5 курс / ОЗИЗО Общественное здоровье и здравоохранение / Статистический_анализ_данных_в_медицинских_исследованиях_в_2_ч_Красько
.pdfИнтервалы, как и критерии (тесты), бывают односторонними и двусторонними.
По расположению интервалов можно судить о справедливости своих предположений.
При сравнении двух средних случайных переменных мы говорим о том, что их разность больше/меньше нуля. Наличие граничного значения 0 в доверительном интервале для их разности сигнализирует о том, что мы не можем доказать различия в средних на имеющихся данных.
В исследовании необходимо приводить характеристики распределения, объем выборки. Для количественных переменных, подчиняющихся закону нормального распределения – это среднее и стандартное отклонение (иногда приводится ошибка среднего), для количественных переменных, не подчиняющихся закону нормального распределения – медиана, размах, квантили, для категориальных – размер группы, количество интересующих состояний в группе. Указание характеристик может быть полезно не только вас, но и другим исследователям для проведения сравнений или мета-анализа.
71
9. Унивариантный анализ пар
Существует еще один вид унивариантного анализа – это анализ парных измерений. Разность в результатах парных измерений будет являться переменной. Часто изменения в состоянии пациента – есть исход, который изучается в исследовании.
9.1.Биноминальная переменная
Для биноминальных выборок выполняется анализ таблиц 2 2. Заполняется таблица следующим образом (Табл. 9–1).
Таблица 9–1. Представление данных парного анализа для биноминальной переменной
Случай (исследуемый |
Контроль (традиционный метод |
|||
метод |
диагностики/лечения, состояние после |
|||
диагностики/лечения, |
|
лечения) |
||
состояние до лечения) |
|
|
|
|
Фактор/состояние |
Фактор/состояние |
|||
|
||||
|
есть |
|
нет |
|
|
|
|
|
|
Фактор/состояние есть |
A |
|
B |
|
|
|
|
|
|
Фактор/состояние нет |
C |
|
D |
|
|
|
|
|
Пары представлены двумя участниками – один из группы “случай”, другой из группы “контроль”. Как варианты, это наличие фактора/состояния у одного и того же испытуемого до некоторого события (лечения) и после, или диагностика одного и того же заболевания разными методами у одного и того же пациента.
A– количество пар, у которых есть фактор.
D– количество пар, у которых фактора нет.
B– количество пар, у которых фактор есть для группы “случай” и отсутствует для группы “контроль”.
C– количество пар, у которых нет фактора для группы “случай” и есть фактор для группы “контроль”.
Для сравнения пропорций с наличием определенного фактора не принимают во внимание те пары, которые согласованы в этих двух состояниях, и обращают внимание на несогласованные пары, В и С.
тогда |
π1 |
|
A B |
|
– частота в группе “случай” (исследуемый метод |
|
|
|
|||||
A B C |
D |
|||||
|
|
|
|
диагностики/лечения, состояние после некоторого события).
π2 |
|
A C |
|
– частота в группе “контроль” (традиционный метод |
|
|
|
||||
A B C |
D |
||||
|
|
|
диагностики/лечения, состояние до некоторого события).
π12 |
|
B |
, π21 |
C |
. |
|
|
|
|||||
A B C D |
A B C D |
|||||
|
|
|
|
McNemar’s Test (Тест Мак-Нимара, Мак-Немара)
Тест Мак-Нимара предназначен для сравнения бинарных откликов двух популяций, когда данные парные, зависимые. Типичное использование – для повторяющихся измерений, например, наличие инфекционных заболеваний до проведения профилактических мероприятий и после у одной и той же популяции.
72
|
Расчет статистики |
критерия: если B C 30, то |
T |
|
|
B C |
|
1 2 |
, иначе |
||
|
|
|
|||||||||
|
|
|
|
|
|
||||||
|
|
|
B C |
||||||||
|
|
|
|
|
|
|
|
|
|||
T |
B C 2 |
. Если T χ 2 |
, где χ 2 |
– значение 1 α -квантиля χ 2 распределения с |
|||||||
|
B C |
1 α ;1 |
1 α ;1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
одной степенью свободы, то нулевая гипотеза об отсутствии разницы отклоняется.
