Анализ качественных данных Опции

[Scratty]

Здравствуйте! Уже несколько недель ломаю голову и переворачиваю Интернет, но так и не могу выбрать нужный стат. критерий...
Если кратко описать тип данных, которые не могу обсчитать: 1 столбец - нормальное значение параметра /повышенное (т.е. 0 / 1), 2 столбец - наличие инфекции/отсутствие (т.е. тоже 0/1)
Понимаю, что задача мега простая, но решить ее не могу (с анализом качественных данных никогда не сталкивалась) (((
Пыталась обсчитать с помощью Хи-квадрат, но ожидаемая частота получается больше 5, если правильно понимаю - необходим критерий Фишера, но так ли это и как и воспользоваться (SPSS, Statistica) я не знаю...
Буду очень признательная за любой совет!

[becas84]

Доброго времени суток! Объясните пожалуйста, как правильно трактовать результаты обсчета качественных номинальных переменных? Прицельно интересует 2-Way Summary Table: Expected Frequencies (ожидаемые частоты??), 2-Way Summary Table: Observed minus Expected Frequencies (минусовые ожидаемые частоты???) и и уровень вероятности хи-квадрат пирсона и МЛ-хи-квадрат относятся к выделенным красным параметрам???

[nokh]

Доброго времени суток! Объясните пожалуйста, как правильно трактовать результаты обсчета качественных номинальных переменных? Прицельно интересует 2-Way Summary Table: Expected Frequencies (ожидаемые частоты??), 2-Way Summary Table: Observed minus Expected Frequencies (минусовые ожидаемые частоты???) и и уровень вероятности хи-квадрат пирсона и МЛ-хи-квадрат относятся к выделенным красным параметрам???

1. С первой таблицей всё ясно: пакет считает относительные частоты в %. А поскольку он не знает что вас интересует, то считает все 3 возможных типа %: по строкам, по столбцам, ну и от общего числа наблюдений в таблице.
2. Во второй таблице - ожидаемые частоты, вычисленные в предположении отсутствия взаимодействия входов таблицы частот. Выделенные красным значения более 10 - исключительно эстетические пристрастия разработчиков пакета, т.к. ни число 10, ни красный цвет никому кроме них ни о чём не говорят.
3. Разность наблюдаемой и ожидаемой частоты называется остатком (residual). Число 10 ни о чём не говорит. Да и сама величина остатка особо ни о чём не говорит. Для интерпретации различий между наблюдаемыми и ожидаемыми частотами нужны не простые, а стандартизованные остатки. Ну или отклонения Фримана-Тьюки. Эти показатели помогают оценить значимость вклада каждой ячейки таблицы в итоговое значение статистики хи-квадрат. Эти показатели Statistica считает, правда в другом модуле (логлинейный анализ) и без оценки статистической значимости вклада ячейки - это за пакетом необходимо самостоятельно досчитывать вручную.
4. В последней таблице - несколько критериев и коэффициентов ассоциации, используемых при анализе таблиц частот r x c. Под пирсоновским хи-квадратом - хи-квадрат максимального правдоподобия (M-L это maximum likelihood), который рекомендуется применять вместо пирсоновского критерия (синонимы: отношение правдоподобия, кримтерий максимального лог-правдоподобия, информационный критерий Кульбака, G-критерий Вульфа, критерий G-квадрат).

Чтобы разбираться с пакетом необходимо использовать не свои данные, а данные из того учебника, где этот раздел хорошо написан и всё разжёвано. Лучше даже на таблице 2 x 2. Также необходимо читать книги по пакету и раздел помощи в самом пакете. Для пакета Statistica и то и другое есть в хороших объёмах.