成對樣本符號檢定 (Sign test for Paired-Sample Data)

套路18: 成對樣本符號檢定 (Sign test for Paired-Sample Data)

1. 使用時機: 用於分析二兩組成對資料的差異。
2. 分析類型: 無母數分析(non-parametric test)。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. 資料範例: 咪路測量幫愛斯基摩人拉車的狗狗前腿與後腿長度，資料如下:
狗狗
後腿(cm)
前腿(cm)
差異
1
14.2
13.8
+
2
14.0
13.6
+
3
14.4
14.7
-
4
14.4
13.9
+
5
14.2
14.3
-
6
14.6
14.1
+
7
14.9
14.3
+
8
15.0
14.5
+
9
14.2
13.6
+
10
14.8
14.6
+
 H0: 拉車的狗狗前腿與後腿長度沒差。HA: 拉車的狗狗前腿與後腿長度有差。
4. 方法一:
第一步: 安裝BSDA程式套件。
第二步: 呼叫BSDA程式套件備用。
  library(BSDA)
第三步: 閱讀BSDA程式套件中SIGN.test函數的說明書。
  help(SIGN.test)
第四步: 輸入建立資料，計算狗狗前腿與後腿長度差。
  h <- c(14.2, 14.0, 14.4, 14.4, 14.2, 14.6, 14.9, 15.0, 14.2, 14.8)
  f <- c(13.8, 13.6, 14.7, 13.9, 14.3, 14.1, 14.3, 14.5, 13.6, 14.6)
  diff <- h – f
第五步: 使用BSDA程式套件中SIGN.test函數代入資料diff。
  SIGN.test(diff, md = 0, alternative = "two.sided", conf.level = 0.95)
  # md = 0表示假設前後腿長度沒差，diff中資料中位數(median) = 0。
  # alternative = "two.sided"執行雙尾檢定。
第六步: 判讀結果。
        One-sample Sign-Test
data: diff
s = 8, p-value = 0.1094   # p-value > 0.05，狗狗前腿與後腿長度沒差，成立。
alternative hypothesis: true median is not equal to 0
95 percent confidence interval:
-0.002666667 0.567555556
sample estimates:
median of x 0.45  # 由資料估計的中位數。
Achieved and Interpolated Confidence Intervals:
                  Conf.Level L.E.pt U.E.pt
Lower Achieved CI     0.8906 0.2000 0.5000
Interpolated CI       0.9500 -0.0027 0.5676
Upper Achieved CI     0.9785 -0.1000 0.6000
  # p-value < 0.05，拉車的狗狗前腿與後腿長度沒差，不成立。
  # p-value > 0.05，拉車的狗狗前腿與後腿長度沒差，成立。

5. 方法二:
第一步: 安裝BSDA程式套件。
第二步: 呼叫BSDA程式套件備用。
  library(BSDA)
第三步: 閱讀BSDA程式套件中SIGN.test函數的說明書。
  help(SIGN.test)
第四步: 輸入建立資料。
  h <- c(14.2, 14.0, 14.4, 14.4, 14.2, 14.6, 14.9, 15.0, 14.2, 14.8)
  f <- c(13.8, 13.6, 14.7, 13.9, 14.3, 14.1, 14.3, 14.5, 13.6, 14.6)
第五步: 使用BSDA程式套件中SIGN.test函數代入資料h及f。
  SIGN.test(h, f, md = 0, alternative = "two.sided", conf.level = 0.95)
  # md = 0表示假設前後腿長度沒差，diff中資料中位數(median) = 0。
  # alternative = "two.sided"執行雙尾檢定。
第六步: 判讀結果。
      Dependent-samples Sign-Test
data: h and f
S = 8, p-value = 0.1094   # p-value > 0.05，狗狗前腿與後腿長度沒差，成立。
alternative hypothesis: true median difference is not equal to 0
95 percent confidence interval:
-0.002666667 0.567555556
sample estimates:
median of x-y 0.45  ## 由資料估計前後腿長度差的中位數
Achieved and Interpolated Confidence Intervals:
                 Conf.Level L.E.pt U.E.pt
Lower Achieved CI     0.8906 0.2000 0.5000
Interpolated CI       0.9500 -0.0027 0.5676
Upper Achieved CI     0.9785 -0.1000 0.6000
  # p-value < 0.05，拉車的狗狗前腿與後腿長度沒差，不成立。
  # p-value > 0.05，拉車的狗狗前腿與後腿長度沒差，成立。

