精华内容
下载资源
问答
  • 2020-12-19 23:21:35

    原标题:SPSS教程:多个组比较(Fisher精确检验)及组间两两比较

    1、问题与数据

    某医生拟探讨是否可以通过改善生活方式,如增强体育锻炼、减小体重及改善饮食习惯等,降低患者的胆固醇浓度。

    现该医生招募了32位高胆固醇、生活习惯差的受试者,并将其分成3组。其中一组给予降胆固醇药物,一组给予饮食干预,另一组给予运动干预。经过6个月的试验后,该医生重新测量受试者的胆固醇浓度,分为高和正常两类。

    该医生收集了受试者接受的干预方法(intervention)和试验结束时胆固醇的风险程度(risk_level)等变量信息,并按照分类汇总整理出频数(freq)变量,数据如下:

    注:本研究将胆固醇浓度分为“高”和“正常”两类,只是为了分析方便,并不代表临床诊断结果

    2、对问题的分析

    为更好地介绍Fisher精确检验(2×C)分析方法,并说明其与卡方检验(2×C)的区别,本章节仍使用卡方检验(2×C)的例子,但对数据模型进行了调整,使其更符合Fisher精确检验(2×C)的要求。

    进行Fisher精确检验(2×C)也需要满足5项假设:

    假设1:观测变量是二分类变量,如本研究中试验结束时胆固醇的风险程度变量是二分类变量。

    假设2:存在多个分组(>2个),如本研究有3个不同的干预组。

    假设3:具有相互独立的观测值,如本研究中各位受试者的信息都是独立的,不会相互干扰。

    假设4:研究设计必须满足:

    (a) 样本具有代表性&#

    更多相关内容
  • 数据分析 检验组间差异

    千次阅读 2020-08-29 11:07:47
    分析差别:做出一些必要的假设:假设,数据是服从正态分布,而且不同之间不受到其它因素的影响 做下一步的分析:两组之间阅读量的差别,是因为文案本身的原因,还是其它某些随机的因素 具体流程:a.做出两组...

    方差分析-用于两个及两个以上样本差别的显著性检验

    当比较两个不同样本之间的问题时,如:比较两个不同样本(文案)之间的问题

    分析差别:做出一些必要的假设:假设,数据是服从正态分布,而且不同组之间不受到其它因素的影响

                         做下一步的分析:两组之间阅读量的差别,是因为文案本身的原因,还是其它某些随机的因素

    具体流程:a.做出两组之间无差异的假设,并服从正态分布(即u1-u2=0)

                       b.计算样本之间平均值的差异,构建我们需要检验的统计量(Z)

         

    3.选择合适的显著水平(0.05)和临界值(+-1.96)

    4.比较两者之间的大小,判断是否接受默认假设

    展开全文
  • 【学习笔记】组间差异比较及相关问题总结

    万次阅读 多人点赞 2021-03-22 11:07:27
    最近在对数据进行统计分析时发现自己其实对于统计学并没有一个很系统的了解,尤其是各种假设检验组间差异比较的方法过于繁多,实在是让人眼花缭乱,于是便打算把自己的疑惑及思考都总结记录下来,以便彻底搞清楚这些...

    前 言

    最近在对数据进行统计分析时发现自己其实对于统计学并没有一个很系统的了解,尤其是各种假设检验组间差异比较的方法过于繁多,实在是让人眼花缭乱,于是便打算把自己的疑惑及思考都总结记录下来,以便彻底搞清楚这些逻辑关系。

     

    目 录

    Q1:做组间差异比较的步骤是什么?方法都有哪些?

    Q2:有些资料上提到,当两组服从正态分布的数据进行比较时,小样本(<30)使用t检验,大样本(>30)使用z检验,为什么SPSS等一些软件中只有t检验?

    Q3:为什么 Wilcoxon rank-sum test 又称为 Mann Whitney U test?它们有什么不同?

    Q4:为什么方差分析的结果有差异后,还需要进行“事后多重比较”?

    Q5:是否有可能发生“在方差分析时没有差异,而事后两两比较时出现差异”,或者“在方差分析时有差异,而事后两两比较时却没有差异”这两种情况?

    Q6:为什么事后多重比较不可以直接用t检验进行两两比较,而要用这些专门的事后多重比较方法?

    Q7:什么是“多重比较矫正”?(一个小故事讲清“多重比较矫正”)

    重新回答Q6:为什么事后多重比较不可以直接用t检验进行两两比较,而要用这些专门的事后多重比较方法?

