Correlazione per dati binari in diverse colonneCiao
Quindi ho un set di dati molto grande pieno di 1 e 0 per ogni colonna. Sto cercando di vedere se c'è qualche correlazione tra alcune delle colonne particolari.
Sto cercando di correlare i dati all'interno di un'area e all'esterno dell'area per vedere se ci sono differenze significative tra le persone all'interno e all'esterno di queste aree. E lo sto facendo per molte aree diverse. È un sondaggio con risposte sì e no, quindi le colonne assomiglierebbero a questa con "no" come 0 e "sì" come 1.
Area interna Area esterna
0 0
0 0
0 1
0 1
1 1
1 1
1 1
ecc. ecc.
Non sono sicuro di come procedere. Ho provato l'opzione "Adatta Y per X" con la colonna 1 come Y, Risposta e la colonna 2 come X, Fattore ma il risultato non sembra corretto.
Qualcuno può aiutare con questo?
Grazie
Re: Correlazione per dati binari in colonne diverseSì, ho provato a utilizzare il metodo su un paio di aree diverse e sembra buono!
Stavo guardando il numero di 1 e sono 44 nel gruppo di controllo e 66 nel test, quindi mi aspettavo solo che ci fosse una differenza maggiore di 22 in modo che fosse significativa. Ma come dici tu, dovresti anche considerare che c'è una differenza nella dimensione totale del campione tra i due gruppi, quindi ora posso vederlo. Il valore p di 0,0001 mi ha appena lanciato un po', perché non mi aspettavo che fosse così basso.
Ma grazie mille, Dan! Sei stato di grande aiuto e lo apprezzo sinceramente!
Re: Correlazione per dati binari in colonne diverseIn realtà, in base ai tuoi dati nella foto, mi aspetterei di avere un valore p basso. Il valore p basso dice che la proporzione di 1 non è la stessa per i due gruppi. Il gruppo di controllo ha il 27,85% di 1s. L'altro gruppo ha il 51,97% di 1s. Questa è una differenza piuttosto considerevole secondo me (un aumento di quasi 25 punti percentuali). Soprattutto con campioni di dimensioni comprese tra 125 e 160. Quella grande differenza probabilmente non è dovuta al caso.
Guarda la trama del mosaico. La barra blu rappresenta la risposta di 1 ed è molto più grande per un gruppo. Solo per curiosità, quanta differenza hai pensato che avresti dovuto vedere per essere dichiarata statisticamente significativa?
Re: Correlazione per dati binari in colonne diverseVa bene, quindi ho fatto quello che hai spiegato qui e questo è quello che ottengo:
Tutti i dati sono ora inclusi, il che è fantastico, ma penso ancora che il valore P sembri molto sospetto? Se questo è corretto, non è necessario che ci sia molta differenza tra le aree affinché il valore p sia molto significativo.
Quali sono i tuoi pensieri su questo?
Re: Correlazione per dati binari in colonne diverseI tuoi dati hanno molte domande che potresti voler porre, ma per confrontare la proporzione di "1" dell'"Area interna" con la proporzione di "1" dell'"Area esterna", procedi come segue:
Impila le colonne Area interna e Area esterna usando Tabella> Stack. Chiamiamo questa colonna Risposta che sarà riempita con 1 e 0. Otterrai anche una colonna Etichetta. Lasciami chiamare quell'Area. Avrà i nomi delle variabili di colonna originali, ma abbrevierò semplicemente a "Area interna" e "Area esterna". Si noti che questo stacking mette i dati in una forma pronta per l'analisi: ogni colonna è una singola variabile, ogni riga è un'osservazione. Il numero di righe della tabella dati sarà il numero di persone che hanno risposto. La colonna Risposta contiene tutti i dati sulla domanda che hai posto.
Sia la colonna Area che la colonna Risposta devono avere il tipo di modellazione nominale. Ora vai ancora a Fit Y di X. La colonna Risposta è la Y, la colonna Area è la X.
Per questo esempio, ottieni una tabella 2x2. Vorrei quindi guardare il test esatto di Fisher, a 2 code. Questo test ha l'ipotesi nulla che la proporzione di 1 sia la stessa in tutta l'area. Un piccolo valore p rifiuterebbe tale ipotesi nulla e indicherebbe che la proporzione di 1 è diversa tra le due aree.
Re: Correlazione per dati binari in colonne diverseOk, quindi sì, questi sono due campioni indipendenti. Posso provare a spiegare brevemente di cosa si tratta.
