Каким методом воспользоваться? Опции

[Leer]

Коллеги, у меня случился приступ кретинизма и сомнений.
Прошу помочь в двух вопросах.

1. На руках данные - скорость наступления события N (две переменных, начало = 0, конец = t, цензурированных и пропущенных нет, событие N наступило для всех наблюдений, других эпизодов наблюдений нет, окно наблюдения также не опредлено). Задача - оценить скорость наступления события N для разных групп обследуемых. Заказчик честно утверждает, что это Kaplan-Meier estimation+piecewise constant exponential models. Я столь же честно смотрю на данные и думаю, что все-таки нужно использовать только ANOVA, без бессмсыленных изысков анализа выживаемости. Прав ли я?

2. надо проверить связь двух переменных (или оценить влияние) - одна дихотомическая, вторая ранговая, порядка 10 градаций. Из методов в голову приходит только традиционная ранговая корреляция r-Спирмена. Но меня внезапно стали терзать смутные сомнения, может - есть еще что более подходящее задаче. Чем бы вы воспользовались?

В обоих случаях выборка - несколько тысяч наблюдений.

[Leer]

DrgLena, nokh - благодарю.

2 DrgLena
если вдаваться в подробности, то данные - мультиэпизодная panel data. заказчика интересует только первый эпизод, время поиска работы (от нуля до какого-то значения, когда он, собственно, и нашел работу). Выглядит как данные, организованные для анализа выживаемости и прочих временных штудий. Однако по ближайшем рассмотрении мне показалось, что это все-таки просто интервальные данные времени поиска работы. Поэтому, с учетом отсутствия цензурированных наблюдений, и встал вопрос об уместности оценки Каплана-Мейера/регрессии Кокса. К тому же, визуально оценивать график сложно - 11 кривых, с наложениями и т.д.

А как Вы работаете с таблицами сопряженности большой размерности? Я внятно могу интерпретировать только таблицы 2*2, дальше уже путаюсь и теряюсь.
за ранговые оценки различий - спасибо большое, я как-то выпустил этот блок методов, привык их использовать на ненормально распределенных данных, по преимуществу.
задача здесь простая - оценить, респонденты с каким уровнем образования восстанавливаются в вузах, а для кого - начинают с самого начала.

видимо, сделаю проще в выборе Kaplan-Meier vs ANOVA - обрисую свою позицию и все "за" и "против" заказчику, и попрошу определиться.


2nokh
угу, я примерно такими же соображениями и руководствовался, когда думал о том, что каплан/кокс не нужен. И, думаю, Вы правы в том, что заказчик просто следует тренду обработки - применение piecewise constant models, Kapla-Meier, Cox модны среди немецких социологов (как я понял, заказчик жестко на них ориентируется ).
расскажите, пожалуйста, подробнее, как Вы делаете "анализ по форме распределений: скажем нарезать распределения на кусочки и анализировать как таблицу частот"? я с такой формой анализа не встречался.

кстати, а для чего Вы делаете преобразование к нормальному распределению для ANOVA? Ведь, насколько я помню, дисперсионный анализ больше требователен к гомогенности дисперсий, и не оперирует параметрами распределения. Я обхожусь проверкой на гомогенность (критерий Левена) или на сферичность - при многомерном дисперсионном (критерий Бокса).

бисериальный...спасибо, подумаю.
софта как такового не видел, но знаю, что для SPSS написан макрос - http://rivita.ru/files/KO_Various_proximities_RU.zip
возможно, есть реализация в R, но я с ним пока не работаю

[p2004r]

..............

А как Вы работаете с таблицами сопряженности большой размерности? Я внятно могу интерпретировать только таблицы 2*2, дальше уже путаюсь и теряюсь.

.................


возможно, есть реализация в R, но я с ним пока не работаю

надо начинать

mosaicplot(x, ...)

x: a contingency table in array form, with optional category
labels specified in the ?dimnames(x)? attribute. The table
is best created by the ?table()? command.

вот пример картинки (из http://r-statistics.livejournal.com/12710.html )

mydata<-read.csv("http://dl.dropbox.com/u/17112096/mydata.csv")
mosaicplot(table(mydata$ev_answer,mydata$rec_answer,mydata$freq))

[Leer]

надо начинать

меня коллеги уже чуть ли не пинками в сторону R гонят
пока сошлись на странном компромиссе - принюхиваюсь к Stata, которая тоже командная
собственно, ralfer, на пост которого Вы ссылаетесь - один из моих коллег-друзей


а про таблицы сопряженности - как сделать-то понятно
вопрос в том, как качественно содержательно интерпретировать таблицы больше, чем 2*2

Сообщение отредактировал Leer - 1.09.2011 - 11:20