![21ac568e75fa13ed0e9e5cf8708290e8.png](https://i-blog.csdnimg.cn/blog_migrate/a085c6e9ffe825ec75716420d8b346ea.png)
在医学领域,卡方检验是最为常用的统计方法,可用于研究定类数据和定类数据的关系情况。比如研究吸烟与不吸烟的人患支气管炎的概率是否有差别?
但如果其中一个变量是等级数据时,很多人依然习惯性地使用卡方检验。比如研究两种药物对支气管炎的疗效对比。其中疗效分为四个水平(治愈、显效、有效、无效),用卡方检验只能反映变量之间是否有无差异,当出现差异性时,无法进一步比较各层次的水平情况。
这种情况下,可以选择方差非参数检验的秩和检验进行分析。或者在医学上,还有一种非参数检验方法叫做Ridit分析,也可用于定类数据与定量(等级)数据之间的差异性。本文将重点介绍Ridit分析。
![b943e009d2486922e1ace577d6557601.png](https://i-blog.csdnimg.cn/blog_migrate/7f42c19ff0c405c2631b99c44a94585d.png)
原理说明
Ridit分析在医学研究中使用较为广泛,其功能与非参数检验类似,但原理上有着很大的区别。
Ridit的原理在于将等级数据‘转化’成连续数据即得到Ridit值,然后对比Ridit值的差异性,‘转化’时涉及两种方式:一种是将“求和”作为参照值,另外一种是将“最大值”作为参照值。一般情况下,如果说某组数数据非常明显的多,则使用“最大值”方式,其它情况下建议使用“求和”方式。
案例应用
1、背景
当前研究两种药物(分别是复方江剪刀草(1)与胆麻片(2))对于慢性气管炎疗效的差异性,其中疗效分为四个水平分别是无效(1)、数好转(2)、显著好转(3)、控制(4),共收集3424例数据。
![a3f1345f4f0b3e330db9597845df9736.png](https://i-blog.csdnimg.cn/blog_migrate/7520aebba3fe517bc6fdc2e4e51bc393.png)
上文中提到过,Ridit分析的第一步首先要选择一个参照组。从上图来看,收集到的样本中,使用第一种治疗方式治疗的人明显多于第二种。因此选择“最大值”参照组方式更适合。
2、操作步骤
![24a50db395dab0edc92b40882c6bd521.png](https://i-blog.csdnimg.cn/blog_migrate/023624098464a27797c3dc7660ba3457.png)
放入对应的分析项以及权重项,参照组选择'最大值',点击‘开始Ridit分析’。
3、结果分析
![2bdbf2ccb42e4b027aee43bfc5d16015.png](https://i-blog.csdnimg.cn/blog_migrate/afdc1354b3c4f1b78d4384431a816ff0.jpeg)
首先分析是否呈现出显著性(P值小于0.05或0.01),由上图可知,治疗方式对于疗效呈现出显著性(z=-4.097, p=0.000<0.05),意味着不同治疗方式组别对于疗效呈现出差异性。
当分析呈现出显著性差异时,可通过平均Ridit值结合箱线图来对比具体的差异情况。
![4ef8e402ec407edb018d27f5c586cbb2.png](https://i-blog.csdnimg.cn/blog_migrate/af8b8f692e8bef0f0edf75592e36729c.png)
具体分析可知:使用胆麻片治疗的效果平均Ridit值(0.62)会明显高于的复方江剪刀草的平均Ridit值(0.497)。箱线图也可以清晰地看到第一组的Ridit值,明显低于组别2的平均Ridit值。
更多干货内容可登录SPSSAU官网查看 。
SPSSAU:如何用非参数检验,分析多个相关样本数据?
SPSSAU:快速掌握Logistic回归分析及应用
SPSSAU:卡方检验的多种应用场景总结