协和研究生统计总复习PPT.ppt

?2 检验的基本思想 实际数和理论数差异的大小可以用值的大小来说明。同一总体中随机抽出的样本所算得的值分布近似于分布。值的计算公式如下： 式中A代表实际频数，T代表理论频数。 ν=（R-1）（C-1) 四格表资料的?2 检验 当n≥40，且T≥5?时，不需要进行校正。 当 n≥40, 但有1≤T5时，需对上述公式进行连续性校正。 当n40，或T1时，应采用四格表精确概率法。 配对设计资料的?2检验 配对设计的计数资料特点：对同一样本的每一对象分别用两种方法处理，观察其阳性或阴性结果，调查或实验设计数据等。常用于： 比较两种处理方法的阳性率的差别等。 检验两种方法的结果的相关性。 配对计数资料和前面所讲的配对计量资料有共同之处，都是把两种处理分别施于条件相似的两个受试对象，或先后施于同一受试对象，逐个记录其试验结果。 配对设计资料的?2检验 两种处理方法的阳性率比较 当b+c≥40时 ν=1 当b+c40时，其理论分布具有偏性，故须计算校正值。ν=1 属性变量的关联性分析 两种处理结果的关联性分析 当n≥40，且T≥5?时，不需要进行校正。 当 n≥40, 但有1≤T5时，需对上述公式进行连续性校正。 当n40，或T1时，应采用四格表精确概率法。 R×C表资料的?2检验 对于定性资料，按分组和分析变量的分类特征整理，可得到行×列表资料，简称R×C表。多数情况下可用检验进行多个率及多组构成比之间的比较。 R×C表资料的?2检验的计算公式： ν=（R-1）（C-1） R×C表资料的?2检验的注意事项 对行×列表资料进行检验时，一般认为不能有1/5以上的格子的理论频数小于5，也不能有任何一个格子的理论频数小于1，否则很容易导致分析结果出现偏性。如果出现这种情况，可采取以下解决方法： 增大样本量： 合理合并 舍弃部分数据 采用精确概率法 率的多重比较 Bonferroni法：按照Bonferroni校正式对检验水准α做调整。 第十章 非参数检验 应用条件、与参数检验的区别 基本原理：秩和检验 SPSS软件结果解释 已知总体分布类型，对未知参数进行统计推断 依赖于特定分布类型，比较的是参数 参数检验 （parametric test） 非参数检验 （nonparametric test） 对总体的分布类型不作严格要求 不受分布类型的影响，比较的是总体分布位置 优点：方法简便易学，易于推广、应用范围广；可用于参数检验难以处理的资料(如等级资料，或含数值“50mg”等 )；受限少；稳健性好。 缺点：方法比较粗糙，没能充分利用数据信息，但比较稳健；对于符合参数检验条件者，采用非参数检验其检验效能较低，不如参数检验方法灵敏；样本含量较大时，两者结论常相同。 第十一、十二章 简单线性回归和相关 线性回归与相关分析的基本概念、统计学意义与计算； 回归方程、回归系数、决定系数、相关系数的假设检验； Spearman秩相关分析意义与适用范围； 线性回归与相关分析中应注意的问题； SPSS软件结果解释。 直线回归分析的一般步骤 1、将 n 个观察单位的变量对(x，y)在直角坐标系中绘制散点图，若呈直线趋势，则可拟合直线回归方程。 2、求回归方程的回归系数和截矩 3、写出回归方程 ，画出回归直线 4、对回归方程进行假设检验 b 为回归系数(coefficient of regression) 即直线的斜率。 b0，表示随x增加，y亦增加； b0，表示随x增加，y值减少； b=0，表示回归直线与x轴平行，意为y与x无关。 回归系数 b 的统计意义是当 x 每增(减)一个单位，y平均改变 b 个单位。 称为Xi取值时，一组yi的平均值，也称为y的估计值。 b ：回归系数 回归系数的假设检验 H0： β＝0，即自变量x对因变量y的作用不显著 H1： β ≠0，即自变量x对因变量y的作用显著 检验统计量 注意：对同一资料作一元线性回归，F检验与t检验的结论是一致的，且有 即一元线性回归中，回归方程的显著性检验与回归系数的显著性检验等价。 样本决定系数 决定系数r2 ：回归平方和与总的离差平方和之比，即 决定系数r2是一个回归直线与样本观测值拟合优度的指标，大小反映了自变量对回归的贡献，说明在Y的总变异中用X，Y回归关系所能解释的比重； r2取值在0~1； 决定系数r2的检验 直线回归方程的求法 为使方程能较好地反映各点的分布规律，应该使各实测点到回归直线的纵向距