    Q8:所以只要是事后多重比较中有多次的两两比较,都必须要做“多重比较矫正”?

    Q9:如果进行多次方差分析(也就是进行多次“三三比较”、“NN比较”),也需要进行“多重比较矫正”吗?具体应该怎么做?

    Q10:方差分析中的事后多重比较方法大多都会进行“多重比较矫正”,这和文献中常见的“FDR矫正”之间有什么区别?多重比较矫正方法都有哪些?

    Q11:如果要对一些分类变量(如“性别”、“有无吸烟”等)进行差异性检验,该选什么方法?

    综合参考资料


     

    Q1:做组间差异比较的步骤是什么?方法都有哪些?

    当要进行组间差异比较时,首先要对数据有一个清楚的认识,包括是否服从正态分布、方差是否齐性等等,还要知道数据到底是配对的还是不配对的,根据数据的不同,选择的比较方法也不尽相同,但大体上也就只有“参数检验”和“非参数检验”两种。无论是SPSS还是R语言等统计学工具,在实际操作的时候还是需要一步步选择的,具体步骤和方法如下面思维导图所示。

    总体主要包括正态性检验方法(更详细的可查看上一篇博客:正态检验 (Normality Test)——常见方法汇总与简述)、方差齐性检验方法两组样本的参数检验方法、非参数检验方法多组方差分析的参数与非参数检验方法及对应的事后多重比较方法。由于每一类的方法都实在太多,以下仅总结出大部分常见的方法,可点击查看大图。

     


    Q2:有些资料上提到,当两组服从正态分布的数据进行比较时,小样本(<30)使用t检验,大样本(>30)使用z检验,为什么SPSS等一些软件中只有t检验?

    总体服从正态分布的数据在小样本时呈现为t分布,而服从t分布的数据在样本量较大时会渐进于正态分布,也就是无论样本量大小都可以使用t检验。但z检验需要数据严格服从正态分布,但数据量小时服从的是t分布而不是正态分布,因此z检验通常只能用在大样本的情况。显然t检验的使用条件更为宽松,并且完全可以替代z检验,因此可直接使用t检验。

    相关参考:统计检验与多重矫正

     


    Q3:为什么 Wilcoxon rank-sum test 又称为 Mann Whitney U test?它们有什么不同?

    Rank-sum test 秩和检验方法最早是由Wilcoxon提出的,运用的场景是两组样本数量相等,后来Mann和Whitney将其应用到两样本容量不等的情况,因此又称为Mann Whitney U test。在文献中两种写法都有,脑科学研究中更多描述为“Mann Whitney U test”。

     


    Q4:为什么方差分析的结果有差异后,还需要进行“事后多重比较”?

    因为方差分析的结果只说明多组之间存在差异,但并不能明确计算出是哪两组之间存在差异,因此还需要进行两两进行比较以找出多组中哪两组之间存在差异。

     


    Q5:是否有可能发生“在方差分析时没有差异,而事后两两比较时出现差异”,或者“在方差分析时有差异,而事后两两比较时却没有差异”这两种情况?

    有可能,并且这两种情况的存在是合理的。

    (1)方差分析结果显著只是说明组间可能存在显著差异,但某两组之间到底有无显著差异还是要看事后检验,事后两两比较允许无差异情况的存在

    (2)方差分析中,整体上的差异检验和事后多重比较的检验方法是不同的,而不同检验方法的检验效力是不一样的,有的可能对差异比较敏感,而有的却比较保守,因此就有可能造成该情况;

    (3)事后多重比较中,可选用的比较方法比较多,适合数据的检验方法一般都不止一种,可尝试使用其他的方法进行检验,或许会得到不同的结果,再根据实际情况来对结果进行分析(可参考该领域的文献,具体问题具体分析);

    相关参考:方差分析F检验显著,但时候两两比较都不显著的问题

     


    Q6:为什么事后多重比较不可以直接用t检验进行两两比较,而要用这些专门的事后多重比较方法?

    这涉及到“多重比较矫正”的问题。于是又会引申出一个新的问题,就是“什么是多重比较矫正?”因此在解释完这个问题后,再回过头来重新回答这个问题。

     


    Q7:什么是“多重比较矫正”?