 6. 同樣的資料可用成對t檢定 (paired t test)分析:
第一步: 閱讀基本模組(base)中t.test函數的說明書。
  help(t.test)
第二步: 輸入建立資料。
  h <- c(14.2, 14.0, 14.4, 14.4, 14.2, 14.6, 14.9, 15.0, 14.2, 14.8)
  f <- c(13.8, 13.6, 14.7, 13.9, 14.3, 14.1, 14.3, 14.5, 13.6, 14.6)
第三步: 執行基本模組(base)中t.test函數代入h及f資料。
  t.test(h, f, alternative = "two.sided", paired = TRUE, conf.level = 0.95)
  # alternative = "two.sided"執行雙尾檢定。
  # paired = TRUE執行成對t檢定。
第四步: 判讀結果。
          Paired t-test
data:  h and f
t = 3.4138, df = 9, p-value = 0.007703  # p-value < 0.05，狗狗前腿與後腿長度沒差，不成立。
alternative hypothesis: true difference in means is not equal to 0
95 percent confidence interval:
 0.1113248 0.5486752
sample estimates:
mean of the differences  0.33
  # p-value < 0.05，拉車的狗狗前腿與後腿長度沒差，不成立。
  # p-value > 0.05，拉車的狗狗前腿與後腿長度沒差，成立。
  # 由此可見兩種分析結論大不相同。

7. 同樣的資料可用成對樣本曼恩-惠尼U檢定:
第一步: 閱讀基本模組(base)中的wilcox.test函數的使用說明。
  help(wilcox.test)
第二步: 輸入建立資料。
  h <- c(14.2, 14.0, 14.4, 14.4, 14.2, 14.6, 14.9, 15.0, 14.2, 14.8)
  f <- c(13.8, 13.6, 14.7, 13.9, 14.3, 14.1, 14.3, 14.5, 13.6, 14.6)
第三步: 使用基本模組(base)的wilcox.test函數代入資料數值。
  wilcox.test(h, f, alternative = "two.sided", paired = TRUE, conf.level = 0.95)
  # paired = TRUE樣本為成對資料。
  # alternative = "two.sided" 執行雙尾檢定。
  # 如果要檢定: H0: 狗狗前腿比後腿長 & HA: 狗狗前腿比後腿短，alternative = "less"。
  # 如果要檢定: H0: 狗狗前腿比後腿短 & HA: 狗狗前腿比後腿長，alternative = "greater"。
第四步: 判讀結果。
        Wilcoxon signed rank test with continuity correction
data:  h and f
V = 51, p-value = 0.01867    # p-value < 0.05，H0: 狗狗前腿與後腿長度沒差，不成立。
alternative hypothesis: true location shift is not equal to 0
  # p-value < 0.05，H0: 拉車的狗狗前腿與後腿長度沒差，不成立。
  # p-value > 0.05，H0: 拉車的狗狗前腿與後腿長度沒差，成立。

來勁了嗎? 想知道更多?? 補充資料(連結):
1. 關於Categorical variable (https://en.wikipedia.org/wiki/Categorical_variable)
2. 關於 Statistical hypothesis testing (https://en.wikipedia.org/wiki/Statistical_hypothesis_testing)
3. 關於Test statistic (https://en.wikipedia.org/wiki/Test_statistic)
4. 關於Sign test (https://en.wikipedia.org/wiki/Sign_test)
5. 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
6. 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 (Two-Sample Mann–Whitney U Tes
閱讀完整內容

