分類資料的統(tǒng)計(jì)分析
1.單樣本資料與總體比較
1)二分類資料:
(1)小樣本時(shí):用二項(xiàng)分布進(jìn)行確切概率法檢驗(yàn);
(2)大樣本時(shí):用U檢驗(yàn)。
2)多分類資料:用Pearsonc2檢驗(yàn)(又稱擬合優(yōu)度檢驗(yàn))。
2.四格表資料
1)n>40并且所以理論數(shù)大于5,則用Pearsonc2
2)n>40并且所以理論數(shù)大于1并且至少存在一個(gè)理論數(shù)<5,則用校正c2或用Fisher’s確切概率法檢驗(yàn)
3)n£40或存在理論數(shù)<1,則用Fisher’s檢驗(yàn)
3.2×C表資料的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo),并且為有序多分類變量,行變量為分組變量,則行評(píng)分的CMHc2或成組的Wilcoxon秩和檢驗(yàn)
2)列變量為效應(yīng)指標(biāo)并且為二分類,列變量為有序多分類變量,則用趨勢(shì)c2檢驗(yàn)
3)行變量和列變量均為無(wú)序分類變量
(1)n>40并且理論數(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%,則用Pearsonc2
(2)n£40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%,則用Fisher’s確切概率法檢驗(yàn)
4.R×C表資料的統(tǒng)計(jì)分析
1)列變量為效應(yīng)指標(biāo),并且為有序多分類變量,行變量為分組變量,則CMHc2或KruskalWallis的秩和檢驗(yàn)
2)列變量為效應(yīng)指標(biāo),并且為無(wú)序多分類變量,行變量為有序多分類變量,作nonezerocorrelationanalysis的CMHc2
3)列變量和行變量均為有序多分類變量,可以作Spearman相關(guān)分析
4)列變量和行變量均為無(wú)序多分類變量,
(1)n>40并且理論數(shù)小于5的格子數(shù)<行列表中格子總數(shù)的25%,則用Pearsonc2
(2)n£40或理論數(shù)小于5的格子數(shù)>行列表中格子總數(shù)的25%,則用Fisher’s確切概率法檢驗(yàn)
萬(wàn)題庫(kù)下載丨微信搜索"萬(wàn)題庫(kù)考研"
編輯推薦:
2022年考研報(bào)名時(shí)間 | 2022年考研時(shí)間安排
考研萬(wàn)題庫(kù)下載 | 微信報(bào)名提醒 | 報(bào)考指南