    在进行一次两两比较时,单个检验的显著性水平(即Ⅰ型错误率)一般设置为α=0.05,但随着检验次数的增加,也就是进行多次两两比较的时候,Ⅰ型错误会随之增加。简单点说就是,即使是小概率事件,但“夜路走多了也会遇到鬼”(借用知乎上看到的一句很有意思的话)。因此必须要对显著性水平α或计算出来的p值进行“矫正”,以防止Ⅰ型错误增加

    首先通过下表解释一下什么是Ⅰ型错误:

    可能上面这个表很容易让人看得头晕,但简单点说,Ⅰ型错误率就是“原假设是真的,但却计算出原假设是假的,拒绝了原假设”的概率,也就是统计中经常用到的显著性水平α,一般都设置为α=0.05,使得犯Ⅰ型错误错的概率仅为0.05。为了更好地理解“多重检验会增加Ⅰ型错误概率”,并且为什么需要对α进行“矫正”的问题,下面尝试通过讲一个故事来进行解释。

    假设一天只出门一次,且出门碰到鬼的概率为α=0.05,那么出门没碰到鬼的概率为1-α = 1-0.05 = 0.95。如果连续出门10天,每一天都单独来看的话,那么单独每天碰到鬼与没碰到鬼的概率为:

     

     

    如果运气特别好,连续10天出门都没碰到鬼,这概率会是多少?通过计算,这个概率为:0.95^(10) ≈ 0.6,也就是连续10天都不会碰到鬼的可能性实际上只有60%,这显然比单独一天不碰到鬼的可能性95%要少多了,可见运气真的好。因此只要出门天数多,还想要天天都不碰到鬼,这可能性是会随着出门天数的增加而减少的,所以如果不想碰到鬼,最好的办法就是少出门。

    那么,连续10天出门都没碰到鬼的概率为0.6,这还意味着什么?这时可以反过来想一下它的互补事件“连续10天至少有一天碰到鬼”的概率。互补事件的计算方法为:1-0.95^(10) ≈ 1-0.6 = 0.4,也就是说这10天中不管是第几天碰见鬼,也不管碰见了几次鬼,总之只要连续10天都出门,就会有40%的可能至少会碰到一次鬼!这比单独一天碰到鬼的概率0.05要大太多了!那么按照这个规律,如果连续出门20天,30天,甚至100天,“至少有一次碰到鬼”的概率将会是多少?根据上面的计算方法,计算公式为:1-(1-α)^n,作图如下:

     

     

    可见,无论是概率多么小的事件,只要重复的次数越多,碰上的可能性就越大,并且当重复的次数足够多时,也就是出门的次数足够多时,就总会至少有一次会碰到鬼(接近于100%)。所以还是那句话,如果不想碰到鬼,还是少出门吧。

    但减少出门次数通常来讲都是一件非常困难的事情,毕竟每天还要出门上班啊,周末还要出门溜达呀,有没有办法使得连续出门10天,也不会碰到鬼?或者说,即使连续出门10天,也仅接受0.05的概率碰到鬼,而不是0.4的概率碰到鬼,那该怎么办?

    简单!找个算命法师,算个命,作个法,让单独每天碰到鬼的概率都降低一点不就得了

    法师:“你命中五行缺鬼,注定每天都有5%的可能碰到鬼,既然你要连续出门10天,那就让我略施小法,干脆把每天碰到鬼的概率改成 0.05/10=0.005 吧。” 于是单独每天碰到鬼和没碰到鬼的概率就变成:

     

     

    此时,再次按照上面的计算方法,可算出连续10天都没碰到鬼的概率为:0.995(^10) ≈ 0.95,那么它的互补事件“连续10天至少有一天碰到鬼”的概率即为:1-0.995(^10) ≈ 1-0.95 = 0.05。虽然 “连续10天至少有一天碰到鬼”的概率0.05  “单独每天碰到鬼”的概率0.005 相比还是增加了10倍,但最终目的达到了,那就是“即使连续出门10天,也仅接受0.05的概率碰到鬼,而不是0.4的概率碰到鬼”。

    到此,这个故事其实已经讲完了。对应回“多重比较矫正”这个问题,其实“出门碰到鬼的概率”就是“显著性水平/Ⅰ型错误概率α”,“连续出门天数”就是“两两比较次数”,因此当两两比较次数增多时,Ⅰ型错误的概率会随之增加,如果想要避免这样的高错误率,就需要“法师作法”来把“出门碰到鬼的概率”降低,实际上法师用到的法术,就是多重比较矫正”中的各种方法,每种方法都有各自不同的侧重点,以有效降低Ⅰ型错误的概率。而上述故事中法师用到的法术仅仅是其中一种,就是简单粗暴的Bonferroni 矫正方法,直接把α除以出门的次数(两两比较的次数)来达到目的。

    如果用一句话概括,多重比较矫正方法实际上就是设置更严格的阈值来定义统计学的显著性

    最后回到原来的问题:

    重新回答Q6:为什么事后多重比较不可以直接用t检验进行两两比较,而要用这些专门的事后多重比较方法?

