列聯表: 異質性檢定 2 (Contingency Table: Heterogeneity Test 2)

套路54: 列聯表: 異質性檢定 2
(Contingency Table: Heterogeneity Test 2)

1. 使用時機: 用於檢定兩組以上列聯表資料是否均質(homogeneous)，如果是均質則資料可合併重算卡方獨立檢定。
2. 分析類型: 類別資料分析(Categorical Data Analysis)。
3. 咪路調查大學生不同性別慣用左手或右手人數，將四次調查資料用R進行卡方異質性檢定程序如下:

程序Part I. 先分別計算四次調查資料的卡方獨立檢定。
試問慣用左手或右手是否與性別有關?
H0: 慣用左手或右手與性別無關(independent)。
HA: 慣用左手或右手與性別有關。
調查1
男生
女生
總數
慣用左手
6
12
18
慣用右手
28
24
52

第一步: 輸入建立資料。
  v1 <- c(6, 12)
  v2 <- c(28, 24)
  w <- matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
  # 將兩組vector組合成2 x 2矩陣。
第二步: 閱讀基本模組(base)的chisq.test函數使用說明。
  help(chisq.test)
第三步: 使用基本模組(base)的chisq.test函數代入w。
  chisq.test(w, correct = FALSE, simulate.p.value = TRUE, B = 2000)
  # correct = FALSE注意: 雖然自由度為1但此時不做葉慈修正。
  # simulate.p.value = TRUE, B = 2000估計p值。
第四步: 判讀結果。
        Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data:  w
X-squared = 2.2524, df = NA, p-value = 0.1839

調查2
男生
女生
總數
慣用左手
4
7
11
慣用右手
25
13
38

重複上述步驟:
  v1 <- c(4, 7)
  v2 <- c(25, 13)
  x <- matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
chisq.test(x, correct = FALSE, simulate.p.value = TRUE, B = 2000)
        Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data:  x
X-squared = 3.0578, df = NA, p-value = 0.07846

調查3
男生
女生
總數
慣用左手
7
10
17
慣用右手
27
18
45

重複上述步驟:
  v1 <- c(7, 10)
  v2 <- c(27, 18)
  y <- matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
chisq.test(y, correct = FALSE, simulate.p.value = TRUE, B = 2000)
            Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data:  y
X-squared = 1.7653, df = NA, p-value = 0.2324

調查4
男生
女生
總數
慣用左手
4
7
11
慣用右手
22
14
36

重複上述步驟:
  v1 <- c(4, 7)
  v2 <- c(22, 14)
  z <- matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
chisq.test(z, correct = FALSE, simulate.p.value = TRUE, B = 2000)
        Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data:  z
X-squared = 2.0877, df = NA, p-value = 0.1944

程序Part II. 利用FunChisq程式套件中的cp.chisq.test函數進行卡方異質性檢定。
H0: 四組調查資料是均質的(homogeneous)。
HA: 四組調查資料不是均質的(heterogeneous)。

第一步: 安裝FunChisq程式套件。
第二步: 呼叫FunChisq程式套件備用。
  library(FunChisq)
第三步: 閱讀FunChisq程式套件中的cp.chisq.test函數的使用說明。
  help(cp.chisq.test)
第四步: 輸入四次調查資料(四個matrix)，建立合併資料(一個list)。
  w <- matrix(c(6,12,18,28,24,52), nrow = 2, , byrow = TRUE)
  x <- matrix(c(4,7,11,25,13,38), nrow = 2, , byrow = TRUE)
  y <- matrix(c(7,10,17,27,18,45), nrow = 2, , byrow = TRUE)
  z <- matrix(c(4,7,11,22,14,36), nrow = 2, , byrow = TRUE)
  m <- list(w, x, y, z)
第五步: 使用FunChisq程式套件中的cp.chisq.test函數代入m。
  cp.chisq.test(m)
第六步: 判讀結果。
        Comparative chi-square heterogeneity test
data:  m
statistic = 2.4637, parameter = 6, p-value = 0.8725
  # p-value < 0.05，H0: 四組調查資料是均質的(homogeneous)，不成立。
  # p-value > 0.05，H0: 四組調查資料是均質的(homogeneous)，成立。

