統(tǒng)計(jì)學(xué)基本知識

統(tǒng)計(jì)學(xué)基本方法

卡法檢驗(yàn)（Chi-squaretest/Chi-SquareGoodness-of-FitTest）卡方檢驗(yàn)是用途非常廣的一種假設(shè)檢驗(yàn)方法，它在分類資料統(tǒng)計(jì)推斷中的應(yīng)用，包括：兩個率或兩個構(gòu)成比比較的卡方檢驗(yàn)；多個率或多個構(gòu)成比比較的卡方檢驗(yàn)以及分類資料的相關(guān)分析等。一般四格表卡方檢驗(yàn)卡方檢驗(yàn)使用條件：兩個獨(dú)立樣本比較可以分以下3種情況：1.所有的理論數(shù)T≥5并且總樣本量n≥40，用Pearson卡方進(jìn)行檢驗(yàn)。2.如果理論數(shù)T＜5但T≥1，并且n≥40，用連續(xù)性校正的卡方進(jìn)行檢驗(yàn)。3.如果有理論數(shù)T＜1或n＜40，則用Fisher’s檢驗(yàn)。

卡方檢驗(yàn)的SPSS操作步驟

1打開軟件，設(shè)置數(shù)據(jù)格式，四格表卡方檢驗(yàn)固定數(shù)據(jù)為4行3列，前兩列分別表示行與列，最后一列表示每一種出現(xiàn)的頻數(shù)。

2、分析前，要對數(shù)據(jù)進(jìn)行頻數(shù)變量，點(diǎn)擊Data,依次找到weightcases.

3、彈出對話框，選擇weightcase,把頻數(shù)變量f送入右邊的框中，點(diǎn)擊OK.4、卡方檢驗(yàn)，點(diǎn)擊Analyze,依次找到Descriptive

Statistics-Crosstabs

5、彈出對話框中，分別把r和c送入對應(yīng)的行和列的框中，并點(diǎn)擊Statistics，彈出框中選擇Chi-square。6、最后點(diǎn)擊OK.秩和檢驗(yàn)（signed-ranktest）在實(shí)踐中我們常常會遇到以下一些資料，如需比較患者和正常人的血清鐵蛋白、血鉛值、不同藥物的溶解時間、實(shí)驗(yàn)鼠發(fā)癌后的生存日數(shù)、護(hù)理效果評分等，我們將非參數(shù)統(tǒng)計(jì)中一種常用的檢驗(yàn)方法--秩和檢驗(yàn)，其中“秩”又稱等級、即上述次序號的和稱“秩和”，秩和檢驗(yàn)就是用秩和作為統(tǒng)計(jì)量進(jìn)行假設(shè)檢驗(yàn)的方法。秩和檢驗(yàn)的應(yīng)用條件（1）總體分布形式未知或分布類型不明；（2）偏態(tài)分布的資料；（3）等級資料：不能精確測定，只能以嚴(yán)重、優(yōu)劣等級、次序先后等表示（4）不滿足參數(shù)檢驗(yàn)條件的資料：各組方差明顯不齊；（5）數(shù)據(jù)的一端或者兩端是不確定數(shù)值，如“>50mg”例題1建立變量名2、錄入數(shù)值3統(tǒng)計(jì)分析4、分析-非參數(shù)檢驗(yàn)-兩相關(guān)樣本（配對樣本

）logistics回歸logistics回歸對反應(yīng)變量為分類變量所進(jìn)行多變量分析logistic回歸是一種廣義線性回歸（generalizedlinearmodel），因此與多重線性回歸分析有很多相同之處。它們的模型形式基本上相同，都具有w‘x+b，其中w和b是待求參數(shù)，其區(qū)別在于他們的因變量不同，多重線性回歸直接將w‘x+b作為因變量，即y=w‘x+b，而logistic回歸則通過函數(shù)L將w‘x+b對應(yīng)一個隱狀態(tài)p，p=L(w‘x+b),然后根據(jù)p與1-p的大小決定因變量的值。如果L是logistic函數(shù)，就是logistic回歸，如果L是多項(xiàng)式函數(shù)就是多項(xiàng)式回歸。[1]Logistic回歸模型的適用條件1因變量為二分類的分類變量或某事件的發(fā)生率，并且是數(shù)值型變量。但是需要注意，重復(fù)計(jì)數(shù)現(xiàn)象指標(biāo)不適用于Logistic回歸。2殘差和因變量都要服從二項(xiàng)分布。二項(xiàng)分布對應(yīng)的是分類變量，所以不是正態(tài)分布，進(jìn)而不是用最小二乘法，而是最大似然法來解決方程估計(jì)和檢驗(yàn)問題。3自變量和Logistic概率是線性關(guān)系4各觀測對象間相互獨(dú)立。1、在菜單上執(zhí)行: