配伍組設計，二分類資料如何進行統計分析？

GIF/1K

導讀

談到配伍組設計（隨機區組設計），大家很容易想到配伍組設計方差分析。那是在效應量指標為計量資料的情況下，如果效應量指標為二分類。我們應該採用如何分析呢？

實踐是檢驗真理的唯一標準

1、先看一個資料庫

虛構一個案例，一群人發生食物中毒，分別從每個人的嘔吐物、排泄物和血液中檢測某種致病因子X，共檢測了10人，檢測結果為陽性和陰性。如何來進行分析。

2.案例解析：本例數據為同一個人身上進行了三種檢測，屬於配伍組設計。本例可用非參數K個相關的樣本。

3.1K個相關樣本步驟

3.2K個相關樣本設置

注意此處勾選「柯克蘭Q」，因為其適用於二分類資料。

3.3結果如下：Cochran Q=0.750，P=0.687>0.05，因此三種檢測樣本的檢出率差別無統計學意義。

松哥統計說

各位：如果本例不是就行三種樣本檢驗，而是只檢測了2種樣本（如嘔吐物與血液），那麼此時應該怎麼分析呢？

此時就是配對設計了。可以採用配對卡方或者非參數裡面的配對Mcnemar了.

本例K個相關樣本非參數三種檢驗適用範圍如下。

Friedman檢驗是以下兩項的非參數等同檢驗：單樣本重複測量設計，或者每個單元格一個觀察值的二階方差分析。Friedman 檢驗k個相關變數來自同一總體的原假設。對於每個個案，k個變數的等級從 1 到k。檢驗統計基於這些等級。

Kendall 的 W是 Friedman 統計的標準化形式。Kendall 的W可解釋為協調係數，它是評分者之間一致程度的測量。每個個案是一名裁判員或評分者，每個變數是被裁判的一項或一個人。對於每個變數，要計算等級之和。Kendall 的W的範圍從 0（完全不一致）到 1（完全一致）。

Cochrans Q等於 Friedman 檢驗，但它適用於所有響應都是二元響應的情況。該檢驗是 McNemar 檢驗對k樣本情況的擴展。CochransQ檢驗多個相關二分變數具有相同平均值的假設。對相同的個體或匹配的個體測量變數。

精鼎數據分析聯盟，期待您的加盟！在數據處理方面，歡迎您來投稿！

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！