SAS - всеми признанный пакет для статистических расчетов, а R - пакет программ, написанный студентами в перерыве между лекциями.

да да конечно

содержательный совет ИринаС посоветовала "поставить статистику" , теперь Груздев посоветовал "поставить статистику" Оказывается что бы поставить статистику, надо поставить статистику.... Ждем продолжения

Век здесь ни при чем, профи data science работают и будут работать с командной строкой R или командной строкой IPython, юзеры - жмут на кнопки в меню

Уважаемые коллеги! Недавно установила на свой компьютер программу STATISTICA 6. Пока не усвоила методы пользования, импортировала данные из Excel. Трудновата было пользоваться, мучалась. А сейчас не открывается файл. Требует Time code. Что делать? Почему спрашивает код? Помогите, пожалуйста

Добрый день, уважаемые пользователи форума!
Подскажите, пожалуйста, для одного своего исследования мне необходимо сравнить выживаемость пациентов, принимающих два лекарства (Каплан-Майер?), и какие факторы влияют на выживаемость (регрессия Кокса?). Подскажите какой-либо самоучитель SPSS, где был бы объяснен анализ выживаемости в SPSS. В интернете самоучителей по SPSS много, но почему-то ни в одном из них анализ выживаемости не описан. В доступных мне книгах эту тему тоже обошли стороной. Может Вы знаете доступную в интернете статью, или книгу, где данный анализ был бы описан?
Конечно, есть описание данных методов на английском языке, но, к сожалению, на таком высоком уровне я английским не владею, чтобы до конца разобраться во всех тонкостях.
Заранее благодарен,
Андрей

Я трактую следующим образом:

р > 0.05 (как в Вашем случае) - при данных условиях эксперимента не удалось обнаружить достаточно доказательств, чтобы отклонить нулевую гипотезу H0. (это не означает, что мы принимает нулевую гипотезу или говорим, что она истинна) - fail to reject null hypothesis

p < 0.05 - в эксперименте удалось собрать достаточно доказательств, чтобы отклонить нулевую гипотезу - reject null hypothesis.

Приведу цитату R. Fisher'a, который, как считают, и придумал p value, хотя скорее всего, придумал его Карл Пирсон для своего хи-квадрата, а Фишер - популяризировал

"In relation to any experiment we may speak of..the "null hypothesis" and it should be noted that the null hypothesis should never be proved or established but is possibly disproved in the course of experimentation. Every experiment may be said to exist only in order to give the facts a chance of disproving the null hypothesis".

Кстати, заметил еще одну неточность в книге - авторы считают, что p value - это вероятность ошибки I рода. На самом деле это не так.

Да и сложно найти у нас кандидатскую/докторскую, в которой бы применялись хотя бы 3 разных алгоритма включения предикторов, в основном используется метод Enter / Block. К тому же в литературе существуют противоречивые данные относительно того, стоит ли применять forward / backward selection алгоритм, некоторые - за, другие - критикуют. Мне бы хотелось найти в иНете авторитетную статью (не заказную), которая бы провела сравнительный анализ пакетов SPSS и SAS, и, как вывод, заявила, что SPSS - игрушка для детей, а SAS - для профи. Увы, пока не нашел. В компании "Боинг" стоит R, мне кажется, что там хватает профессионалов

Вы бы могли еще объяснить, что имеете ввиду под недорогими предикторами?

Спасибо!

Также на протяжении всей книги мне резало глаз, что авторы постоянно употребляют выражение "если значение p > 0.05, значит мы принимаем нулевую гипотезу". Нулевая гипотеза не принимается, а говорится, что у нас недостаточно доказательств, чтобы ее отвергнуть/отклонить. Это принципиально разные вещи ибо "Absence of evidence is not evidence of absence" и о неправильной трактовке статистически незначимых результатов можно прочитать например здесь: http://www.bmj.com/content/311/7003/485.full Хорошая цитата Tukey (1991): "Its foolish to ask - are the effects A and B different? They are always different - for some decimal place". Еще один мэтр статистики Cohen пишет: "It can only be true in the bowels of a computer processor running a Monte Carlo study (and even then a stray electron may make it (null hypothesis) false). If it is false, even to a tiny degree, it must be the case that a large enough sample will produce a significant result and lead to its rejection. So if the null hypothesys is always false, what the big deal about rejecting it?". Этот вопрос поднимает проблему NHST (Null Hypothesys Significance Testing) в целом.