    因为事后多重比较时会涉及多次的两两比较,那么Ⅰ型错误就会随着比较次数的增多而增加。而单纯的t检验是不会对显著性水平α值进行修改(矫正)的,永远都是设定为α=0.05,这就会导致无法降低Ⅰ型错误的概率,因此不能直接用t检验进行多次的两两比较,而应该用专门的事后多重比较方法来进行分析,因为这些专门的事后多重比较方法都会通过不同的方法对结果进行矫正,以减少Ⅰ型错误

     


    Q8:所以只要是事后多重比较中有多次的两两比较,都必须要做“多重比较矫正”?

    不是的。从最开始的思维导图中可以看到,在“事后多重比较”中,“证实性研究”和“探索性研究”使用的事后多重比较方法是不一样的。其中:

    证实性研究:在实验设计阶段,根据研究目的或专业知识事先设计好需要比较的组别。如在实验设计时已设计好有一组对照组,n组实验组,最后拿到数据后,只关心实验组和对照组之间的两两比较,而实验组与实验组之间的比较是不在实验设计范围内的,无需比较。即在得到数据前,就已经设计好需要比较的组有哪些,只关心某几个组之间的均数是否有差异,这称之为“事前比较”(priori test)

    探索性研究:在实验设计阶段由于不明确那些组之间的比较是需要关注的,没办法事先设计好需要比较的组别,因此在拿到数据后,所有组的两两比较都需要进行,以进一步确定到底是那两组之间是存在差异的。如在实验设计时,并不知道正常状态、疲劳状态和睡眠状态之间的脑电信号有无差异,所以在采集到数据后,需要两两之间都进行比较才能得到结果,需要考虑所有的比较,这称之为“事后比较”(post hoc test)。(注意在实际操作中会存在这样的情况:在数据收集完成后,为减少工作量,研究者会挑出来一些看似差异比较大的组进行比较,而那些看起来似乎没有差别的组便不再比较,因此在实际操作中并没有做完所有的两两比较,而是只完成了其中几组看起来差异大的两两比较。但要注意的是,即使看似仅进行了其中几组两两比较,但这些“看起来差异大”的组别已经是在所有两两比较中,“通过经验”而不是“检验方法”所筛选出来的结果,所以实际上也还是考虑了所有的两两比较,依然属于“事后比较”。

    一般情况下,证实性研究中的事后多重比较属于“计划内的比较”,一般不需要对多重比较进行矫正,如LSD-t test。而探索性研究的事后多重比较需要把所有组都进行一次两两比较,必须要进行多重比较矫正,因此这两种研究使用的事后多重比较方法是不一样的。

    相关参考:

    多重检验,p值矫正

    多重检验及其生物学应用

    高通量数据的多重检验问题

    如何开展方差分析与多重比较-SPSS

     


    Q9:如果进行多次方差分析(也就是进行多次“三三比较”、“NN比较”),也需要进行“多重比较矫正”吗?具体应该怎么做?

    如一共有三组“正常状态”,“疲劳状态”,“睡眠状态”的脑电信号,需要研究三组之间,不同脑区(一共N个脑区)的脑电信号是否存在差异。那么在分析时,会先选定脑区1,然后对“正常”,“疲劳”和“睡眠”的信号进行方差分析;然后选定脑区2,对三组进行方差分析;以此类推,一共需要做N次方差分析。实际上“多重比较矫正”中的“多重比较”并不局限于“两两比较”,而是指任何比较,因此在上述分析中,一共进行了N次方差分析同样需要进行“多重比较矫正”。只有在对N次方差分析的结果进行多重比较矫正后,仍有显著差异的脑区,才能进入下一步“事后多重比较”。在事后多重比较中,又会涉及到多次的两两比较,此时还需要再进行一次“多重比较矫正”。也就是上述的例子一共需要进行两次“多重比较矫正”。

     


    Q10:方差分析中的事后多重比较方法大多都会进行“多重比较矫正”,这和文献中常见的“FDR矫正”之间有什么区别?多重比较矫正方法都有哪些?

