一文详解卡方检验

去年夏天我在杂货店买了一个新品牌的洗发水。
使用几次后，我发现我的妊娠纹问题不仅没有好转，反而变得更严重了。
所以，我决定用卡方检验来分析这款洗发水是否真的有效。

我聚集了2 0个和我有同样问题的朋友，并将他们随机分为两组。
一组继续使用原来的洗发水，另一组改用新的洗发水品牌。
使用两个月后，我注意到两组人的拉伸情况。

结果发现，使用新洗发水的人中，十分之七的人的头皮屑问题得到了改善，而使用原洗发水的人中，十分之五的人的头皮屑问题得到了改善。
经卡方检验计算，卡方统计量为4 .7 6 ，显着性水平为0.03
这个结果表明，使用新洗发水的去屑改善效果并不比原来的洗发水好，甚至更差。
所以我决定以后继续用原来的洗发水。
等等，我突然想到，如果这个实验的人多一些，或者观察的时间长一点，结果就会不一样。

诊断试验的一致性检验，这么多方法，全都搞清楚了吗？

配对 χ2 检验和 Kappa 一致性检验都适用于配对列联表分析。

Kappa 使用所有数据来计算一致性程度。
配对 χ2 仅使用不匹配的数据比较阳性和阴性检出率之间的差异。

Kappa让您看到自己的一致性的力量。
配对χ2 只能表明检出率差异是否显着，而不能表明真、假阳性、阴性。

加权 kappa 系数适用于排序的分类数据。
等级差异越大，权重越高。

肯德尔协同系数是一种非参数方法。
它通常用于评估多个评估者之间的一致性。

KendallW的取值范围为0到1 ，值越大，一致性越高。
例如，两名医生对 MRI 结果进行分级和评估。

建议：对无序变量使用 Kappa。
对于序数变量，加权 Kappa 用于两个评估者，Kendall 用于多个评估者。

配对χ2 仅比较检出率的差异，看不到真、假阳性或阴性结果。

计数资料，计量资料和等级资料，总结其各有哪些分析方法

说白了，数据统计就是通过分组统计来分析数据的方法。
其实很简单，就像统计有多少人喜欢苹果，有多少人喜欢香蕉。
我们先来说说最重要的事情。
去年的项目大约有3 000条数据。
我们使用频率分布分析来快速确定各种属性或类别出现的频率。
卡方检验也非常重要。
这可以帮助测试不同属性之间是否存在关系，例如对苹果和香蕉的偏好是否存在性别差异。

一开始我以为聚合数据分析只是统计，但后来我发现这是错误的。
实际上这很复杂。
等等，还有一件事。
身高、体重等连续值等测量数据可以通过更多样化的方式进行分析。
例如，描述性统计可以帮助您一目了然地了解数据的基本情况。
方差分析可以比较多个组之间的平均差异。
回归分析是研究变量之间关系的好帮手。

很多人没有注意到这个事实。
排名数据介于计数数据和计量数据之间，但它也有自己的分析技术，如秩和检验、秩回归等。
我认为值得一试，因为不同类型的数据需要不同的分析方法。

实用建议：在选择分析方法之前，您可以通过首先确定数据类型是计数、度量还是水平来指定分析目标。