Пример
Предполагается, что после проведения профилактических мероприятий в некоторой популяции снизится пропорция группы часто болеющих детей. Необходимо оценить изменения заболеваемости до и после проведения профилактических мероприятий.
Таблица 9–2. Данные примера
После проведения |
До проведения |
|
мероприятий |
мероприятий |
|
|
|
|
|
Часто |
Умеренный |
|
болеющие |
риск |
|
дети |
|
|
|
|
Часто болеющие дети |
28 |
7 |
|
|
|
Умеренный риск |
13 |
27 |
|
|
|
Нулевая гипотеза – соотношение часто болеющих детей и детей группы умеренного риска не изменилось после проведения профилактических мероприятий.
H0 :π1 π2 , HA :π1 π2
Видно, что 20 пар наблюдений перешли из одной категории в другую (discordant pairs). Причем из группы часто болеющих детей в группу умеренного риска больше, чем наоборот. Расчет критерия Мак-Нимара:
T |
|
7 13 |
|
1 2 |
|
25 |
1,25 |
|
|
|
|
||||
|
|
|
|
|
|
||||||||||
|
|
|
|
|
|
||||||||||
|
|
7 13 |
|
|
|
|
|
|
|||||||
|
|
|
|
20 |
|
|
|
|
|
|
|
||||
χ 2 |
3,84. |
Наша |
рассчитанная статистика |
T 1,25 |
меньше |
табличной. |
|||||||||
0,95;1 |
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Гипотеза об отсутствии разницы не опровергается. |
|
|
|
|
|||||||||||
До проведения мероприятий пропорция часто болеющих детей в выборке |
|||||||||||||||
была π1 28 13 |
75 0,55, после проведения π2 |
28 7 |
75 0,47. |
Пропорция |
|||||||||||
несогласованных пар π12 π21 7 13 /75 0,27, разность в пропорциях до и после |
|||||||||||||||
|
|
0,08. Разность |
|
|
|||||||||||
проведения |
мероприятий |
π1 π2 |
в |
пропорциях и есть размер |
эффекта, который получен после проведения профилактических мероприятий.
Доверительный интервал для разности в пропорциях в парном дизайне
Рассчитывается приблизительно по формуле:
|
|
|
|
|
|
|
|
|
|
B C |
|
zγ |
|
B C |
B C 2 |
, |
|
|
|
N |
N |
|
N |
|
|
|
|||
|
|
|
|
|
|
|
|||
где N A B C D, zγ |
– значение -квантиля стандартного нормального |
||||||||
распределения, для двустороннего интервала γ 1 α |
2 |
, α |
– уровень значимости. |
||||||
|
|
|
|
|
|
|
|
|
|
Рассмотрим предыдущий пример. |
|
|
|
||||||
|
|
|
|
|
|
|
|
|
73 |
Рассчитаем оценки разности в пропорциях для: π1 0,47(после мероприятий),2 0,55(до мероприятий), разность в пропорциях равна π1 π2 0,08. Уровень значимости α 0,05. Приблизительный расчет доверительного интервала для разности в пропорциях:
|
|
|
|
|
|
π |
L |
7 13 |
1,96 |
7 13 7 13 2 |
0,08 0,12 0,04; |
|
75 |
75 |
75 |
|
|
|
|
|
|||
|
|
|
|
|
|
π |
U |
7 13 |
1,96 |
7 13 7 13 2 |
0,08 0,12 0,20. |
|
75 |
75 |
75 |
|
|
|
|
|
Как видно, доверительный интервал включает в себя 0, что означает, что нет различий на уровне значимости α 0,05. Т.е. хотя в среднем различие в пропорциях
8% снижения, однако это среднее лежит в доверительном интервале, от –4% до 20%.
