Интерпретация полученных результатов Опции

[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.

[aspir_h]

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.

р=0,0343 получилось в случае, когда в качестве зависимой перемоенной выступают заболевания (инфаркт, инсульт, диабет), а группирующей - стадия заболевания

Сообщение отредактировал aspir_h - 13.02.2013 - 22:11

[nokh]

р=0,0343 получилось в случае, когда в качестве зависимой перемоенной выступают заболевания (инфаркт, инсульт, диабет), а группирующей - стадия заболевания

Это вообще не имеет никакого смысла. Заболевания - номинальные показатели, их нельзя сравнить ранговым тестом. Сравнить К-У можно только заболевания по показателю "стадия".

[aspir_h]

Это вообще не имеет никакого смысла. Заболевания - номинальные показатели, их нельзя сравнить ранговым тестом. Сравнить К-У можно только заболевания по показателю "стадия".

да, все верно! Ув. Nokh, cпасибо огромное за подробное разъяснение.

[p2004r]

to p2004,

Спасибо, мное стало понятным, но,

сходится, потому что одну и ту же кросстаб анализируем, а не сходится с результатом, который у Вас получился по первичным данным этого примера:
Результат по первичным данным
Group Label Mean Ridit
----- ----- ----------
1 5 0.312
2 6 0.4157
3 7 0.6673
4 8 0.6442
5 9 0.4154
Результат по данным введенным в виде таблицы

Group Label Mean Ridit
----- ----- ----------
1 A 0.5351
2 B 0.5729
3 C 0.4621
4 D 0.4621
5 E 0.4731
Для меня понятен именно это результат, одинаковые оценки в 3 и 4 группе соответствуют одинаковому набору данных в этих группах. И смысловая трактовка также понятна, хотя она зависит от того , что хорошо 0 или 3.
Как получен первый набор Mean Ridit по данным этого примера?

насколько я понимаю вот так получен

Код

nref = sum(refrow)
         ridit = 0.5 * refrow[1]/nref
         for (i in 2:length(refrow)) {
             iridit = (sum(refrow[1:i - 1]) + 0.5 * refrow[i])/nref # совпадает с http://en.wikipedia.org/wiki/Ridit_scoring
             ridit = c(ridit, iridit)   # это так странно вектор получают в цикле :)
         }
         n = apply(crosstab, 1, sum)
         meanRidit = c()
         for (i in 1:nrow(crosstab)) {
             itable = crosstab[i, ]
             meanRidit = c(meanRidit, sum(ridit * itable)/n[i])
         }

[DrgLena]

Действительно, все меньше открытой полезной инфы становится в сети.

Почему я решила, что это другой критерий К-У:

An extension of the Kruskal-Wallis Test that allow
selection of arbitrary reference group. Also provide Mean Ridit
for each group. Mean Ridit of a group is an estimate of
probability a random observation from that group will be
greater than or equal to a random observation from reference group.

Но при сравнении результата анализа в R и SAS получается одинаковый вывод и значение критерия под названием Kruskal-Wallis Test в R точно совпадаетс с Сochran-Mantel-Haenzel значением, которое выдает SAS.

Я решила, что статистика Краскала-Уоллиса, которая базируется на хи кВ. распределении используется в данном случае для подтверждения того, что действительно существуют различия ridit, а не просто рангов.
Могу ошибаться, я тут тоже учусь.

Прикрепленные файлы

 Пример_из_учебника.pdf ( 322,85 килобайт ) Кол-во скачиваний: 433

 

[DrgLena]

Наконец то разобралась, пришпиленный документ - история познания. Я его не убираю, может кому пригодится. R считает правильно, ridit можно использовать, только я пока должна задействовать для расчета ДИ и графиков другие программы (kyPlot) Для того же примера
> ridit(data,1,ref="no")

Ridit Analysis:

Group Label Mean Ridit
----- ----- ----------
1 yes 0.6042
2 no 0.5

Reference: Group = 2, Label = no
chi-squared = 4.3546, df = 1, p-value = 0.03691

когда сравнивается только две группы, значение р не зависит от референтной группы

[psychologist]

коллеги, помогите проинтерпретировать данные по конфирматорному факторному анализу в программе statistica 10
на выходе я получил это


как это понимать. Что я могу исходя из этого сказать. Анализ делался на корреляционный матрице.

[DrgLena]

А свою тему открыть?

[psychologist]

Будучи сам админом одного из форумов, никогда не понимал зачем штопать кучу тем. Тему надо создавать, только если что то специфическое. А эта тема мне показалась общей по данным вопросам.

[DrgLena]

Да, действительно, тема про интерпретацию полученных результатов
А я думала, про анализ таблиц сопряженности при упорядоченных категориях. Я конечно, не админ, но вопрос ваш потеряется, если в эту тему кто то что то добавит по обсуждаемому вопросу

[DoctorStat]

А я думала, про анализ таблиц сопряженности при упорядоченных категориях.

А вот этот анализ упорядоченных категорий, который вы ridit-ом называете, он использует точные методы (типа Фишера), или приближенные (типа хи-квадрат)?