Использовал программу SPSS v 17.
Сравниваю два ряда значений.
Задача: рассчитать достоверность различий между средними показателями этих двух рядов.
Мне научный руководитель сказал, что верно использовать конкретное значение показателя р, а не больше, не меньше допустим, 0,05. Например, р=0,094
Как в данной программе рассчитать конкретное значение показателя р?
Я выбираю такой порядок: выделяю два ряда значений, выбараю: Анализ-Сравнение средних-Т критерий для парных выборок, подставляю ряды И нажимаю ОК
Появляется табличка, в которой указано Среднее значение для каждого ряда, ошибка среднего значения для каждого ряда, доверительный интервал для каждого ряда и для двух рядов сразу при показателе достоверности в 95%

А где указан показатель р, значение которого надо указывать конкретно?
Прикрепляю скриншот для данного случая
Где в результатах подсчёта значение р-?

В последней графе, где двусторонняя оценка значимости. P=0,000 не значит, что P=0. Просто программа выдаёт Р с тремя знаками после запятой - этого вполне достаточно для принятия решений и серьёзные статпакеты больше трёх знаков обычно и не дают. P=0,000 значит, что по крайней мере P<0,001 (а может даже P<0,0005 если учесть округление до третьего знака), т.е различия есть аж на деципроцентном уровне значимости - бесспорные различия даже для самого строгого эксперимента. Для таких случаев пишите P<0,001, а где будут не одни ноли - что есть. Например:
P=0,032
P<0,001 (P=0,000 не пишите, т.к. это - глупость. Точнее - догадаться можно, но производит впечатление, что человек не понимает что делает и механистически вставляет то, что выдаёт какая-либо стат. программа)
P=0,718

Уважаемый nokh, спасибо за ответ. Да, действительно, подставляя другие значения и сравнивая их, я увидел, что в некоторых случаях р конкретно указывается. А в других парных сравнениях - только нули. Следовательно, так и указывать в статье. А ещё укажите - каким методом из данной программы можно посчитать достоверность различий (я так полагаю, что дисперсионным анализом). Не так ли?

Смешно, оценил. Ответ: адекватным методом. А если серьёзно - опишите: (1) что за данные и (2) как они собирались.

Эти данные по изменению параметров гемодинамики в крупных артериях лица.
Что Вы имеете ввиду "как они собирались"?

Значение p, которое выдал критерий и которое обсуждалось выше, и является показателем достоверности различий. Если p меньше выбранного уровня значимости (обычно 0,05), то различия считаются доказанными. Другое дело, что применение парного Т-критерия требует выполнения некоторых условий, например, нормальности распределения разности значений параметра до и после воздействия фактора. В случае нарушений условий применимости Т-критерия необходимо использовать другие критерии сравнения.

С гемодинамикой не знаком, "параметры гемодинамики" мне ни о чём не говорит. Данные могут быть количественными (измерениями), порядковыми и качественными (в долях 1 или %). Если Ваши признаки количественные (какие-то давления, скорости кровотока или ещё что), то знаете ли о них как приблизительно они распределены. "Как собирались" имел в виду дизайн исследования: сколько групп и каких, независимые выборки или зависимые, если зависимые - каким образом. Без этой информации выбрать метод невозможно в принципе. Поэтому опишите как можно подробнее: что известно о признаках и далее типа: "показатели измерялись в контрольной и трёх экспериментальных группах у одних и тех же людей, измерения проводились на 1, 3 и 7 сутки после операции, пропусков в данных нет и т. п" - всё что ещё сочтёте важным указать.

Для сравнения эффективности предложенного нового средства для лечения была проанализирована группа практически здоровых лиц, состоящих из 15 человек. Определялись следующие показатели: диаметр артерий, максимальная систолическая скорость и индекс циркуляторного сопротивления в трёх артериях - подглазничная, поперечная артерия лица, лицевая артерия. Так как в литературе нигде не мог найти норму этих данных в этих артериях, то пришлось "создавать" свою норму.

Исследование этих трёх показателей в этих трёх артериях проводилось в динамике лечения: на первые сутки и спустя трое суток в двух группах пациентов - контрольной (общепринятый метод лечения) и основная группа пациентов (новый способ лечения). По этим трём гемодинамическим показателям надо доказать, что предложенный новый способ лечения по сравнению со стандартным (контрольная группа пациентов) более эффективный, т.к. эти три гемодинамических показателя достоврено приходят в сторону нормы этих показателей. Число пациентов, т.е. число степеней свободы, по - старому, составляет 30 человек в каждой группе.
Я не очень сильно владею специальной статистической терминологией, в отличие от Вас, так как не сильно статистикой увлекаюсь. Как мог, так и описал своё четвертое исследование. Подробности не привожу, так как это ноу-хау и не хочу, чтобы другие исследователи воспользовались этим исследованием (пока не успел запатентовать, прошу понять).