Иными словами – размер эффекта снижения, который после проведения профилактических мероприятий составил 8%, 95% доверительный интервал4 20 %, статистически незначим.
Точечная и интервальная оценки отношения шансов (Estimation of the Odds Ratio)
Если исследователя интересует отношение шансов в парных откликах, то используется точечная и интервальная оценки отношения шансов для зависимых двухвходовых таблиц:
OR π21 C
π12 B
OR |
π L |
,π |
|
|
|
|
C |
|
|
|
; |
||
|
|
|
C B 1 F1 α |
|
|
|
|||||||
L |
1 π L |
|
|
L |
|
; 2B 2;2C |
|
|
|||||
|
|
|
|
|
|
|
2 |
|
|
|
|
|
|
OR |
πU |
|
,π |
|
|
|
C 1 F1 α 2 ; 2C 2;2B |
|
, |
||||
|
|
|
|
B C 1 F1 α |
|
|
|
|
|||||
U |
1 πU |
|
|
|
U |
|
|
|
; 2C 2;2B |
|
|
||
|
|
|
|
|
|
|
2 |
|
|
|
|
||
где Fγ ; v1 ; v2 |
– есть значение -квантиля F -распределения с v1 и v2 степенями |
свободы.
Это не единственная приближенная оценка интервалов, существуют и другие приближенные оценки. Приведенные формулы наиболее просты для расчетов.
Рассмотрим предыдущий пример. |
|
|
|
|
|
||
Точечная оценка отношения шансов равна OR |
C |
, |
OR |
13 |
1,86 |
||
B |
|
7 |
|||||
|
|
|
|
Интервальная оценка отношения шансов для зависимых двухвходовых таблиц:
Находим F0,975; 2 7 2;2 13 F0,975; 16;26 2,36 ;
F0,975; 2 13 2;2 7 F0,975; 28;14 2,75;
|
|
13 |
13 |
|
|
|
π L |
|
|
|
|
0,408 |
|
||
π L |
|
|
|
0,408 , |
ORL |
|
|
|
|
|
0,689; |
||||
13 7 1 2,36 |
31,88 |
1 π |
L |
0,592 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
13 1 2,75 |
38,5 |
|
|
|
πU |
|
|
|
|
0,846 |
|
||
πU |
|
45,5 |
0,846 , ORU |
|
|
|
|
|
|
5,493. |
|||||
7 13 1 2,75 |
1 π |
U |
0,154 |
||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|||
При |
|
уровне значимости |
α 0,05 |
доверительный |
интервал (0,69; 5,49). |
Поскольку интервал содержит значение 1, можно сделать вывод, что нет строгих
74
оснований считать, что после профилактических мероприятий изменились шансы попасть в группу часто болеющих детей.
Иными словами, после проведения профилактических мероприятий шансы попасть в группу умеренного риска выросли в 1,86 раз (или на 86%), доверительный интервал (0,69 –5,5) раз (или от –31% до 450%).
Как видим, размер эффекта для частотных характеристик может быть выражен как в разах, так и в процентах, однако вывод по этим результатам одинаков.
Вывод: шансы попасть в группу группу умеренного риска после проведения профилактических мероприятий не изменились.
Ремарка: Как для отношения шансов, так и для отношения рисков: . если доверительный интервал попадает в область меньшую единицы – то говорят, что “шансы (риск) уменьшаются”, если в область, большую единицы, то говорят, что “ шансы (риск) увеличиваются”.Если доверительный интервал для них содержит 1, то нет cтатически значимых доказательств для таких утверждений. В этом случае полагаем, что шансы (риски) одинаковы (неразличимы), и эфекта нет.
Мы рассмотрели один и тот же пример, проанализировав его с различных позиций: как изменения в пропорциях с помощью теста Мак-Нимара, с помощью доверительных интервалов для разности в пропорциях, с помощью отношения шансов до и после проведения профилактических мероприятий. Как аналогичную ситуацию анализировать в вашем исследовании – зависит от вас, от контекста исследования. Последнее время повсеместно используется отношение шансов, но оно иногда неправильно интерпретируется. Также популярны интервальные оценки – из-за их высокой интерпретируемости. Классическая школа требует ссылки на тест (критерий).
