2检验；若研究目的为分析两个分类变量之间有无关联性以及关系的密切程度时，可以用行×列表资料的?2检验以及Pearson列联系数进行分析。②单向有序R×C表有两种形式：一种是R×C表中的分组变量是有序的，而指标变量是无序的，此种单向有序R×C表资料可用行×列表资料的?2检验进行分析；另一种情况是R×C表中的分组变量是无序的，而指标变量是有序的，此种单向有序R×C表资料宜用秩和检验进行分析。 本章小节 ③双向有序属性相同的R×C表，R×C表中的两分类变量皆为有序且属性相同，实际上是2×2配对设计的扩展，此时宜用一致性检验（或称Kappa检验）；双向有序属性不同的R×C表，R×C表中的两分类变量皆为有序且属性不相同，对于该类资料，需要分析两有序分类变量间是否存在线性变化趋势，宜用有序分组资料的线性趋势检验。 本章针对不同类型的R×C表资料分别予以介绍，并通过实例进行数据分析，并通过SAS程序完成统计分析过程，大家在练习不同类型数据的分析方法时，掌握常用数据分析的SAS程序，并能够灵活运用。 第14章 非参数统计 学习目标 了解非参检验的优缺点及应用范围； 熟息非参数检验几种基本类型和检验的基本方法； 掌握编秩基本步骤，平均秩的计算及相等秩的校正。 配对及单样本秩和检验； 两组样本比较的秩和检验； 多组样本比较的秩和检验及两两比较； 等级分组资料的非参数检验； 随机区组设计资料比较的秩和检验及两两比较。 概述 比较两个总体间的差异，我们比较熟悉的是可依据总体方差是否已知，选择使用正态Z检验或t检验法。但如果有明显的证据表明，这些参数型检验法不能使用时又该如何呢？非参数检验法对此提供了解决方案。 作为参数检验的一种推广，非参数检验有何特点？它的使用有什么样的要求？本章首先对非参数检验进行概述，接着按照和参数检验对应的原则分别介绍用于两组比较的非参数检验法、用于多组比较的非参数检验法以及等级相关检验（秩相关）。 概述 参数检验是在已知总体分布的条件下（一般要求总体服从正态分布）对一些主要的参数（如均值、百分数、方差、相关系数等）进行的检验，有时还要求某些总体参数满足一定条件。如独立样本的Ｔ检验和方差分析不仅要求总体符合正态分布，还要求各总体方差齐性。 非参数检验则不考虑总体分布是否已知，常常也不是针对总体参数，而是针对总体的某些一般性假设（如总体分布的位置是否相同，总体分布是否正态）进行检验。 概述 非参数检验方法简便，不依赖于总体分布的具体形式因而适用性强，但灵敏度和精确度不如参数检验。一般而言，非参数检验适用于以下三种情况：①顺序类型的数据资料，这