Nell'ultimo articolo, abbiamo appreso del test chi quadrato di base. Per quanto riguarda l'articolo da introdurre oggi, è un'estensione del chi-quadrato di Pearson. Questo articolo introduce principalmente tre scenari:
- Utilizzato per il confronto tra set di dati classificati Test somma classifica
- Utilizzato per osservare i cambiamenti di tendenza Test chi quadrato di tendenza
- Per i dati di abbinamento Test chi quadrato accoppiato
Test somma classifica per "confronto di due o più serie di dati di voto"
Come accennato nell'articolo precedente, se il risultato sono dati di classificazione ordinata (dati di voto), per confrontare se ci sono differenze statistiche tra due o più gruppi di dati di voto, il test chi-quadrato non viene generalmente utilizzato in questo momento, perché il test chi-quadrato non può mostrare l'ordine di rango, ma utilizza il test della somma dei ranghi.
Per quanto riguarda il rank sum test, principalmente Confronto di gruppi o gruppi di dati di distribuzione distorta, dati non classificati . Sebbene siano tutti test di somma dei ranghi, a causa dei diversi formati di dati continui e dati di valutazione, anche le operazioni su JMP sono diverse, quindi questo articolo si concentra sull'introduzione Informazioni sul grado Il funzionamento del test della somma dei ranghi.
Esempio 1: Nei dati della Figura 1, voglio confrontare se c'è una differenza nella dimensione delle tonsille tra pazienti obesi e non obesi. L'indice di raggruppamento dei dati è una variabile a due categorie e l'indice di risultato è un dato classificato.
A questo punto, se viene utilizzato il test del chi quadrato, può solo mostrare se c'è una differenza statistica nel rapporto di composizione tra i gruppi.Se vuoi riflettere se c'è una differenza di grado o grado tra i gruppi, devi necessario utilizzare il test della somma dei ranghi per l'analisi.
Figura 1 Dati OSAS
Va notato che quando si imposta il formato dei dati, l'indice di esito della dimensione delle tonsille deve essere definito come un tipo continuo, come mostrato nella Figura 2.
Figura 2 Tipi di dati degli indicatori di risultato
Selezionare il menu "Analisi" → "Adatta Y con X" nel menu JMP. Nella finestra di dialogo a comparsa, inserisci "Grasso" in "X, Fattore" e "Dimensione Tonsille" in "Y, Risposta".
Nel risultato, fai clic sul pulsante triangolo rosso accanto all'analisi a fattore singolo di "dimensione obesità-tonsille" e seleziona "non parametrico → test di Wilcoxon "(immagine 3).
Figura 3 Operazione di selezione della tabella della funzione di verifica della somma dei ranghi
I risultati sono mostrati nella Figura 4. La differenza nella dimensione delle tonsille tra pazienti obesi e non obesi non era statisticamente significativa (Z= -0,0478, P=0,9619).
Figura 4 Risultati del test della somma dei ranghi
Nota: se il software di input non è sotto forma di dati originali come mostrato in Figura 1, ma sotto forma di tabella di contingenza, in questo caso, di solito la prima colonna è la variabile di raggruppamento, la seconda colonna è la fine variabile e la terza colonna è la frequenza, ovvero il numero di esempi della combinazione delle prime due colonne e il formato dei dati è mostrato nella Figura 8 più avanti in questo articolo. In questo caso, l'operazione di analisi statistica del test della differenza è mostrata nella Figura 9. Nell'interfaccia "Fit X to Y", è necessario trascinare la serie di frequenze su "Frequency".
Test chi quadrato di tendenza
Il test chi quadrato di tendenza viene utilizzato principalmente per raggruppare in un certo ordine di variabili multicategoria (come più gruppi di età, gravità della malattia), la variabile di esito è una variabile di tasso a due categorie e il suo scopo è osservare se il test positivo tasso della variabile di risultato varia L'ordine di raggruppamento aumenta o diminuisce.
Esempio 2: Nell'articolo precedente, abbiamo confrontato l'incidenza di OSAS in pazienti con diverse dimensioni delle tonsille sulla base dei dati nella Figura 1. I risultati sono mostrati nella Figura 5, la differenza nell'incidenza di OSAS in pazienti con diverse dimensioni delle tonsille è statisticamente significativa (Pearson=6.305, P=0.0428).
Figura 5 Confronto dell'incidenza di OSAS in pazienti con diverse dimensioni delle tonsille - risultati statistici
In questo esempio, l'indice di raggruppamento è la dimensione delle tonsille, che sono suddivise in tre categorie: <2, =2 e >2, che appartengono a dati multiclasse e sono dati graduati.