В Приложении R-3 содержатся R-скрипты для выполнения примера: теста Мак-Нимара, расчетов пропорций, отношения шансов, а также расчета их доверительных интервалов различными методами.
9.2.Мультиноминальная переменная
Данные представляются таблицей c c (Табл. 9–3), где c – количество категорий (откликов) переменной. В каждой клетке такой таблицы стоит количество пар nij , у которых наблюдается категория i для “случая” и категория j
для “контроля”.
Таблица 9–3. Представление данных таблицей c c
|
1 |
2 |
… |
j |
… |
c |
1 |
n11 |
n12 |
… n1 j |
… n1c |
||
2 |
n21 |
n22 |
… n2 j |
… n2c |
||
… |
… |
… |
… |
… |
… |
… |
i |
ni1 |
ni2 |
… nij |
… nic |
||
… |
… |
… |
… |
… |
… |
… |
c |
nc1 |
nc2 |
… ncj |
… ncc |
75
Тест маргинальной гомогенности (Marginal Homogeneity Test)
Критерий маргинальной гомогенности – обобщает тест Мак-Нимара на случай мультиноминального отклика. Нулевая гипотеза: частоты распределения событий равны для обеих выборок. То есть вероятность попадания в одну из категорий для каждого участника пары (парных наблюдений) одинакова. H0 :π icase π icontrol для всех
категорий i 1,2, ,c . Иначе говоря, вероятность классификации в некоторую категорию одинакова для первого и второго членов “matched pairs”. Альтернативная гипотеза утверждает, что вероятности различны HA :πicase πicontrol .
Тест достаточно объемен в расчетах, присутствует в некоторых статистических пакетах.
Тест маргинальной гомогенности для одной из категорий
Если мы убедились в том, что вероятность классификации в одну категорию не одинакова для членов “matched pairs”, то далее можно уточнить, для какой именно из категорий.
Для этого от таблицы c c переходят к таблице 2 2 следующим образом: Шаг 1. Для интересующей категории j рассчитывается таблица 2 2 (Табл. 9–
4).
Таблица 9–4. Расчет данных для одной из категории в парном анализе
A njj |
|
|
|
c |
|
njj |
|
|
|
B |
nij |
||||
|
|
|
|
i 1 |
|
|
|
|
c |
|
njj |
|
c |
c |
|
C |
nji |
D nij A B C |
|||||
i 1 |
|
|
j 1 i 1 |
|
Шаг 2. Далее выполняется тест Мак-Нимара для рассчитанных B и C , однако уровень значимости α уменьшается в c 1 раз (поправка Бонферрони (Bonferroni)
для множественных сравнений с учетом парных наблюдений). Например, при c 5
α 0,05/ 5 1 0,0125.
Тест уклона для упорядоченных категорий
Если категории мультиноминальной переменной упорядочены, то, рассчитав сумму элементов под диагональю C , и сумму элементов над диагональю B ,
можно использовать тест Мак-Нимара для определения наличия уклона. Например, во мнениях двух экспертов – оценки одного более высоки в целом по отношению к оценкам другого эксперта, или есть ли тенденция к снижению показателя после лечения.
Пример
Изучение изменения тяжести психологического состояния пациента после некоторого поддерживающего лечения. После курса психотерапевтического обучения оценивается состояние пациента. Через год – контрольная оценка состояния. Данные приведены в Табл. 9–5.