Конечно подробности не нужны, важно понять саму схему т.е. дизайн исследования. Теперь всё понятно. К сожалению простыми методами здесь не обойтись, точнее это будет грубовато. Поэтому посмотрите пока в учебниках про дисперсионный анализ, в частности - с повторными измерениями и про то, что писал в соседней теме про Уилкоксона. Иначе сложновато будет понять что делаем. А я сегодня вечером постараюсь написать как обсчитать Ваши данные в PASW Statistics (SPSS).

Обнаружил, что грамотный вариант решения Вашей задачи я уже подробно описал полгода назад: http://forum.disser.ru/index.php?showtopic...en-within+ANOVA и у меня даже были какие-то Ваши данные (но вряд ли сохранились).
Если научному руководителю нужен Стьюдент и Уилкоксон, то ничем не помогу - зачем тратить время на объяснения как вспахать огород топором, когда для этого есть специальная техника? Если будете использовать дисперсионный анализ - продолжите старую тему.

Здравствуйте.Я новичок и у меня проблемы с мед.статистикой.Я на этапе ретроспективного исследования,у меня 3 группы(2 контрольные,1-основная).В контрольной группе у меня 100 и 370 наблюдаемых а в основной 200 наблюдаемых.Она сопоставимы по всем параметрам и мне надо сравнить их между собой и выявить в какой группе какой процент того или иного заболевания.Не знаю с чего начать, что делать,какой метод исследования применить(((Помогите пожалуйста.

Вначале желательно прочитать, хотя бы, Гланца.
Если же кратко отвтить на Ваш вопрос, то если Вы изучаете процент (?) заболевания (кстати сам "процент" вычисляется просто отношением количества лиц с заболеванием к общей численности группы - я предполагаю, что Вы описались и имели ввиду, что Вам надо сравнить частоту встречаемости заболеваний в трех группах), то тогда Вам надо воспользоваться анализом таблиц сопряженности - либо тест Кохрана-Мантеля-Ханзеля, либо логлинейная модель. Однако учтите, что это для одного изучаемого заболевания. Если Вам надо сравнить в этих трех группах частоту пяти-шести заболеваний, то тогда надо делать поправку на множественные сравнения.

Спасибо за ответ.Мне надо сравнить более 10 заболеваний в этих группах,т.е. мне надо использовать множественный метод?Т.е в программе spss выбрать множественный метод?

Вам надо просто сравнить частоты - по 10 разным параметрам. Десять штук логистических регрессий, учитывая то, что у Вас три группы. Пограничное значение для признания различий достоверными 0,0025 (не 0,05, а именно 0,0025 - оцениваются два параметра в десяти регрессиях, чтобы уровень ошибки не поднялся выше 0,05 Вам надо использовать уровень "достоверности" 0,25% - в 20 раз меньший). Если заболеваний не 10, а более, значит пограничное значение должно быть еще меньше. При этом Вы, скорее всего, пропустите часть реальных различий, т.е. мощность Вашего исследования будет мала (иными словами, Вы не сможете утверждать - "различий по частоте заболевания нет", только "наше исследование было слишком мало, чтобы найти эти различия" - это плата за желание сравнивать много параметров). Я уже писал в другом посте, что сравнение большого числа параметров в одной базе называется "fishing expedition" и рассматривается как неадекватное планирование исследования (если, конечно, речь не идет о базе в несколько тысяч наблюдений) - именно из-за резкого падения мощности (использование в данной ситуации пограничного значения 0,05 является грубой ошибкой).
Кстати, если задача как раз доказать, что группы НЕ различаются по этим параметрам, то можно даже не пытаться этого делать - размер выборки этого сделать не позволит. Еще раз повторюсь, отсутствие статистической значимости не означает отсутствия различий, а только недостаточное количество данных для определенного заключения. Если надо анализировать эквивалентность - это делается другими подходами (устанавливаются границы значимых различий экспертным путем и затем доверительный интервал - в данном случае 99,75% ДИ должен поместиться внутри этих границ).