Что значит "надо"? И кому надо: вам, научному руководителю? Взвешивание и преобразование данных перед анализом это - одно. А здесь это будет не "перевзвешивание", а подгонка данных под какие-то свои, возможно ошибочные мысли, т.е. фасльсификация. Работайте с тем, что есть. Даже самые совершенные процессы в природе не лишены ошибок. А возможно, что и эта ступенька на графике имеет своё объяснение. Если желание "перевзвесить" не уйдёт, задумайтесь: возможно наука - не ваш путь. А если того требует научный руководитель - нужно искать другого. Я знаю людей, которые сменили руководителя, когда им предложили пририсовать цифры для "полного ажура": с такими "учителями" от "науки" не следует вести диалогов, нужно прекращать общение и уходить.

ааа, кажется понял

Поскольку есть подогнанная логистическая регрессия, по синтетическому входу (где предусмотрены все сочетания (или все встречающиеся на практике сочетания)) получаете с ее помощью выход. Потом все параметры входные преобразуете в "фиктивные" переменные (когда каждому уровню входа переменной логистической регрессии соответствует отдельная переменная входа линейной). И обучаем линейную регрессию. Ну и не забудем отмасштабировать в любимый масштаб начальства

PS 600 тысяч блин Хотеть!

Работала и не только с пакетом STATA, но и с десятком других пакетов. Кстати, по одним и тем же данным разные пакеты дают результаты не только разной структуры и информативности, но и отличающиеся, хотя и немного, по самим значениям коэффициентов. Относительно перевода коэффициентов в баллы. Ваш вопрос говорит о лишь о неполном понимании сути теории логистической регрессии. Я тоже вначале многое не понимала в этом методе. Пока не прошла обучение и мне не выполнили заказ по анализу моих данных. И вот только после этого разбираясь с помощью профессионального биостатистика с полученными уравнениями (а их было более сотни), я стала понимать, что нет такой проблемы, о которой Вы пишете. Начну с того, что Вы не конкретизируете о каких именно КОЭФФИЦИЕНТАХ идёт речь. Ведь после проведения этого анализа получаются коэффициенты разного вида. Далее, если даже не учитывать вид этих коэффициентов, то и в этом случае надо понимать, что коэффициенты есть величины количественные, непрерывные. Т.е. это ЧИСЛОВАЯ шкала. Вы же пишете о том, как превратить ЧИСЛОВУЮ шкалу в БАЛЛЬНУЮ. Это преобразование всегда сопряжено с потерей информации. Кроме того, вариантов превращения, трансформации можно предложить десятки, если не сотни. И все они будут бессмысленны, поскольку в реальности мы работаем не с одним уравнением, а с несколькими. И тогда получается что для каждого уравнения нужно искать свой алгоритм трансформации.

Уважаемый (ая) 'Вале а' ! Задавая свой вопрос, Вы не озадачились аргументацией необходимости, полезности и практической ценности такого преобразования. Поэтому позвольте задать Вам встречный вопрос: ЗАЧЕМ, ДЛЯ ЧЕГО НЕОБХОДИМО ТАКОЕ ПРЕОБРАЗОВАНИЕ? ЧЕМ ВАС НЕ УСТРАИВАЕТ ПОЛУЧАЕМОЕ УРАВНЕНИЕ С КОЭФФИЦИЕНТАМИ? ЧТО, ЕГО ОЧЕНЬ, НУ ОЧЕНЬ ТРУДНО, ИСПОЛЬЗОВАТЬ?

Поделитесь, пожалуйста, информацией, а где же можно сделать детальный анализ?

И поясните также, пожалуйста, почему нельзя сделать "детальный анализ", например, в СТАТА.

Привет! У меня тоже была масса вопросов по логистической регрессии, пока не прочитала статью "Логистическая регрессия в медицине и биологии"
(http://www.biometrica.tomsk.ru/logit_1.htm). Потом вышла на автора, с его помощью получила уникальные результаты по своим данным. Но самое главное, я поняла, что для осмысления самого уравнения регрессии нужны и результаты по многим другим методам. Только тогда начинаешь понимать и структуру уравнения, и то, как его можно использовать на практике. И ещё. Я поняла, что реально детальный анализ по этому методу ни в SPSS (у меня 20-я версия), ни в STATISTICA (у меня 10 версия) не сделать.

Татьяна.

Тогда: средний квадрат разницы величины и её оценки.

Здравствуйте, Игорь, не уходите, пожалуйста, с форума, Ваши ответы на поставленные вопросы очень профессиональные и при этом понятные, будет очень жалко, если Вы перестанет помогать. Просто не обращайте внимания на всё это