Таблица 9–5. Данные примера
|
|
Состояние сразу после лечения |
||
|
|
|
|
|
|
|
норма |
удовлетворительное |
плохое |
|
|
|
|
|
Состояние через год после |
норма |
11 |
12 |
1 |
|
|
|
|
|
76
лечения |
удовлетворительное |
1 |
10 |
3 |
|
|
|
|
|
|
плохое |
2 |
0 |
12 |
|
|
|
|
|
|
B 12 1 3 16 , |
C 1 2 0 3. |
Статистика |
T |
13 1 2 |
7,58, |
|
|
|
|
|
|
|
19 |
|
T χ2 |
|
3,84. Вывод: |
через год после проведения обучающего курса состояние |
||||
0,95;1 |
|
|
|
|
|
|
сместилось в сторону нормы. Курс обучения дает устойчивый результат.
Также существуют тесты для проверки непротиворечивости отношений шансов для дизайна “matched pairs” в случае мультиноминального отклика. Они присутствуют в некоторых статистических пакетах. Общий подход – один из откликов (уровеней) принимается за базовый (референтный, reference level), оценки отношения шансов остальных считаются относительно него. Проверяется общая гипотеза о равенстве всех отношений шансов (по всем категориям) против гипотезы о том, что хотя бы в одной категории отношение шансов значимо отличается. Размер эффекта также рассчитавается относительно базового отклика.
Каппа Коэна (Cohen's kappa)
Оценка согласия двух классификаций может быть произведена с помощью так называемой каппы Коэна.
|
1 |
|
c |
c |
|
|
|
n |
|
nii |
niie |
|
|
Рассчитывается как κ |
i 1 |
i 1 |
|
, |
||
|
|
1 1 |
niie |
|
||
|
|
|
|
c |
|
|
|
|
n i 1 |
где c – количество категорий, |
||
n – общее количество пар (наблюдений), |
||
nii |
– количество согласованных пар категории i , |
|
ne |
– ожидаемое количество согласованных пар категории i , рассчитывается |
|
ii |
|
|
|
c |
c |
как niie 1 nij nji . |
||
|
n j 1 |
j 1 |
Выше приведена формула для прямого расчета каппы Коэна. Существуют модификации, учитывающие соотношение количества измерений в различных категориях количественной переменной.
Интерпретация значений каппы Коэна приведены в Табл. 9–6.
Таблица 9–6. Интерпретация значений каппы Коэна
Значение каппы Коэна |
Уровень согласия |
0,00 |
нет (poor) |
< 0,20 |
Почти нет согласия (slight) |
0,21 – 0,40 |
Посредственное согласие (fair) |
0,41 – 0,60 |
Среднее согласие (moderate) |
0,61 – 0,80 |
Существенное согласие (substantial) |
0,81 – 1,00 |
Почти отличное согласие (almost perfect) |
Эта интерпретация и есть эффект согласованности, можно рассчитать как точечную оценку, так и интервальную. Если интервал не содержит 0 (т.е. нет
77
согласия), то эффект существует и размер эффекта согласия определяется точечной и интервальной оценками.
Пример
Два специалиста на основании анализов ставят диагноз пациентам с подозрением на некоторое заболевание с тремя степенями тяжести. Данные приведены в Табл. 9–7.