Nota: in questo caso, se riscontri differenze statistiche tra i gruppi, puoi continuare a considerare almeno due cose in futuro:
- Considera se è necessario fare un confronto a coppie per vedere quali due gruppi sono diversi.Questo contenuto è stato spiegato in dettaglio nell'articolo precedente;
- Considerare se il tasso positivo tende a cambiare con l'ordine del gruppo (come il graduale aumento delle tonsille), ovvero se viene eseguito il test chi quadro di tendenza, perché il raggruppamento è ordinato e multiclassificato, e il risultato è l'indicatore del tasso.
Fare clic sul pulsante triangolo rosso accanto all'analisi di contingenza "tonsilla size-OSAS" e selezionare "Cochran-Armitage Trend Test" dal menu a discesa (Figura 6). I risultati sono mostrati nella Figura 7.
Figura 6 Selezione tabella operazione-funzione di verifica trend
Nei risultati del test di tendenza Cochran-Armitage:
Quando la statistica (Z) ≤ 0, il valore P unilaterale (probabilità > Z) fornisce il valore P nella prima colonna della tabella di contingenza (Figura 5). Se il valore P è inferiore a 0,05, indica l'incidenza della prima colonna di indicatori di risultato che mostrano una tendenza al ribasso;
Quando la statistica (Z)>0, il valore P unilaterale fornisce il valore P nella seconda colonna della tabella di contingenza (Figura 5).Se il valore P è inferiore a 0,05, indica che l'incidenza della seconda colonna degli indicatori di risultato è in diminuzione, ovvero la prima colonna è in aumento.
In questo caso, il valore Z è maggiore di 0, indicando che la prima colonna (incidenza OSAS) è in aumento (vedi percentuale di riga nella tabella di contingenza per l'incidenza di OSAS in ciascun gruppo), ovvero l'incidenza di L'OSAS aumenta con l'aumento delle dimensioni delle tonsille, trend statisticamente significativo (Z=2.4871, P=0.0064) (Figura 7).
Figura 7 Risultati della verifica dell'andamento
Nota: la differenza tra questo esempio e l'esempio 1 è che l'indice di risultato dell'esempio 1 sono dati di voto, quindi il test della somma dei ranghi viene eseguito per confrontare la differenza di voto tra diversi gruppi;
In questo caso, l'indice di raggruppamento è dato dai voti e il risultato è una variabile binaria. Pertanto, il test chi quadrato può essere utilizzato per il confronto tra i gruppi. Se desideri ulteriori analisi, puoi eseguire un test di tendenza per esplorare l'incidenza degli indicatori di risultato al variare del livello di raggruppamento Tendenza al cambiamento.
Test chi quadrato accoppiato
Il test chi quadrato accoppiato è un test chi quadrato per dati accoppiati. I modelli di associazione comuni sono confronti di due metodi di rilevamento nella stessa popolazione, confronti prima e dopo il trattamento nella stessa popolazione e così via. I dati di questo disegno non possono utilizzare il test chi quadro di Pearson ordinario, ma devono utilizzare il test chi quadro accoppiato.
Esempio 3: un ospedale oncologico ha utilizzato la risonanza magnetica e la TC per diagnosticare il cancro al fegato nello stesso paziente. Sono stati arruolati un totale di 119 pazienti, 49 casi di cancro al fegato sono stati trovati nella diagnosi TC e 43 casi di cancro al fegato sono stati trovati nella diagnosi MRI I dati sono mostrati nella Figura 8. Voglio confrontare se c'è una differenza nel tasso di positività dei due metodi diagnostici.
Figura 8 Dati diagnostici del cancro del fegato
Lo scopo di questo studio è confrontare se i risultati della diagnosi dei due metodi sono diversi, che appartiene alla categoria del test della differenza. Ma a differenza del caso precedente, questo caso non ha un indice di raggruppamento, ma mette a confronto due risultati della stessa popolazione.Questo è un tipo di progettazione comune nei test diagnostici medici, ovvero un design di autocombinazione.La stessa popolazione di ricerca riceve due diversi trattamenti. I due indicatori di risultato sono entrambi variabili categoriali binarie.Per la progettazione appaiata di variabili categoriali, il test chi quadrato accoppiato viene generalmente utilizzato per l'analisi statistica.
Quando JMP esegue un test chi quadrato accoppiato, i dati devono essere organizzati in un formato specifico.Si noti che il formato della preparazione dei dati deve essere come mostrato nella (Figura 8), altrimenti l'analisi del test accoppiato non può essere completata.