    多重比较矫正主要可划分为两大块,分别为 False Discovery Rates (FDR) correction Family-Wise Error (FWE) correction,这两种矫正方法之间的区别需要再次用到这个表:

     

     

     

    其中Family-wise error rate (FWER)的定义为“至少出现一次Ⅰ型错误的概率”,即

    FWER=P\left \{ C\geq 1 \right \} = 1-(1- \alpha )^n

    False discovery rate (FDR) 的定义为“Ⅰ型错误在总拒绝数量中的比率”,即

    FDR=E(C/(C+D))|(C+D> 0)P\left \{ C+D> 0 \right \}

    该表达式包含了总拒绝数(C+D)=0的情况,但如果拒绝数量不为0,可以直接简单地认为

    FDR=C/(C+D)

    因此FWE矫正方法实际上是通过控制FWER来实现的,为了保证多重比较结果的可靠性,该方法直接通过对显著性水平α进行矫正(控制),假设矫正后的α为α',那么FWE矫正方法就是要保证:

    FWER=P\left \{ C\geq 1 \right \} = 1-(1- {\alpha}' )^n\leq \alpha

    FDR矫正方法则是通过控制错误发现率FDR来实现的,为了保证多重比较结果的可靠性,该方法通过对结果的p值进行矫正(控制),以保证:

    FDR=C/(C+D)\leq \alpha

    这两种矫正的具体方法有很多,如以下思维导图所示(仅列出常见的部分方法,可点击查看大图):

     

    可见,方差分析事后多重比较中使用的矫正方法大部分都为FWE矫正,当然也可以选用FDR矫正方法来对事后多重比较的结果进行矫正。

    需要注意的是,不同领域选用的矫正方法不尽相同,应根据实际研究的问题并参考相关文献来进行选择

    相关参考:

    FWER和FDR(False Discovery Rate) - 简书 (jianshu.com)

    如何通俗地理解Family-wise error rate(FWER)和False discovery rate(FDR)_sch的学习笔记-CSDN博客

    yanlab.psych.ac.cn/Course/V3.1CN/9_StatisticalAnalysis.mp4

     


    Q11:如果要对一些分类变量(如“性别”、“有无吸烟”等)进行差异性检验,该选什么方法?

    首先要注意的是离散数据并不服从正态分布,因此应该选用非参数检验方法来进行比较。常用的方法是卡方检验(Chi-square test),它主要对两个及两个以上的样本率( 构成比)进行比较,或对两个或两个以上的分类变量进行关联性分析。其根本思想就是在于比较理论频数和实际频数的吻合程度或拟合优度问题,如该分类变量不同组之间是否有差异,数据分布是否均匀。(由于只有分类变量才使用卡方检验,因此没有综合到第一个“组间差异检验”的思维导图中。)

    相关参考:

    【一图就懂】t检验 VS 卡方检验-中国全科医学 (chinagp.net)

    统计学——卡方检验和卡方分布_snowdroptulip的博客-CSDN博客_卡方检验

    全流程总结卡方检验,帮你理清分析思路 (baidu.com)

     


    综合参考资料

    组间差异检验,终于有人讲清楚了! - 简书 (jianshu.com)

    样本均数间的多重比较,你想知道的都在这里! - 专栏课程 - 医咖会 (mediecogroup.com)

    方差分析两两比较 - 百度文库 (baidu.com)

    如何理解事后多重比较的方法? - 知乎 (zhihu.com)

    Handbook_of_biostatistic_R/Handbook of Biostatistics and R.md at master · ShixiangWang/Handbook_of_biostatistic_R · GitHub

    GraphPad中国官网 - Prism 8 统计指南 - 统计学原理 (graphpad-prism.cn)    (PraphPad的统计学原理非常值得一读,有很多问题都能在里面找到答案。)

    GraphPad Prism 9 Statistics Guide - Welcome to Prism 9 Statistics Guide   (更推荐PraphPad的英文版网页,相比于直接翻译过来的中文版,一些描述性词语或许更准确一些。)

     


     

    以上所有内容都是个人通过查阅相关资料并根据自己的理解来总结的笔记,或许还有很多地方没有完善或者理解不到位,欢迎各位批评指出!