Таблица 9–7. Данные примера
|
Нет |
1 степень |
2 степень |
3 степень |
|
заболевания |
|
|
|
|
|
|
|
|
Нет заболевания |
23 |
2 |
1 |
0 |
|
|
|
|
|
1 степень |
2 |
14 |
5 |
0 |
|
|
|
|
|
2 степень |
0 |
2 |
36 |
0 |
|
|
|
|
|
3 степень |
0 |
0 |
3 |
12 |
|
|
|
|
|
ne |
|
1 |
|
26 25 6,50; |
ne |
|
1 |
18 21 3,78 ; |
|||||||||||||||
100 |
|||||||||||||||||||||||
11 |
|
|
|
|
|
|
|
|
|
|
22 |
100 |
|
|
|
||||||||
ne |
|
|
1 |
|
45 38 17,10 ; ne |
|
1 |
15 12 1,80 . |
|||||||||||||||
|
100 |
||||||||||||||||||||||
33 |
|
|
|
|
|
|
|
|
|
|
44 |
100 |
|
|
|||||||||
|
|
|
|
|
|
|
1 |
23 14 36 12 6,50 3,78 17,10 1,80 |
|||||||||||||||
|
|
|
|
|
|
|
|
|
|||||||||||||||
κ |
100 |
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||||||
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|||||||||||
|
|
|
|
|
|
|
|
|
|
1 |
|
6,50 3,78 17,10 1,8 |
|||||||||||
|
|
|
|
|
|
|
|
|
|
100 |
|||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|||||
|
|
|
1 |
|
|
85 29,18 |
|
|
|
|
|
|
|
|
|
||||||||
|
|
|
|
|
|
|
|
0,56 |
|
|
|
|
|
|
|
||||||||
|
100 |
|
|
|
|
0,79. |
|||||||||||||||||
|
|
|
|
|
|
||||||||||||||||||
|
0,29 |
|
|
0,71 |
|||||||||||||||||||
|
|
|
|
|
|
|
1 |
|
|
|
|
|
|
|
|
|
|
Результат расчета не дает оснований заключить, что специалисты расходятся
вдиагностике данного заболевания.
ВПриложении R-4 содержатся исходные данные примера и R-скрипты для расчета каппы Коэна и доверительных интервалов.
9.3.Количественная переменная
Для количественных переменных разность измерений в каждой паре будет представлять собой случайную величину. Таким образом, можно перейти к тестам предыдущего раздела: одновыборочный t-тест с пороговым значением 0, если разность распределена нормально; знаковый ранговый тест Вилкоксона в случае симметричного распределения разности в измерениях также с пороговым значением 0.
В некоторых статистических пакетах существуют отдельно одновыборочный t-тест и t-тест для парных выборок. Эти тесты дадут одинаковые результаты, если мы применим одновыборочный t-тест к разности в измерениях или t-тест для парных выборок для пар наблюдений.
78
Пример
Измеряется уровень гемоглобина до и после приема некоторого препарата у группы пациентов согласно некоторому протоколу лечения. Мы хотим знать, изменится ли уровень гемоглобина после приема препарата и как он изменится. Данные приведены в Табл. 9–8.
Таблица 9–8. Данные примера |
|
|
||
|
|
|
|
|
|
Номер |
Уровень до |
Уровень после |
Разность, |
|
пациента |
приема, г/л |
приема, г/л |
г/л |
|
|
|
|
|
1 |
100 |
130 |
30 |
|
|
|
|
|
|
2 |
95 |
110 |
15 |
|
|
|
|
|
|
3 |
73 |
120 |
47 |
|
|
|
|
|
|
4 |
98 |
115 |
17 |
|
|
|
|
|
|
5 |
110 |
105 |
–5 |
|
|
|
|
|
|
6 |
101 |
125 |
24 |
|
|
|
|
|
|
Выдвигается гипотеза: истинное среднее разности средних |
μ |
равно нулю |
||||||||
H0 : μ 0 , |
альтернативная |
HA : μ 0 , |
α 0,05 . |
Убедившись, |
что разность |
|||||
распределена нормально, |
выбросы |
отсутствуют, |
рассчитываем |
t-статистику |
||||||
t x C s |
|
|
. C 0 , x 21,33 , s 17,28 . t 21,33 |
17,28 |
|
3,02 . |
Критическое |
|||
|
n |
6 |
значение для двустороннего теста (поскольку мы проверяем гипотезу о том, что разность отлична от нуля) t0,975;5 2,57. Гипотеза об нулевой разности в средних
отклоняется. На уровне значимости α 0,05 можно утверждать, что средний уровень гемоглобина изменился после приема препарата.
Тот же пример, но мы хотим уточнить количественный минимальный эффект, т.е. на сколько увеличился уровень гемоглобина в среднем.
