Построение таблиц сопряженности с пакете Статистика 6.0 Опции

[Pyrosmani]

Уважаемые коллеги! Подскажите пожалуйста, как построить таблицы кросстабуляции в пакете Статистика 6.0. В Excel приходится вводить формулы, что несколько затрудняет работу. В большинстве литературных источников построения в Статистике 6.0 ограничиваются примером четырехпольной таблицы. Подскажите можно ли строить таблицы, в которых учитывается более 2 значений для каждого признака ( прим.1) в модуле Таблицы сопряженности и как это сделать. В книге Ребровой О.Ю. не рассматриваются примеры построения таблиц с числом строк и столбцов более 2 (без итоговых) при наличии известных значений наблюдаемых частот, и предлагается воспользоваться модулем Логлинейный анализ.
Как рассчитать хи-квадрат для случаев, когда частоты меньше 5 или равны 0(прим.2). И подскажите, как перенести наблюдаемые и ожидаемые частоты из Эксель(указываются на одном листе) в Статистику (файл2).

Я еще прикрепил пару задач (в файле1), взятых из методичек для ВУЗов и прошу, если есть возможность и время, описать алгоритм их решения и построения таблиц кросстабуляции в Статистика 6.0, чтобы понять как решать подобные задачи применительно к результатам моего исследования.

Прикрепленные файлы

 Результаты_лечения.doc ( 163 килобайт ) Кол-во скачиваний: 1261
 как_перенести_данные_из_Эксель_в_Статистику6.0_.doc ( 32 килобайт ) Кол-во скачиваний: 1137

 

[Green]

Напишу сейчас, потом времени не будет.

Из этого рисунка неумолимо следует следующее:
1. Вы напрасно делали 4 уровня состояния, достаточно двух ( хорошо/плохо).
2. Никаких линейных трендов тут не будет.

==
Основные Ваши ошибки:
1. Шкала времени - количественная, Вы ее разбили на участки причем непропорциональные.( Т.е. уже исказили линейность)
2. Изучением событий и их появлением во времени занимается эпид. статистика, специальные методы, где считается, что события происходят по закону Пуассона во времени. Никакой линейности у Пуассона нет и не было никогда.
Таблицы частот обычно строятся для когорты, в которой все наблюдения закончены (Ваш случай). Изучается частоты, связанные с воздействием разных факторов, но не времени!. ( Ваша вторая таблица)
Когда всупает такой показатель, как время - используются таблицы дожития, Каплан-Майер и проч.
3. Попытка использовать стат.методы, не валидные для этих данных, к успеху не приведут.

Хорошие новости: Никто не мешает получить результаты типа
1. Объединив отл. и хор. в хороших, уд. и неуд. в плохих
Вероятность получить хор. результат при лечении до года... составляет 0.6645, ДИ(0.5835, 0.7389).
2. Лечение эффективно первые четыре месяца, отношение шансов 2.1892 ДИ (1.4605, 3.2911)
Все эти показатели не привязаны ко времени, частоты имеют биноминальное распределение.
3. Если хотите изучать наблюдения во времени, вам придется знакомится с survival analysis.

Рекомендация - не бойтесь статистики, это не использование сложных мат. методов, а в первую очередь, собственной головы и понимания своих данных. 60-70% -осознание данных и выбор адекватных методов, 5-10 % подготовка данных, 5-10% освоение стат. пакетов, 10% - оформление результата.

Впрочем, Вам решать
Ваша вторая таблица может быть проанализирована, как предлагал nokh.

nokh, мои извинения.

Сообщение отредактировал Green - 16.02.2010 - 11:36

[nokh]

Напишу сейчас, потом времени не будет.

Из этого рисунка неумолимо следует следующее:
1. Вы напрасно делали 4 уровня состояния, достаточно двух ( хорошо/плохо).
2. Никаких линейных трендов тут не будет.

==
Основные Ваши ошибки:
1. Шкала времени - количественная, Вы ее разбили на участки причем непропорциональные.( Т.е. уже исказили линейность)
2. Изучением событий и их появлением во времени занимается эпид. статистика, специальные методы, где считается, что события происходят по закону Пуассона во времени. Никакой линейности у Пуассона нет и не было никогда.
Таблицы частот обычно строятся для когорты, в которой все наблюдения закончены (Ваш случай). Изучается частоты, связанные с воздействием разных факторов, но не времени!. ( Ваша вторая таблица)
Когда всупает такой показатель, как время - используются таблицы дожития, Каплан-Майер и проч.
3. Попытка использовать стат.методы, не валидные для этих данных, к успеху не приведут.

...

nokh, мои извинения.

Мне извинения не нужны, Вы не в состоянии обидеть меня своей некомпетентностью. Извиняйтесь перед Pyrosmani - ведь это его Вы безответственно вводите в заблуждение, учите жизни и попрекаете какими-то ошибками (кстати, не первый раз на этом форуме), не имея на то морального права.

[Pyrosmani]

Nokh благодарю за помощь, которую Вы мне оказываете! Распечатал и еще несколько раз прочел ваши выкладки по оценке р и методике проведения анализа, следуя вашим рекомендациям еще раз прочел по этому вопросу Закса и Реброву- все встало на свои места.
Теперь что касается выводов по 1 таблице- перекодировал как Вы и рекомендовали результаты (4 отл, 3 -хор. и т.д.) и заново выполнил расчет требуемых критериев с помощью AtteStat и StatExact. результаты в файле.

Выводы будут звучать так (если что-то неправильно, подкорректируйте пожалуйста):

Зависимость результатов лечения от времени, прошедшего с момента ожога до начала бужирования, проанализирована с использованием показателей непараметрической статистики: G2 (отношение максимального правдоподобия), диагностик Хабермана и Симонова-Цая, Lynear-By-Linear Association test (как перевести поточнее и есть ли какие-либо эквиваленты этому названию в отечественной литературе?). При этом выявлена статистически значимая отрицательная связь между временем, прошедшим от момента ожога до начала бужирования и результатами лечения (p<<0,001).

Указываю так значение р, потому что Реброва пишет на стр. 67 "Значение р принято указывать в тексте статей с точностью до 3 десятичных знаков, и только в случае если р меньше 0,001 в формате р<0,001 , т.е. в формате указания лишь интервала значений". Аналогичную форму представления результатов при р много меньше 0,001 находим у Закса на стр.442 (спасибо за Закса еще раз).
Еще, если Вас не затруднит, укажите пожалуйста пару современных источников, в которых Джи-тест указан в качестве предпочтительного для анализа таблиц сопряженности (боюсь, если сошлюсь только на Закса, будут проблемы; язык источников значения не имеет).

У меня возникло несколько вопросов: 1) что означают символы GE и LE в окошке Tail программы StatExact при расчете показателей; 2) правильно ли я понял, если возможны проблемы с аппроксимацией как у меня в 1 таблице- все равно можно считать, какая из диагностик Хабермана или Симонова более точная, или они характеризуют с разных сторон одно и тоже явление и мой вопрос не корректен; 3) как можно объяснить что тест Джонкхира-Терпстра в обоих случаях показывает положительные значения статистик, а Linear-By-Lynear при перекодировании по указанному выше методу (4-отл. и т.д) меняет знак с положительного на отрицательный.

Спасибо!

Сообщение отредактировал Pyrosmani - 18.02.2010 - 10:28