程序Part III. 如果卡方異質性檢定結果同意資料是均質的，則合併(加總)資料重新做卡方獨立檢定。此時要注意，資料為2 x 2列聯表(degree of freedom = 1)時需做葉慈修正(Yates' correction)，如下列範例所示:
咪路調查大學生不同性別慣用左手或右手人數，四組資料加總如下：
男生
女生
總數
慣用左手
21
36
57
慣用右手
102
69
171
試問慣用左手或右手是否與性別有關?
H0: 慣用左手或右手與性別無關(independent)。
HA: 慣用左手或右手與性別有關。

第一步: 輸入建立資料。
  v1 <- c(21, 36)
  v2 <- c(102, 69)
  m <- matrix(cbind(c(v1, v2)), nrow = 2, byrow = TRUE)
  # 將兩組vector組合成2 x 2矩陣。
第二步: 閱讀基本模組(base)的chisq.test函數使用說明。
  help(chisq.test)
第三步: 使用基本模組(base)的chisq.test函數代入m。
  chisq.test(m, correct = TRUE, simulate.p.value = TRUE, B = 2000)
  # correct = TRUE 2 x 2列聯表(degree of freedom = 1)時需做葉慈修正(Yates' correction)。
  # simulate.p.value = TRUE, B = 2000估計p值。
第四步: 判讀結果。
        Pearson's Chi-squared test with simulated p-value (based on 2000 replicates)
data:  m
X-squared = 8.9505, df = NA, p-value = 0.002999
  # p-value < 0.05，H0: 慣用左手或右手與性別無關(independent)，不成立。
  # p-value > 0.05，H0: 慣用左手或右手與性別無關(independent)，成立。
  # 注意: 四組資料分開計算時結論都是”慣用左手或右手與性別無關”。然而資料合併重新計算的結果推翻先前的結論。新的結論是”慣用左手或右手與性別有關”。

來勁了嗎? 想知道更多?? 補充資料(連結):
1. 關於Contingency table (https://en.wikipedia.org/wiki/Contingency_table)
2. 關於Pearson's chi-squared test (https://en.wikipedia.org/wiki/Pearson%27s_chi-squared_test)
3. 關於Chi-squared test (https://en.wikipedia.org/wiki/Chi-squared_test)
4. 關於R基礎，R繪圖及統計快速入門:
   a. R Tutorial: https://www.tutorialspoint.com/r/index.htm
   b. Cookbook for R: http://www.cookbook-r.com/
   c. Quick-R: https://www.statmethods.net/
   d. Statistical tools for high-throughput data analysis (STHDA): http://www.sthda.com/english/
e. The Handbook of Biological Statistics: http://www.biostathandbook.com/
f. An R Companion for the Handbook of Biological Statistics: http://rcompanion.org/rcompanion/index.html
5. Zar, JH. 2010. Biostatistical Analysis, Fifth Edition, Pearson.

留言

張貼留言

這個網誌中的熱門文章

統計不球人 目錄 (Table of Contents)

用 R 做生醫資料科學   (Biomedical Data Science using R) 如何選擇統計方法 1 如何選擇統計方法  2 ***************************   第一段 : 起手式   ****************************** 套路 0: 安裝 R 不球人 套路 1: R 算統計不球人 ， 使用 R 函數 套路 2: 使用 ggplot2 繪圖 (Graphics using ggplot2) 套路 3: 敘述性統計 (Descriptive Statistics) 套路 4: 如何檢查資料是否接近常態分布 (Check Normality using R) 套路 5: 機率分布 (Probability Distributions) ***************************   第二段 : 比較平均值、中數   *************************** 套路 6: 單一樣本 Z 檢定 (One-Sample Z test) 套路 7: 單一樣本 t 檢定 (One-Sample t test) 套路 8: 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test ， non-parametric ) 套路 9: 單一樣本符號檢定 (One Sample Sign test) 套路 10: 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 套路 11: 兩組變異數相同獨立樣本 t 檢定 ( t Test for Two-Samples with Equal Variances) 套路 12: 兩組變異數不同樣本 t 檢定 ( t Test for Two-Samples with Unequal Variances ， Welch Two Sample t test) 套路 13: 成對樣本 t 檢定 (Paired Sample t test) 套路 14: 兩組獨立樣本曼恩 - 惠尼 U 檢定 (...
閱讀完整內容