In JMP, selezionare il menu "Analyze" → "Fit X to Y" per accedere alla finestra di dialogo dell'analisi delle differenze. In questo esempio, il risultato della diagnosi TC e il risultato della diagnosi MRI sono due risultati della stessa popolazione, quindi è possibile inserire qualsiasi variabile Immettere "Y, risposta", l'altra "X, fattore" e "numero di campioni" in "frequenza" (Figura 9).
Figura 9 Verifica della coerenza della selezione della variabile dati accoppiata
Il risultato di output del software JMP è mostrato nella Figura 10. Dalla tabella di contingenza si può vedere che il tasso positivo di diagnosi TC è 41,18% e il tasso positivo di diagnosi NMR è 36,13%.Il risultato mostra anche il chi- risultato del test quadrato. Tuttavia, va notato che il risultato del test chi quadrato fornito nel risultato non è quello che vogliamo.Il test chi quadrato di Pearson è per campioni indipendenti e il risultato del test chi quadrato accoppiato richiede un passaggio.
Figura 10 Risultato output JMP
Nell'interfaccia dei risultati, fare clic sul pulsante triangolo rosso accanto all'analisi di contingenza di "Risultati della diagnosi NMR-Risultati della diagnosi TC" e selezionare "Statistiche di consistenza" nel menu a discesa (Figura 11):
Figura 11 Verifica della coerenza della selezione della tabella dati-funzione abbinata
Il risultato dell'output è mostrato nella Figura 12 di seguito:
Figura 12 Verifica della coerenza dell'output dei risultati dati accoppiati
Come mostrato nella Figura 12, ci sono due parti dell'output: Test di differenza della somma di controllo della consistenza Kappa.
- Il coefficiente Kappa fornisce il risultato del test di consistenza, indicando se i due metodi diagnostici sono correlati o coerenti.
- Il risultato del test Bowker/McNemar è un risultato del test della differenza di dati accoppiati, che indica se esiste una differenza statistica nel tasso di positività dei due metodi diagnostici per lo stesso gruppo di persone.
Lo scopo di questo esempio è confrontare le differenze tra i due metodi.Pertanto, sono stati selezionati i risultati della seconda parte del test McNemar.I risultati hanno mostrato che i tassi diagnostici positivi dei due metodi non erano statisticamente differenti (chi-quadrato= 1.50, P=0.2207). In assenza di un gold standard, i risultati possono solo mostrare se i tassi positivi dei due metodi sono statisticamente diversi e non possono spiegare i pro ei contro dei metodi diagnostici.
Riepilogo: selezionare i risultati in base allo scopo della ricerca
Infine, va sottolineato: nel pairing design, se il risultato è una variabile categoriale, determina quale risultato scegliere in base allo scopo della tua ricerca. Se lo scopo della ricerca è confrontare le differenze, come in questo esempio, è necessario scegliere il test Bowker / McNemar (la tabella a quattro griglie 2*2 fornisce il test McNemar, la tabella di contingenza simmetrica 3*3 e superiore fornisce il test Bowker) del test chi quadrato di Pearson; se lo scopo della ricerca è verificare se esiste una correlazione, è possibile utilizzare il test chi quadrato di Pearson e produrre il corrispondente indice di correlazione; se lo scopo della ricerca è osservare la coerenza, è possibile scegliere il test Kappa prova di consistenza
Confrontando il risultato del test McNemar nella Figura 12 con il risultato del test chi quadrato di Pearson nella Figura 10, si può notare che i due sono completamente diversi. Quando si esegue un test chi quadrato accoppiato, è necessario prestare attenzione alla scelta dei risultati statistici: la scelta del metodo statistico sbagliato porterà a conclusioni errate.
Se vuoi saperne di più sull'applicazione approfondita di JMP, benvenuto Unisciti all'account ufficiale JMP LINE Ottieni regolarmente competenze operative JMP e informazioni sui corsi online!
originale: L'estensione del test della somma del rango dei dati del test del chi-quadrato, del chi-quadrato di tendenza e del chi-quadrato accoppiato
Lettura consigliata:
Pensieri e metodi analitici del test della somma dei ranghi e del confronto a coppie
Ci sono 3 t-test comunemente usati in un t-test indipendente dalla letteratura, un t-test a campione singolo e un t-test appaiato
Eseguire test di stato normale e test di omogeneità della varianza in JMP
Analisi della variazione (ANOVA) e confronto a coppie: pensieri e metodi analitici
