现在有自变量性别和感知走行时间,均为分类变量。原来这两个变量都是显著的,在位置模型里面加入交互项性别感知走行时间后,原来两项的系数及显著情况全部变为0,并且平行线检验也无法通过。没有卡方值或者McNemar值,但是在RxC列联表中,应用配对卡方检验有相应的统计量值。理论上,MeNemar检验都应该输出对应的统计量。模型中的这一条件只是理论上的一种假定,在多数情况下,并没有必要顾及这一假设是否成立,它所适应的范围是广泛的。由于这一模型较为稳健,实际划分反应变量的等级时,可根据专业需要适当的分得细一些。有的人认为比例优势假定不满足,提示数据不适合采用累积比数logit模型,可能会得到有偏的估计,应该换用其他模型如偏比例优势模型进行分析验证。当条件违背时,有时候会对结果造成较大影响,甚至会改变结论。
卡方检验的实际数出现0的时候,怎么办?没关系的,可以有0的,直接分析就可以卡方检验试用条件
1.随机样本数据;
2.卡方检验的理论频数不能太小.
两个独立样本比较可以分以下3种情况:
1.所有的理论数T≥5并且总样本量n≥40,用Pearson卡方进行检验.
2.如果理论数T<5但T≥1,并且n≥40,用连续性校正的卡方进行检验.
3.如果有理论数T<1或n<40,则用Fisher’s检验.
上述是适用于四格表.
R×C表卡方检验应用条件:
1.R×C表中理论数小于5的格子不能超过1/5;
2.不能有小于1的理论数.
若不符合R×C表的卡方检验.可以通过增加样本数、列合并来实现.
卡方检验你的数据应该用交叉列联表做,数据录入格式为:建立两个变量,变量1是组别,正常对照组用数据1表示,病例组用数据2表示;变量2是疗效等分类变量,用1表示分类属性1,用2表示分类属性2,还有一个变量3是权重,例数数据录入完成后,先加权频数后点analyze-descriptive statistics-crosstabs-把变量1选到rows里,把变量2选到column里,然后点击下面的statistics,打开对话框,勾选chi-squares,然后点continue,再点ok,出来结果的第3个表就是你要的卡方检验,第一行第一个数是卡方值,后面是自由度,然后是P值。
欢迎分享,转载请注明来源:夏雨云
评论列表(0条)