     

     

    展开全文
  • ​ 上一期文章我们详细讲解了符合正态分布的数据比较组间差异,采用独立样本t和单因素方差分析。 请看:《SPSS独立样本T检验与SPSS单因素方差分析详细教程》 本次我们来详细讲解一下非正态分布数据组间差异比较...

    b1831bd74ed93c65e4153c4ddcafa9db.gif

    上一期文章我们详细讲解了符合正态分布的数据要比较组间的差异,采用独立样本t和单因素方差分析。

    请看:《SPSS独立样本T检验与SPSS单因素方差分析详细教程》

    本次我们来详细讲解一下非正态分布数据组间差异比较。也就是本次要讲的Kruskal-Wallis检验,也称K-W检验或H检验。Kruskal-Wallis检验,被检验变量不要求正态分布,样本必须独立或不相关的。下面通过实际案例来讲解非正态数据组间的差异比较。

    以下是60例患者的收缩压以及胆汁反流严重程度的数据,胆汁反流严重程度分为轻中重三组,要比较60例患者的收缩压在这3组上是否有显著的差异。(图1)

    92e082274298c29c93e32c3e8a3a3079.png

    图1

    SPSS中的操作步骤:

    ①点击“分析”-“非参数检验”-“旧对话框”-“K个独立样本”(图2)

    如果是分组为2组怎么做?其实2组就是下图的2个独立样本,操作基本和我们将的≥3组的K个独立样本一致,这里为了后面讲述组间两两比较,所以采用了3组的案例

    6ce05ede248c7faba02433f4295733eb.png

    图2

    ②在弹出的对话框中,将“收缩压”选入右侧的“检验变量列表”框内,将“胆汁反流程度”选入“分组变量”栏中,并点击“定义范围”,设置好分组变量范围最小和最大值。下方检验类型勾选“克鲁斯卡尔-沃利斯”(Kruskal-Wallis),(图3),设置好后 点击确定按钮。

    c2f2176d81678a8d3d27739333a7416d.png

    图3

    ③运算并分析结果

    def544950a12ecaa7da63aed63cf6ede.png

    图4

    由上图可以看出:不同3组胆汁反流程度的患者,他们的收缩压的比较,卡方值为6.841,显著性P为0.033<0.05,说明这3组之间的收缩压存在显著的差异。具体差异是怎么样的,我们可以进一步分析。

    ④点击“分析”-“描述性统计”-“交叉表”(图5)

    af305356dae0dc8d3c8789b00c62b2b7.png

    图5

    ⑤在弹出的界面中,将收缩压选入右侧因变量列表,将胆汁反流程度选入右侧因子列表,点击右侧“统计”按钮,勾选“百分位数”图6

    307ea4c7f5740c3a0980c501f547aca9.png

    图6

    ⑥分析结果

    1bf5a47466838b8bd92bfdd3a9db3890.png

    图7

    由上图可以看出:3组的一个收缩压中位数情况,可以看出中度严重组的患者的收缩压中位数为118相对较高,其次是重度为116,轻度是112,感觉上是严重的最高,轻度的最低,但是这3组两两之间的差异是否具有统计学意义呢,我们还要更进一步的分析运算来得出

    成对比较的操作步骤

    ①点击“分析”-“非参数检验”-“独立样本”图8

    53059653d3dc3d9a26e83e0106c2b7ed.png

    图8

    ②在弹出的界面中,点击“字段”标签,将收缩压选入“检验字段”框内,将分组变量胆汁反流程度选入“组”栏,点击“运行”图9

    49989549f8e0d980eb4ae874ca614d70.png

    图9

    ③在结果输入中,双击“假设检验摘要”表格(图10)

    dcc20aed2578c66dc08e61454b6c9a32.png

    图10

    ④然后在右下方的底栏中的“查看”栏中,选择“成对比较”标签(图11),得到最终成对比较表(图12)

    6441e424501154f6be3c3c9bd83fa218.png

    图11

    479731b8a1b3ab0af4660083758e2ebc.png

    图12

    ⑤分析结果:

    从图12可以看出,只有轻度-中度之间的差异 具有统计学意义,P=0.029<0.05,轻度-重度,中度-重度之间的差异不显著。这样3组之间的差异关系就非常的清楚了。

    以上就是今天要讲的SPSS非正态分布数据组间差异比较之Kruskal-Wallis检验及其两两比较。还有更多关于SPSS医学统计分析的讲解与实例操作将持续更新,敬请关注!

    本期课程就到这里哦,感谢大家耐心观看!每日更新,敬请关注!

