第十章卡方检验.pptVIP

3、理论次数小于5时，四格表?2的校正 10.3 列联表中的相关测量 10.3.1 四分相关(tetrachoric Correlation) 1、适用资料 四格表的二因素都是连续的正态变量，只是人为地将其按一定标准划分为两个不同的类别。这样，可将资料整理成四格表的形式。 B因素 A 因 素 A 非A B a b a+b 非B c d c+d a+c b+d 10.3.2 ?相关系数(phi coefficient) 1、适用资料 ?相关的适用资料是除四分相关之外的四格表资料，是表示两二分变量相关程度最常用的一种相关系数。 2、计算公式 10.3.3 列联相关系数(coefficient of contingency) 1、适用资料 属于R×C列联表的资料，要分析所研究的二因素之间的相关程度，就要用列联相关。 2、计算公式 当列联表中的两个变量相互独立时，C＝0，但两个变量完全相关时它不可能达到1。其可能的最大值依耐于列联表的行数和列数，且随着R和C的增大而增大。 10.3.4 V相关系数 1、适用资料 V相关系数是鉴于?系数无上限、C系数小于1的情况而提出的相关系数。 2、计算公式 当两个因素相互独立时，V＝0； 当两个因素完全相关时，V=1。 第十章 列联分析 对于定类数据的检验方法，不能用前面介绍的方法，而要用卡方检验法。 前些章节对于计数资料的分析方法，是将一个因素作两项分类或两个因素各作两项分类的资料，转换成相对比例之后，进行比例的显著性或比例差异的显著性检验。而这些方法对于多项分类的资料则不适用，而要用卡方检验法。本章主要介绍：拟合度检验法和独立性检验法。 10.1 拟合度检验: 多项总体 1、几个概念 多项总体(Multinominal population):有几个类别中,每个个体被分配到一个类别中. 多项总体涉及到多项概率分布,它将二项分布由两个类别推广到了3个以上的类别. 拟合度检验(Goodness of fit test):一种用于判断是否拒绝总体服从假设的概率分布的统计检验方法. 列联表(Contigency table):在独立性检验中,用于汇总观察频数与期望频数的表格. 例10.1 某市场调查公司进行的市场份额研究。 在过去的一年中，公司A的市场份额稳定于30%，公司B为50%，公司C为20%。最近公司C开发了一种新型改进的产品，该产品已经取代了其当前占有市场的产品。该调查公司受雇于公司C，为它判断新产品是否使市场份额发生了改变？ H0:PA=0.30, PB=0.50, PC=0.20 H1:总体比例不是PA=0.30, PB=0.50, PC=0.20 调查公司用一组200名顾客的群体进行研究。向每个人询问他们对于公司A、公司B、公司C的购买偏好。汇总如下： 观察频数 期望频数 拟合优度检验重点考察观察频数（实际频数）与期望频数（理论频数）之差。它越大，则会引起对假设的比率或市场份额的正确性产生怀疑。 卡方检验统计量的计算过程 2、拟合度检验的应用举例 拟合度检验可以应用到下列几种场合： （1）检验无差假设 假设各类别之间的概率相等，因此，理论次数＝总数×(1/分类项数) （2）检验假设分布的概率 假设某因素各分类的次数分布为某一理论分布（如正态分布），检验实际次数与理论上期望的结果之间是否有显著差异。 （3）连续变量分布的拟合度检验 对于连续随机变量的一组测量数据，有时需要对其次数分布究竟符合哪种理论次数的分布进行探讨，这时，就要用到拟合度检验。 （4）资料用百分数表示的拟合度检验 如果收集到的次数资料已经转成百分数，这时拟合度检验的方法与上述几种情况基本相同，只是最后将计算的卡方值乘以N/100后再查卡方表。 例10.2 某项民意测验，答案有同意、不置可否和不同意三种，调查结果如下表： 同意 不置可否 不同意 N fi 24 12 12 48 问：三种意见的人数是否有显著不同？ 例10.3 某班学生50人,体检结果按一定标准划分为甲、乙、丙三类，各类人数分别为：甲类16人，乙类24人，丙类10人，问该班学生的身体状况是否符合正态分布？ 例10.4 下表所列资料是552名中学生的身高次数分布，问这些学生的身高分布是否符合正态分布。 身高 分组 组中值 Xc 实际次数fi Xc-X =x Z=x/S 查正态分布表求y Pi=y× (组距) ÷S ei= y×N 169- 166- 163- 160- 157- 154- 151- 148- 145- 142- 139- 170 167 164 161 158 155 152 149 146 143 140 2 7 22 57 110 124