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.

[nokh]

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.

Суть такая же как проверка соответствия эмпирического распределения теоретическому с помощью критерия хи-квадрат (есть в разных учебниках). Только здесь имеем 2 или несколько эмпирических распределений. Нарезать можно примерно так: найти минимальное и максимальное значение показателя в массиве данных и разделить отрезок между ними на несколько частей (можно равных, но необязательно). Сколько таких отрезков сделать зависит от формы распределений и объёма выборок: нужно "ухватить" особенности формы распределения. Далее подсчитать количество значений для каждой выборки, попавших в каждый интервал и сформировать из этих чисел таблицу частот, которую проанализировать на однородность критериями хи-квадрат или лучше критерием отношения правдоподобия (синонимы: G-критерий Вулфа, G-квадрат, информационный критерий Кульбака и др.). В случае обнаружения неоднородности уже разбираться за счёт чего (каких ячеек) она проявилась. Странно, что вы, работая с социологическими данными, не имеете опыта анализа больших таблиц сопряжённости: там же без этого - никуда? Здесь-то ещё просто разбираться: r x c - всё на плоскости, а вот с многомерными таблицами частот бывает туго. Диаграммы, предложенные р2004r, хорошо визуализируют неоднородность в таблице частот, но к ним нужно какое-то время привыкать, и они всё равно не отражают статистической значимости "выпадения" ячеек. Я обычно делаю примитивно: рассчитываю для каждой ячейки отклонения Фримана-Тьюки и заливаю эти ячейки разными цветами: красным - ячейки, отклоняющиеся от ожидаемых частот с p<0,001, жёлтым - с p<0,01 и зелёным - с p<0,05, а затем интерпретирую. Можно вместо отклонений Фримана-Тьюки использовать стандартизованные остатки.

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).

Многомерный дисперсионный анализ не использую по принципиальным соображениям. А требований у любого ANOVA два: нормальность распределения ошибки (остатков) и однородность дисперсий (гомоскедастичность). Причём во всех учебниках на первом месте стоит именно нормальность. Помните плохо: дисперсионный анализ - параметрический метод и оперирует именно параметрами распределения: средними и дисперсиями. Уверен, что распределение времени до трудоустройства скорее логнормально, чем нормально, т.к. все события во времени имеют выраженную положительную асимметрию. Проверьте распределение остатков на нормальность, если скошенное - попробуйте предварительно прологарифмировать данные и снова посмотреть на остатки, а также оценить насколько изменятся или нет выводы.

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

Посмотрел файл - там бисериальный. Это обычная корреляция Пирсона - мы как-то уже обсуждали это на форуме. По крайней мере программы его обычно так и считают. А здесь нужен не бисериальный, а рангово-бисериальный. А это уже экзотика даже в англоязычном мире.

Сообщение отредактировал nokh - 1.09.2011 - 22:53

[p2004r]

Диаграммы, предложенные р2004r, хорошо визуализируют неоднородность в таблице частот, но к ним нужно какое-то время привыкать, и они всё равно не отражают статистической значимости "выпадения" ячеек. Я обычно делаю примитивно: рассчитываю для каждой ячейки отклонения Фримана-Тьюки и заливаю эти ячейки разными цветами: красным - ячейки, отклоняющиеся от ожидаемых частот с p<0,001, жёлтым - с p<0,01 и зелёным - с p<0,05, а затем интерпретирую. Можно вместо отклонений Фримана-Тьюки использовать стандартизованные остатки.

... цветовая (тональная) заливка в мозаике (и в её продвинутых вариантах) естественно предусмотрена, чаще всего заливают цветом пропорциональным ошибке.

вот ссылка в ней есть pdf с примерами http://cran.r-project.org/web/packages/vcd/index.html

Сообщение отредактировал p2004r - 2.09.2011 - 00:40