如何選擇統計方法 1

如何選擇統計方法 1 第一步 : 選擇統計方法可 依照統計方法用途的分類 來選擇統計方法 。 第二步 : 要了解確認統計方法的用途可看他的虛無假設 (Null hypothesis) H 0 。 以下為統計方法用途分類及本站網頁聯結 。 類別 1. 對資料進行基本分析 ， 以了解資料的大概情況 (summary) ， 例如平均值 、 中位數 、 四分位數 、 有無離群值 (outlier) 及是否為常態分布等 … 敘述性統計 (Descriptive Statistics) 如何檢查資料是否接近常態分布 (Normality Test using R) 類別 2. 比較平均值 (mean) 或中位數 (median) 2.1. 單一樣本 ( 與期望值或特定值相比 ) 單一樣本 Z 檢定 (One-Sample Z test) 單一樣本 t 檢定 (One-Sample t test) 單一樣本 Wilcoxon signed-rank 檢定 ( One-Sample Wilcoxon signed-rank test) 單一樣本符號檢定 (One Sample Sign test) 2.2. 兩組獨立樣本 ( 兩組獨立樣本相比 ) 兩組獨立樣本 Z 檢定 (Two-Sample Z Test) 兩組變異數相同樣本 t 檢定 (t Test for Two-Samples with Equal Variances) 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) 兩組獨立樣本曼恩 - 惠尼 U 檢定 (Two-Sample Mann-Whitney U Test) 比較兩組獨立次序資料 (Two-Sample Test for Ordinal Data) 兩組獨立樣本 Mood's 中位數檢定 (Two-Sample Mood's Median Test) 2.3. 兩組成對樣本 ( 兩組成對樣本相比 ) 成對樣本 t 檢定 (Pai
閱讀完整內容

如何檢查資料是否接近常態分布 (Normality Test using R)

圖片
套路 4: 如何檢查資料是否接近常態分布 (Check Normality using R) 1. 使用時機 : 包括相關性，回歸， t 檢定和變異數分析 (ANOVA) 在內的許多統計檢定都假定數據具有某些特徵，例如需要數據為常態分佈或接近常態分佈。這些檢定稱為母數分析 (parametric tests) ，因為它們的有效性取決於數據的分佈。在使用母數分析之前，我們應該執行一些初步測試以確保資料符合檢定的假設前提。如果資料違反假設前提，建議使用無母數分析 (non-parametric tests) 。 2. 分析類型 : 母數分析 (parametric analysis) 。 3. 資料範例 : 咪路調查淡水河口彈塗魚的體長 (cm) ，資料如下 :    14.3, 15.8, 14.6, 16.1, 12.9, 15.1, 17.3, 14.0, 14.5, 13.9, 16.2, 14.3, 14.6, 13.3, 15.5, 11.8, 14.8, 13.5, 16.3, 15.4, 15.5, 13.9, 10.7, 14.8, 12.9, 15.4 4. 畫圖看資料分布 :    第一步 : 用小 c 將資料放入名稱為 Len 的 vector (R 最基本資料結構 ) 。用 rep 函數產生與資料相同數目的 (26 個 ) 大寫 F 放入名稱為 Fish 的 vector ，再組合成名稱為 dat 的 data frame 。      Len <- c(14.3, 15.8, 14.6, 16.1, 12.9, 15.1, 17.3, 14.0, 14.5, 13.9, 16.2, 14.3, 14.6, 13.3, 15.5, 11.8, 14.8, 13.5, 16.3, 15.4, 15.5, 13.9, 10.7, 14.8, 12.9, 15.4)      Fish <- rep("F", 26) dat <- data.frame(Len, Fish)    第二步 : 安裝 ggplot2 程式套件。    第三步 : 呼叫 ggplot2 程式套件備用。     library(ggplot2)    第四步
閱讀完整內容