    【杏花开生物医药统计】微信公众号(xhkdata)

    58e463223c7b975d723b110493a5c4e8.gif

    · SPSS独立样本T检验与SPSS单因素方差分析详细教程

    · GraphPad Prism绘制ROC曲线具体操作步骤

    · SPSS进行连续型数据的正态分布检验

    · SPSS有序Logistic回归的具体操作

    · SPSS生存分析在生物医药统计中的应用之COX风险比例回归

    · SPSS二元Logistic回归在生物医药统计分析中的应用

    · Medcalc软件精准比较多个指标诊断准确率

    · SPSS多元线性回归的应用操作及分析

    · SPSS和GraphPad如何比较组内和组间差异

    · AMOS结构方程进行医学问卷量表分析教程

    · SPSS生存分析在生物医药统计中的应用

    · GraphPad Prism统计绘图之柱状图、箱式图

    · SPSS中对问卷数据进行探索因子分析的详细操作与结果解读

    · SPSS问卷数据统计分析之项目分析

    · Excel进行线性回归模型分析的操作

    · SPSS中常用的参数和非参数检验方法

    · ROC曲线在SPSS中的操作及应用

    · 一文读懂R语言如何实现逐步回归分析

    · R语言中如何绘制散点图和箱线图?

    · SPSS中的Variable数据变量类型介绍

    · 相关性分析在SPSS中的操作,相关系数含义

    · 一文读懂SPSS单因素方差分析及方差分析

    · 线性回归决定系数R方的计算方法及具体意义

    · 医学和生物统计全过程

    · 生物和医学统计中的假设检验

    · GraphPad Prism绘制生存曲线详细教程

    展开全文
  • 利用方差分析和卡方分布验证多组数据之间的某些属性有无显著性差异,对于连续性属性可以用方差分析,对于离散型属性可以用卡方检验。 方差分析 单因素方差分析 通过箱线图可以人肉看出10组的订单量看起来差不多,...
  • 用SPSS进行不同变量多组间两两比较卡方检验SPSSSPSS用SSPPSSSS进行变量多组之间两两比较卡方检验福建省教育科学研究所 林斯坦用SPSS 进行不同变量的卡方检验中,如果检验后多组间有显著性差异,说明观察指标在各组...
  • 理解什么是组间差异检验参数检验与非参数检验抽样分布展示差异的常用图表箱线图(boxplot)散点图(Scatter plot)热图(heatmap)树状图如何寻找差异?基于类别标签的差异检验基于距离的检验方法总结参考资料 首先...
  • R语言笔记-连续型变量组间差异比较

    千次阅读 2020-10-22 21:50:31
    文章目录独立样本t检验方差齐性检验 (两组):``var.test()``独立样本t检验:``t.test()``非独立样本t检验单因素方差分析 (ANOVA)正态性检验:``tapply(,shapiro.test)``方差齐性检验 (多组)Bartlett检验:``...
  • 这时候既要考虑实验和对照之间的比较,又要考虑干预前和干预后的对照比较。今天我们就来详细讲解如何用SPSS处理这类数据。实验设计与假设干预实验的设计,将一批样本分成实验和对照两组,干预前对两组分别进行...
  • 在前几期的文章中,我们分别介绍了t检验、方差分析等用于组间均值比较的方法。今天的文章,我们来主要介绍一下常用于组间率或比例比较的方法——卡方检验。 为了帮助更的临床医师学习如何运用JMP高效地开展数据...
  • 差异分析是基础数据分析手段,在进行样本间差异比较的时候经常被用到。所以无论是中文核心期刊还是SCI论文,常常需要绘制差异分析柱形图。显著性标记柱形图是在差异分析柱形图的基础上添加显著性标识,可以直观的...
  • 不同的展示方法,其效果往往差异巨大。这里我将结合近期的一些阅读和实践,试图给出一些方法,希望能帮助到你。1. 展示之前的思考在正式开始展示数据之前,希望你去思考几个问题。这些问题将有利于你后面的一些选择...
  • 考虑到数据有点,每一天的数据都得比较,并且一天数据有4组组之间比较了再把代表有差异的星号(*)放在图里的话,星号有点,图太乱,所以我就没放。审稿人觉得缺乏统计学分析(原话:Statistically significant...
  • SAS比较不同年龄段组间差异,卡方检验 医学的朋友写论文在对年龄进行差异性检验时,查了很资料都是基于SPSS做的,这里用SAS实现一下。 用例子说明吧,下面是一个学医的朋友想复现的一张表,来自哪里我也不知道,好...
  • 本文总结了数据分析和可视化中非常实用的几种图表,并以不同情景进行分组。01 为什么图表在科学出版物中很重要?复杂的数据有时可能难以用简洁的文字解释清楚,但却可以通过图表的形式予以直观...
  • 可视化学习小组第一周:解构数据可视化【数据科学家学习小组】之数据可视化(第一期)第一周(20191111-20191117)​mp.weixin.qq.com完整的数据可视化过程可以分为四个步骤:确定数据可视化的主题;提炼可视化主题的...
  • 再送两个介 绍数值变量如果服从正态分布,采用均数±标准差进行统计描述,采用方差分析进行组间比较,如果组间差异有统计学意义,进一步采用LSD法(也可以是其它方法)进行两两比较。如果不服从正态分布,采用中位数...
  • 如何比较两组数据之间的差异