Пусть нас интересует минимальный эффект в 10 г/л. Выдвигаем нулевую
гипотезу: H0 |
:μ 10 |
|
против HA :μ 10, |
α 0,05 ; |
рассчитываем статистику |
t 21,33 10 |
17,28 |
|
1,61. Критическое |
значение |
для одностороннего теста |
6 |
t0,95;5 2,02 . Нулевая гипотеза не отклоняется.
Проведем анализ данных нашего примера с помощью доверительных интервалов.
Построим доверительные интервалы для полученной оценки разности. Двусторонний интервал:
xL x tγ ; n 1 |
|
s |
|
|
21,33 2,57 |
17,28 |
3,20; |
|||
|
|
|
|
|
2,45 |
|||||
|
|
n |
||||||||
|
|
|
|
|
|
|
||||
xU x tγ ; n 1 |
|
s |
|
|
21,33 2,57 |
17,28 |
39,46. |
|||
|
|
|
|
|
|
|
2,45 |
|||
|
|
|
n |
|
||||||
|
|
|
|
|
|
|
|
Действительно, и нижняя и верхняя границы лежат правее нуля, и наша гипотеза о том, что H0 :μ 0, отклоняется.
Построим нижнюю границу одностороннего интервала
xL x tγ ; n 1 |
s |
|
21,33 2,02 |
17,28 |
7,08 . |
|
|
|
|
2,45 |
|||
|
n |
|||||
|
|
|
|
|
79
Мы выдвигали гипотезу H0 :μ 10 против HA :μ 10. Нижняя граница лежит
левее интересующего нас эффекта, т.е. доверительный интервал включает в себя значение интересующего нас эффекта.
Таким образом, некоторый эффект существует, размер эффекта равен 21,3, 95% доверительный интервал от 3,2 до 39,5 г/л. Однако интересущий нас эффект с
10г/л не достигается.
ВПриложении R-5 содержатся исходные данные примера и R-скрипты для расчета сдвига в среднем до и после лечения, доверительных интервалов парного (одновыборочного) t-теста.
Приводить все способы анализа в исследовании не надо, достаточно одного, который отражает именно ваше направление исследования, вашу систему логики и доказательств. В данном разделе рассмотрены и доверительные интервалы, и тесты, для того, чтобы понять, как они взаимосвязаны, как унивариантный анализ пар может осуществляться с помощью доверительных интервалов.
9.4.Схемы унивариантного анализа пар
A-P
|
количественная переменная |
B-P |
||||||||
|
количественная переменная |
|||||||||
|
(нормальное распределение) |
|||||||||
|
(не подчиняется закону |
|||||||||
|
|
|
|
|
|
|
|
|||
|
|
|
|
|
|
|
|
нормального распределения) |
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Одновыборочный t-тест |
|
|
|
|
|
|
|||
|
|
Стьюдента |
|
|
|
sign-тест, |
|
|||
|
(t-тест для зависимых |
|
|
|
|
|||||
|
|
|
|
знаковый ранговый тест |
|
|||||
|
|
переменных) |
|
|
|
|
||||
|
|
|
|
|
Вилкоксона |
|
||||
|
|
|
|
|
|
|
|
|
||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
|
|
|
С-P |
|
|
|
|
|||
|
|
|
|
|
|
|||||
|
|
номинальная переменная |
|
|
|
|
||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Биноминальная |
|
Мультиноминальная |
|
|
|
Тест Мак-Нимара |
|
Тест маргинальной |
Отношение шансов |
|
гомогенности, |
|
|
Каппа Коэна |
|
|
|
Статистическая задача – исследовать две группы парных измерений. Нулевая гипотеза, обычно выдвигаемая в таких исследованиях, гласит о том, что разница в результатах отсутствует.
Таблица 9–9. Критерии анализа парных измерений
Парные выборки (related samples)
|
Переменные исследования |
Критерии |
|
|
|
|
Биноминальная (два возможных |
Тест Мак-Нимара (McNemar’s Test) |
|
результата, обычно 0 (отсутствие |
|
|
события) и 1(наличие события)) |
Одновыборочный тест пропорции |
|
|
|
80