1970-01-01
某研究人员拟分析血型和职业之间的关系，共招募了333位研究对象，收集他们的血型（blood_type）和职业（occupation）信息。其中血型分为A、B、AB、O型共4种，职业分为律师（Lawyer）、医生（Doctor）、教师（Teacher）和工人（Worker），部分数据图1。
图1 部分数据
研究者想分析血型与职业类型的关系，建议使用卡方检验（R×C），但需要先满足3项假设：
假设1：存在两个无序多分类变量，如本研究中血型和职业类型均为无序分类变量。
假设2：具有相互独立的观测值，如本研究中各位研究对象的信息都是独立的，不会相互干扰。
假设3：样本量足够大，最小的样本量要求为分析中的任一单元格期望频数大于5。
经分析，本研究数据符合假设1和假设2，那么应该如何检验假设3，并进行卡方检验（R×C）呢？
本研究招募了333位研究对象，分析血型和职业类型的关系。结果显示，本研究任一期望频数均大于5，可以采用卡方检验，χ2=42.959，P < 0.001，提示不同血型的研究对象职业类型不同。血型与职业类型之间存在弱相关性，Cramer’s V = 0.207，P < 0.001。
参考文献
1. Agresti, A. (2002). Categorical Data Analysis (2nd Ed.). New York: Wiley. (the definition is on page 81.)
2. http://www.statisticshowto.com/what-is-a-standardized-residuals/
3. https://www-304.ibm.com/support/docview.wss?uid=swg21479605
某医生拟探讨吸烟与阿尔兹海默症之间的关联性，研究者想判断不同吸烟状态发生阿尔兹海默症的风险是否相同。针对这种情况，我们可以使用卡方检验，但需要先满足3项假设。
我们推送过的“两个率的比较(卡方检验)及Fisher精确检验的SPSS教程”，小伙伴们都掌握了吗？如果不止两个分组，又该如何进行卡方检验以及之后的两两比较呢？来看详细教程吧！
有两种方法可用于诊断某种癌症，A方法简单易行，成本低，患者更容易接受，B方法结果可靠，但操作繁琐，患者配合困难。某研究选择了53例待诊断的门诊患者，每个患者分别用A和B两种方法进行诊断（表1），判断两种方法诊断癌症有无差别，A方法是否可以代替B方法。
百度浏览 来源 : 医咖会
版权声明：本网站所有注明来源“医微客”的文字、图片和音视频资料，版权均属于医微客所有，非经授权，任何媒体、网站或个人不得转载，授权转载时须注明来源：”医微客”。本网所有转载文章系出于传递更多信息之目的，且明确注明来源和作者，转载仅作观点分享，版权归原作者所有。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。 本站拥有对此声明的最终解释权。
关注公众号
安卓客户端
发表评论
注册或登后即可发表评论
登录注册
全部评论(0)