    千次阅读 2020-12-10 12:52:44
    展开全部1, 首先,分别把这两组数据分别设为x和y,打开SPSS,点击左下角的Variable View选项卡,e5a48de588b63231313335323631343130323136353331333365666163在Name列那里的第一行输y,第二行输x,返回Data View...
  • 比较两组数据是否差异显著时,可用参数检验和非参数检验。因为参数检验会更加准确,所以一般会先用参数检验。不同的参数检验方法有不同的要求,如果不满足要求,可以对数据进行转换,如果转换后也无法达到要求,再...
  • 数据可视化——R语言forestplot包绘制组间差异对比图(森林图forest plot) 概述:使用R语言中的forestplot包绘制组间差异对比图。forestplot包本来用于绘制森林图,此处笔者将此用于绘制组间差异对比图,异曲同工,为...
  • R语言统计与绘图:组间差异的多重比较 见:http://www.sci666.com.cn/58293.html
  • 以及基础医学研究中比较患者和正常人的血清铁蛋白、血铅值、不同药物的溶解时间、实验鼠发癌后的生存日数、护理效果评分等。针对不同的数据类型采取不同的统计分析方法,如t检验,秩和检验等。 t检验,亦称student t...
  • 跟着Cell学单细胞转录组分析(三):单细胞转录组数据质控(QC)及合并去除批次效应 跟着Cell学单细胞转录组分析(四):单细胞转录组测序UMAP降维聚类 跟着Cell学单细胞转录组分析(五):单细胞转录组marker基因...
  • 数据可视化——R语言ggplot2包绘制组别指标差异对比图(箱形图及误差条图) 使用工具:R语言中的ggplot2工具包, RcolorBrewer颜色工具包 有时,我们需要对个模型之间的性能评估的重复测量指标进行比较,如何对比...
  • Stata:个变量组间均值\中位数差异检验

    万次阅读 多人点赞 2019-05-30 10:34:28
      作者:韩少真(西北大学) || 刘婉青(西北大学) Stata 连享会: 知乎 | 简书 | 码云 | CSDN ...2019暑期Stata现场班,7.17-26日,北京,连玉君+刘瑞明 主讲 ... Stata实现组间均值或中位数差异检验的常见...
  • 软件信息:Excel for Mac版本:16.26(19060901)许可证:Office 365订阅步骤一:导入(输入)数据步骤二:为Excel添加分析工具的加载项插件,路径为:工具→Excel加载项→分析工具库步骤三:开始分析1. 在数据中选择...
  • 菜鸟学R语言(组间多重比较

    千次阅读 2020-07-09 23:10:40
    菜鸟学R语言(组间多重比较) 经过方差分析可以说明各总体均值差异是否显著,即只能说明均值不全相等,但不能具体说明哪几个均值之间有显著差异。此时多重比较就派上用场了,在科研中也是比较常用的方法。 具体...
  • R之组间差异的非参数检验

    千次阅读 2017-12-27 21:18:21
    # t 检验 # 在研究中最常见的行为就是对两个进行比较。接受某种新药治疗的患者是否较使用某种现 ...这里我们将关注结果变量为连续型的组间比较,并假设其呈正态分布。 # 为了阐明方法,我们将使用MA...
  • 可视化不是单纯的数据展示,其真正价值是设计出可以被读者轻松理解的数据展示。数据与合适的图形结合,不仅能够让复杂的统计数字...1、 柱状图适用场景:以柱子的高度用来比较两个或以上数值之间的差异。优点:人...
  • edgeR差异基因分析的一般过程

    千次阅读 2020-12-29 02:17:57
    基于转录测序获得的定量表达值,识别差异表达变化的基因或其它非编码RNA分子,实际上方法还是非常的。但就目前来看,DESeq2和edgeR是出现频率最高的两种方法了。DESeq2已经在上一篇文章中作了简介,本篇继续展示...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 324,665
精华内容 129,866
关键字:

多组间数据差异比较