三因子變異數分析 (Three Way ANOVA)

圖片
套路 24: 三因子變異數分析 (Three Way ANOVA) 應用三因子變異數分析的資料有三影響因子 ，就是有三個自變項 。此檢定有七組 H 0 和 H A 。 H 0 : m 因子 1-1 = m 因子 1-2 = … = m 因子 1-m ， H A : 至少有一組平均值不同。 H 0 : m 因子 2-1 = m 因子 2-2 = … = m 因子 2-n ， H A : 至少有一組平均值不同。 H 0 : m 因子 3-1 = m 因子 3-2 = … = m 因子 3-o ， H A : 至少有一組平均值不同。 H 0 : 因子 1 與因子 2 互不影響 ， H A : 因子 1 與因子 2 互相影響。 H 0 : 因子 1 與因子 3 互不影響 ， H A : 因子 1 與因子 3 互相影響。 H 0 : 因子 2 與因子 3 互不影響 ， H A : 因子 2 與因子 3 互相影響。 H 0 : 因子 1 、 因子 2 與因子 3 互不影響 ， H A : 因子 1 、 因子 2 與因子 3 互相影響。 1. 使用時機 : 變異數分析適用連續資料之差異分析，若自變項有 3 個，就是三因子變異數分析。 2. 分析類型 : 母數分析 (parametric analysis) 。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 假設前提 : 每組資料 (observations within each cell) 都是常態分布 (normally distributed) 且具相同變異數 (equal variances) 。 4. 範例資料 : 咪路研究溫度對孔雀魚 ( Poecilia reticulata ) 、寶蓮燈魚 ( Paracheirodon axelrodi ) 及斑馬魚 ( Danio rerio ) 生長的影響。在 20 ° C 、 24 ° C 及 28 ° C 培養下，三種魚身長變化 (cm) 資料如下： 孔雀魚 ( Poecilia reticulata ) 20 ° C 24 ° C ...
閱讀完整內容

比較二或多組變異數Levene’s 檢定 (Levene’s Test for Comparing Two or More Variances)

圖片
套路 27: 比較二或多組變異數 Levene’s 檢定   (Levene’s Test for Comparing Two or More Variances) 什麼是比較多組獨立樣本變異數檢定 ? 說白了就是多組分別獨立取樣的資料做比較的假設檢定。 ** 注意 ** ” 比較變異數 ” (comparing variances) 和 ” 變異數分析 ” (analysis of variance) 不同。變異數分析是多組資料比較平均值。統計假設檢定檢定什麼 ? 看 H 0 。例如多組獨立樣本假設檢定 H 0 : s 1 2 = s 2 2 = … = s k 2 ， H A : 至少有一組變異數不同 ， 是檢定多組資料的變異數是否相同。假設相等時為雙尾 (two-tailed test) 檢定。 1. 使用時機 : 用於比較觀測到的兩組或多組變異數 (variances) 。 2. 分析類型 : 母數分析 (parametric analysis) 。 直接使用資料數值算統計叫 parametric 方法，把資料排序之後用排序的名次算統計叫 non-parametric 方法。 3. 前提假設 : 資料偏離常態分布 (normal distribution) 仍可用。 4. 資料範例 1 ， 兩組變異數 : 咪路調查高一和大一學生體重 (kg) ， 資料如下 : 高一 41 35 33 36 40 46 31 37 34 30 38 大一 52 57 62 55 64 57 56 55 60 59 請問高一和大一學生體重變異數是否相同 ? H 0 : σ 2 1 = σ 2 2 ， H A : σ 2 1 ≠ σ 2 2 。 第一步 : 輸入建立資料 ， 用小 c 將資料放入名稱為 h1 及...
閱讀完整內容