Интерпретация полученных результатов Опции

[aspir_h]

Всем здравствуйте!
Прошу строго не судить, если излагаю банальные вопросы, тем не менее, они у меня возникли, и я очень рад, что нашел ресурс, где их можно обсудить.
Читаю книгу О.Ю.Ребровой "Статистический анализ медицинских данных", раздел 10 "сравнение групп по качественному признаку", где на стр.148 приводится в качестве примера для сравнения двух групп и более использование таблиц сопряженности и метода Пирсона хи-квадрат.
Решаемая нами задача аналогична изложенной в книге, мы получили определенные результаты, и я очень прошу уважаемых форумчан подсказать, насколько правильно я интерпретировал полученные результаты.
Итак, необходимо сравнить распространенность больных с I, II,III стадиями гипертонической болезни в группах больных инфарктом миокарда и инсультом (в нашем случае, заболевания другие, данный пример придуман).
Нулевая гипотеза: - группы однородны (между группами отсутствуют различия);
- распределение по одному признаку не влияет на распределение по другому признаку.
После анализа данных получены следующие результаты (в прикрепленном файле).
Вывод: нулевая гипотеза отклоняется, изучаемые группы значимо различаются и признаки умеренно ассоциированы.

Сообщение отредактировал aspir_h - 2.02.2013 - 22:41

Прикрепленные файлы

 для_сайта.rar ( 134,62 килобайт ) Кол-во скачиваний: 424

 

[100$]

Самый известный тест, ассоциирующийся с именами Краскелла и Уоллиса- это непараметрический аналог однофакторного дисперсионного анализа (1952 год). Именно он реализован в Statistica, именно о нем пишет Боровков. А что такое тест Краскелла-Уоллиса для анализа таблиц сопряженности? Угостите кто-нить ссылкой, коли не лень. Сильвупле.

[nokh]

Самый известный тест, ассоциирующийся с именами Краскелла и Уоллиса- это непараметрический аналог однофакторного дисперсионного анализа (1952 год). Именно он реализован в Statistica, именно о нем пишет Боровков. А что такое тест Краскелла-Уоллиса для анализа таблиц сопряженности? Угостите кто-нить ссылкой, коли не лень. Сильвупле.

Бьен сюр, ком ву вуле. Но ссылки не нужно, это и есть тот самый и единственный К-У. Только при работе с таблицами сопряжённости (ТС) с упорядоченными категориями нужно догадаться развернуть табличные данные в привычный формат данных. Пакет же StatXact делает это автоматически непосредственно из ТС - мы это когда-то обсуждали на форуме, кажется Игорь объяснял.

>DrgLena
С Ridit пока не разбирался, примеры не считал, только литературу поискал в интернете - бедновато. Нашёл, что если в качестве референтного распределения используются маргинальные частоты, то результаты этого анализа эквивалентны результатам К-У. Насколько я понял, его сильные стороны в том, что в качестве референтного распределения можно выбрать частоты любой из нескольких сравниваемых групп, а также что ридиты могут интерпретироваться в терминах вероятностей.

[aspir_h]

Бьен сюр, ком ву вуле. Но ссылки не нужно, это и есть тот самый и единственный К-У. Только при работе с таблицами сопряжённости (ТС) с упорядоченными категориями нужно догадаться развернуть табличные данные в привычный формат данных. Пакет же StatXact делает это автоматически непосредственно из ТС - мы это когда-то обсуждали на форуме, кажется Игорь объяснял.

>DrgLena
С Ridit пока не разбирался, примеры не считал, только литературу поискал в интернете - бедновато. Нашёл, что если в качестве референтного распределения используются маргинальные частоты, то результаты этого анализа эквивалентны результатам К-У. Насколько я понял, его сильные стороны в том, что в качестве референтного распределения можно выбрать частоты любой из нескольких сравниваемых групп, а также что ридиты могут интерпретироваться в терминах вероятностей.

Ув. Nokh, получается мои рассуждения и расчеты верны?

Сообщение отредактировал aspir_h - 13.02.2013 - 21:08

[nokh]

Ув. Nokh, получается мои рассуждения и расчеты верны?

У меня иначе получается. По К-У различий нет (H₍₂₎=0,29; P=0,865), а по хи-квадрат есть тенденция к различиям (хи-квадрат=11,57, P=0,072). Такое тоже может быть если межгрупповые различия не в средней стадии вашего показателя, а именно в различном соотношении стадий. Получается, что конкретно для ваших данных хи-квадрат оказывается боле информативным. Далее нужно смотреть остатки: можно показать, что обнаруженная тенденция связана редкостью стадии 0 в группе инсультов, редкостью стадии 2 в группе инфарктов и относительно более высокой частотой стадии 2 в группе инсультов. Т.е. картина здесь пёстрая (поэтому К-У различий не находит) и я не знаю есть ли в ней глубокий медицинский смысл.