Le "aree" che cito sono aree protette in Tanzania con villaggi al loro interno. L'obiettivo è confrontare le risposte degli abitanti dei villaggi all'interno di ciascuna di queste aree con le risposte degli abitanti dei villaggi che vivono immediatamente al di fuori di queste aree protette. Ciò significa che le persone che danno risposte nella Colonna 1 (all'interno) sono diverse dalle persone che danno risposte nella Colonna 2 (all'esterno). Questo spiega anche perché ci sono più osservazioni in una colonna rispetto all'altra, poiché in ogni villaggio c'è un numero diverso di persone.
Spero che questo abbia senso. In caso contrario fammi sapere e proverò di nuovo.
Grazie
Re: Correlazione per dati binari in colonne diverseLa tua domanda di follow-up mi preoccupa.
Per le correlazioni (o la statistica dell'accordo) hai osservazioni che corrispondono. Pensavo che la misurazione interna per la riga numero 1 del tuo set di dati fosse per la persona n. 1 (Userò il nome "Fred"). "Fred" ha anche fornito il valore nella riga numero 1 per la misurazione esterna. Un modo per pensare a questo è: potrei riordinare tutti i valori in una colonna e avere ancora un senso ai dati? Se la risposta è che il riordino di una colonna distruggerebbe la validità del set di dati, le colonne vengono abbinate. Se la risposta è che il riordino va bene, allora i dati non sono abbinati e hai due campioni indipendenti.
Se i tuoi campioni SONO abbinati, come sei finito con più osservazioni per una colonna rispetto all'altra?
Se i campioni NON corrispondono, il consiglio di analisi che ti è stato dato finora non è corretto. Stai cercando di vedere se i due campioni indipendenti sono diversi l'uno dall'altro. Sarà necessario ristrutturare la tabella dei dati per eseguire quell'analisi, che sarà equivalente a un test della proporzione di due campioni che risponde alla domanda: la proporzione di 1 per la popolazione 1 è diversa dalla proporzione di 1 per la popolazione 2?
Rispondi se hai davvero le informazioni sui due campioni indipendenti. In tal caso, è possibile fornire i dettagli su come strutturare i dati e ottenere quel test.
Re: Correlazione per dati binari in colonne diverseProverò di nuovo con gli screenshot! Ecco qui:
Re: Correlazione per dati binari in colonne diverseGrazie ragazzi per aver risposto alla domanda!
Quindi ho eseguito il Fit Y per X e ho esaminato la statistica dell'accordo e sembra così:
Penso che ci sia un problema con il numero totale di risposte. Nella Colonna 1 ci sono 127 risposte (0 e 1) e nella Colonna 2 ci sono 158 risposte. Tuttavia, quando si esegue l'analisi sopra, si confronta solo per 127 in totale, come si può vedere nello screenshot. C'è un modo per aggirarlo, perché non vedo davvero se ci sono informazioni rilevanti da ottenere da questo com'è ora (i valori P sembrano un po' sospetti).
Apprezzo molto l'aiuto!
Re: Correlazione per dati binari in colonne diverseSono d'accordo con Dan, l'analisi Fit Y di X Contingency con il grafico Mosaic e la statistica Kappa forniscono maggiori informazioni. È particolarmente utile per più di 2 livelli e fornisce statistiche aggiuntive.
Come FYI, se le due colonne di 0 e 1 sono continue, utilizzare la piattaforma multivariata e selezionare il CI di correlazione, questa è la statistica Kappa per questo semplice caso a 2 livelli.Si spera che questo fornisca un'idea della statistica Kappa.
Multivariate Platform, Continuous Modeling TypeMultivariate Platform, Continuous Modeling TypePiattaforma multivariata, tipo di modellazione continua
Fit Y by X Platform, Nominal Modeling TypeFit Y by X Platform, Nominal Modeling TypeAdatta Y per piattaforma X, tipo di modellazione nominale
Re: Correlazione per dati binari in colonne diverseLa correlazione misura il grado di associazione lineare tra due variabili continue.
Poiché i valori sono solo 0 e 1, consiglierei di utilizzare il tipo di modellazione nominale per queste colonne piuttosto che continuo. Puoi ancora usare Fit Y di X. La trama del mosaico darà una buona grafica raffigurante il rapporto tra interno ed esterno. Userei quindi la "statistica dell'accordo" che misura il grado di accordo tra interno ed esterno. Questo è simile a un coefficiente di correlazione, ma è per dati categoriali. Avrai anche un test per l'ipotesi nulla di kappa=0.
