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: 423

 

[DrgLena]

Ответ на Ваш вопрос дан, перечислены методы, которые предпочтительней использовать для анализа таблиц сопряженности при упорядоченных категориях. В частности, рекомендация Татьяны Лариной использовать ridit анализ мне понравилась, и реализацию метода продемонстрировал p2004r . Я потратила много времени, чтобы понять, что выдает программа и как трактуется результат, все сошлось с ручным расчетом и рассматриваемая программа лицензирована автором, так, что можно смело ее использовать
По анализу Ваших двух таблиц преимущество метода продемонстрировать не могу, т.к. вывод по первой таблице с двумя категориями болезни и тремя категориями ГБ, противоречат второй таблице, в которую вы добавили диабет и нулевую категорию ГБ, при этом число наблюдений по первым двум болезням стало меньше и соотношение категорий по ГБ иное. Так что лучше учиться на примерах из учебников, чтобы понять смысл метода.


> data=as.table(matrix(c(16,20,133,18,61,45), nrow = 2, byrow = TRUE))
> rownames(data)=c("инфаркт","инсульт")
> data
A B C
инфаркт 16 20 133
инсульт 18 61 45
> library(Ridit)
Предупреждение
пакет 'Ridit' был собран под R версии 2.15.2
> ridit(data,1)

Ridit Analysis:

Group Label Mean Ridit
----- ----- ----------
1 инфаркт 0.5835
2 инсульт 0.3862

Reference: Total of all groups
chi-squared = 44.2308, df = 1, p-value = 2.919e-11

> ridit(data,1,ref="инфаркт")

Ridit Analysis:

Group Label Mean Ridit
----- ----- ----------
1 инфаркт 0.5
2 инсульт 0.3027

Reference: Group = 1, Label = инфаркт
chi-squared = 44.2308, df = 1, p-value = 2.919e-11