不同列中二進制數據的相關性你好
所以我有一個非常大的數據集，每列都有 1 和 0。 我正在嘗試查看某些特定列之間是否存在任何相關性。
我正在嘗試將區域內與區域外的數據相關聯，以查看這些區域內外的人之間是否存在任何顯著差異。 我正在為許多不同的領域做這件事。 這是一項有“是”和“否”答案的調查，因此列看起來像這樣，“否”為 0，“是”為 1。
內部區域 外部區域
0 0
0 0
0 1
0 1
1 1
1 1
1 1
等等等等
我不知道該怎麼做。 我嘗試了“用 X 擬合 Y”選項，第 1 列為 Y，響應，第 2 列為 X，因子，但結果看起來並不正確。
有人能幫忙嗎？
謝謝
回复：不同列中二進制數據的相關性是的，我嘗試在幾個不同的區域使用該方法，看起來不錯！
我正在查看 1 的數量，對照組為 44 個，測試組為 66 個，所以我只是希望差異大於 22 以使其顯著。 但是正如您提到的，還需要考慮到兩組之間的總樣本量存在差異，所以我現在可以看到這一點。 0.0001 的 p 值讓我有點吃驚，因為我沒想到它會這麼低。
但是非常感謝你，丹！ 你非常有幫助，我真誠地感謝它！
回复：不同列中二進制數據的相關性實際上，根據圖片中的數據，我希望 p 值較低。 低 p 值表示兩組中 1 的比例不同。 對照組有27.85%的1s。 另一組有 51.97% 的 1。 在我看來，這是一個相當大的差異（增加了近 25 個百分點）。 尤其是樣本量在 125 到 160 範圍內。 這麼大的差異可能不是偶然的。
看馬賽克圖。 藍色條代表 1 的響應，對於一組來說要大得多。 只是出於好奇，你認為你需要看到多大的差異才能被宣佈為具有統計顯著性？
回复：不同列中二進制數據的相關性好的，所以我已經完成了您在此處解釋的內容，這就是我得到的：
現在所有的數據都包括了，這很棒，但我仍然認為 P 值看起來很可疑？ 如果這是正確的，那麼為了使 p 值非常顯著，區域之間不需要有太大差異。
您對此有何看法？
回复：不同列中二進制數據的相關性您的數據有很多您可能想問的問題，但要比較“內部區域”的“1”比例與“外部區域”的“1”比例，請執行以下操作：
使用 Table > Stack 堆疊內部區域和外部區域列。 讓我們將此列稱為響應，它將用 1 和 0 填充。 您還將獲得一個標籤列。 讓我稱之為區域。 這將具有原始列變量名稱，但我將縮短為“內部區域”和“外部區域”。 請注意，這種堆疊將數據置於準備分析的形式中：每一列是一個變量，每一行是一個觀察值。 數據表的行數將是響應的人數。 Response 列包含有關您提出的問題的所有數據。
面積列和響應列都應具有名義建模類型。 現在您仍然可以通過 X 擬合 Y。 響應列是 Y，區域列是 X。
對於此示例，您將獲得一個 2x2 表。 然後我會看一下Fisher's Exact Test，2-tail。 該檢驗的原假設是 1 的比例在整個區域中是相同的。 較小的 p 值將拒絕該原假設，並表明兩個區域之間 1 的比例不同。
回复：不同列中二進制數據的相關性好的，所以是的，這是兩個獨立的樣本。 我可以試著簡要解釋一下它的全部內容。
我提到的“區域”是坦桑尼亞的保護區，其中有村莊。 目標是將這些區域內村民的答案與居住在這些保護區外的村民的答案進行比較。 這意味著在第 1 列（內部）中給出答案的人與在第 2 列（外部）中給出答案的人不同。 這也解釋了為什麼一列中的觀察值比另一列多，因為每個村莊的人數不同。
我希望這是有道理的。 如果不讓我知道，我會再試一次。
謝謝
回复：不同列中二進制數據的相關性你的後續問題讓我很擔心。
對於相關性（或一致性統計），您有匹配的觀察結果。 我認為數據集第 1 行的內部測量是針對第 1 個人的（我將使用名稱“Fred”）。 “Fred”還為您的外部測量提供了第 1 行中的值。 考慮這一點的一種方法是：我可以重新排序一列中的所有值並且仍然使數據有意義嗎？ 如果答案是重新排序一列會破壞數據集的有效性，那麼這些列是匹配的。 如果答案是重新排序沒問題，那麼數據不匹配並且您有兩個獨立樣本。
如果您的樣本是匹配的，那麼您是如何最終對一列的觀察結果比另一列多的呢？
如果樣本不匹配，那麼您目前給出的分析建議是不正確的。 您正在查看兩個獨立樣本是否彼此不同。 您將需要重新構建數據表以執行該分析，這將相當於一個兩樣本比例測試，它回答了以下問題：人口 1 的 1 比例與人口 2 的 1 比例是否不同？
如果您確實有兩個獨立的樣本信息，請回复。 如果您這樣做了，那麼可以詳細說明如何構建數據並進行測試。
回复：不同列中二進制數據的相關性我會用截圖再試一次！ 幹得好：
回复：不同列中二進制數據的相關性謝謝各位回答問題！
所以我已經完成了 X 擬合 Y 並查看了協議統計數據，它看起來像這樣：
我認為答案總數存在問題。 第 1 列有 127 個答案（0 和 1），第 2 列有 158 個答案。 然而，在進行上述分析時，它總共只比較了 127 個，如屏幕截圖所示。 有沒有辦法繞過這個，因為我真的不知道是否有任何相關信息可以從現在這樣獲得（P 值看起來有點可疑）。
我真的很感激幫助！
回复：不同列中二進制數據的相關性我同意 Dan the Fit Y by X Contingency analysis with the Mosaic plot and Kappa statistic 提供更多信息。 它對於超過 2 個級別特別有用，並提供額外的統計信息。
作為一個 FYI，如果 0 和 1 兩列是連續的，則使用多元平台並選擇相關性的 CI，這是這個簡單的 2 級情況的 Kappa 統計量。希望這可以提供對 Kappa 統計數據的一些見解。
Multivariate Platform, Continuous Modeling TypeMultivariate Platform, Continuous Modeling Type多元平台，連續建模類型
Fit Y by X Platform, Nominal Modeling TypeFit Y by X Platform, Nominal Modeling Type以 X 平台擬合 Y，標稱建模類型
回复：不同列中二進制數據的相關性相關性衡量兩個連續變量之間的線性關聯程度。
由於值只有 0 和 1，我建議對這些列使用名義建模類型，而不是連續的。 您仍然可以使用 Fit Y by X。 馬賽克圖將提供一個很好的圖形來描述內部和外部之間的關係。 然後我會使用“協議統計”來衡量內部和外部之間的一致程度。 這類似於相關係數，但適用於分類數據。 您還將對 kappa=0 的原假設進行檢驗。
