第十二章有序分类资料的统计分析的 Stata实现 本章使用的 STATA命令: 列变量有序时的分类资料CMH卡方分析 partch行变量 weight, by(列变量) (见 Stata7附加程序) 双向有序时的 Spearman相关 spearman变量1变量2 例12-2某研究欲观察人参的镇静作用,选取32只同批次的小白鼠,将其 中20只随机分配到人参组:以5%人参浸液对其做腹腔注射,12只分配到对照 组:以等量蒸馏水对其做同样注射。实验结果如表12-2所示。能否说明人参有 镇静作用? 表12-2人参镇静作用的实验结果 镇静等 人参组 4 11 2 1.建立检验假设,确定检验水准 Ho:人参没有镇静作用(样本来自两个相同总体) H1:人参有镇静作用(样本来自两个不同总体) a=005 Stata数据为: b1234512345 2 11 0 Stata命令为
第十二章有序分类资料的统计分析的 Stata 实现 本章使用的 STATA 命令： 列变量有序时的分类资料 CMH 卡方分析 opartchi 行变量 [weight], by(列变量) （见 Stata7 附加程序） 双向有序时的 Spearman 相关 spearman 变量 1 变量 2 例 12-2 某研究欲观察人参的镇静作用，选取 32 只同批次的小白鼠，将其 中 20 只随机分配到人参组：以 5%人参浸液对其做腹腔注射，12 只分配到对照 组：以等量蒸馏水对其做同样注射。实验结果如表 12-2 所示。能否说明人参有 镇静作用？ 表 12-2 人参镇静作用的实验结果 镇静等级 人参组 对照组 - 4 11 ± 1 0 + 2 1 ++ 1 0 +++ 12 0 1．建立检验假设，确定检验水准。 H0 ：人参没有镇静作用（样本来自两个相同总体） H1 ：人参有镇静作用（样本来自两个不同总体） = 0.05 Stata 数据为： a b x 1 1 4 1 2 1 1 3 2 1 4 1 1 5 12 2 1 11 2 2 0 2 3 1 2 4 0 2 5 0 Stata 命令为：
opartchi b [weight=x), by(a) 结果为 Chi-square test Chi-square p-value Independence 4 16.640.0023 Components of independence test Location 15.290.0001 Dispersion 34960.5543 在a=005的水平上,拒绝H0,接受H,认为两总体之间的差别有统计学 意义,可以认为人参组和对照组镇静等级的差别有统计学意义,人参有镇静作用。 例12-3试根据表124的资料,检验针刺不同穴位的镇痛效果有无差别? 表12-4针刺不同穴位的镇痛效果 穴位 镇痛效果 + +++ 38 足三里 16 扶突 33 1.建立检验假设,确定检验水准 Ho:三个穴位的镇痛效果相同 H1:三个穴位的镇痛效果不全相同 Stata数据为: group effect W34 341234 8424398673 19
opartchi b [weight=x],by(a) 结果为： Chi-square tests df Chi-square P-value Independence 4 16.64 0.0023 ------------------------------------------------------- Components of independence test Location 1 15.29 0.0001 Dispersion 1 .3496 0.5543 在 = 0.05 的水平上，拒绝 H0 ，接受 H1，认为两总体之间的差别有统计学 意义，可以认为人参组和对照组镇静等级的差别有统计学意义，人参有镇静作用。 例 12-3 试根据表 12-4 的资料，检验针刺不同穴位的镇痛效果有无差别？ 表 12-4 针刺不同穴位的镇痛效果 穴位 镇痛效果 ＋ ＋＋ ＋＋＋ ＋＋＋＋ 合谷 38 44 12 24 足三里 53 29 28 16 扶突 47 23 19 33 1．建立检验假设，确定检验水准。 H0 ：三个穴位的镇痛效果相同 H1 ：三个穴位的镇痛效果不全相同 = 0.05 Stata 数据为： group effect w 1 1 38 1 2 44 1 3 12 1 4 24 2 1 53 2 2 29 2 3 28 2 4 16 3 1 47 3 2 23 3 3 19
3 33 Stata命令为: opartchi effect weight=w, by group) 结果为: df Chi-square p-value Independence 6 22.070.0012 Components of independence test Location 2 3.1180.2103 Dispersion 5.9140.0520 有P>005。在a=005的水平上尚不能拒绝H,即根据本例资料尚不能认 为针刺不同穴位的镇痛效果差别有统计学意义 例12-4两名放射科医师对13张肺部X线片各自做出评定,评定方法是将 Ⅹ线片按病情严重程度给出等级,结果如表12-6所示。问他们的评定结果是否 相关 表12-6两名放射科医师对13张肺部X片的评定结果 甲医师X+++ ++++++++++ 乙医师Y±+++ +++++++++++++±++++ 1.建立检验假设,确定检验水准。 H0:p,=0(两名医师的等级评定结果不相关 H1:p,≠0(两名医师的等级评定结果相关) 0.05 Stata数据为: 1 0
3 4 33 Stata 命令为： opartchi effect [weight=w],by(group) 结果为： Chi-square tests df Chi-square P-value Independence 6 22.07 0.0012 ------------------------------------------------------- Components of independence test Location 2 3.118 0.2103 Dispersion 2 5.914 0.0520 有 P 0.05 。在 = 0.05 的水平上尚不能拒绝 H0 ，即根据本例资料尚不能认 为针刺不同穴位的镇痛效果差别有统计学意义。 例 12-4 两名放射科医师对 13 张肺部 X 线片各自做出评定，评定方法是将 X 线片按病情严重程度给出等级，结果如表 12-6 所示。问他们的评定结果是否 相关。 表12-6 两名放射科医师对13张肺部X片的评定结果 X片编号 1 2 3 4 5 6 7 8 9 10 11 12 13 甲医师X + ++ － － + ++ +++ ++ +++ － ++ + 乙医师Y ++ + + － ++ +++ ++ +++ +++ ++ ++ 1．建立检验假设，确定检验水准。 H0 ： s ＝0（两名医师的等级评定结果不相关） H1： s 0 （两名医师的等级评定结果相关） = 0.05 Stata 数据为： i x y 1 2 1 2 3 3 3 0 2 4 1 2 5 0 0
6789 34344 10 2343403 133 13 Stata命令为 结果为: Number of obs Spearman s rho 0.8082 Test of Ho: y and x are independent Prob>t= 0.0008 P<0.05。在a=005水平上,拒绝H,接受H,认为两名射科医师对肺部Ⅹ 片的等级评定结果有正相关关系。 例12-5300名抑郁症患者按其抑郁程度和自杀意向的轻重程度的分类数据 如表12-8所示。问自杀意向的轻重程度和抑郁程度之间是否存在线性变化趋势? 表12-8300名抑郁症患者的分类数据 抑郁程度(Y) 自杀意向(X) 轻度 中等 严重 合计 (=2) (=3) 无 (X=1) 135 73 14 22 想要自杀X=2) 10 曾自杀过(X=3) 合计 300 1、建立检验假设,确定检验水准。 Ho:自杀意向与抑郁症之间不存在线性变化趋势 H1:自杀意向与抑郁症之间存在线性变化趋势 C=0.05 Stata数据为
6 2 3 7 3 4 8 4 3 9 3 4 10 4 4 11 0 1 12 3 3 13 2 3 Stata 命令为： spearman y x 结果为： Number of obs = 13 Spearman's rho = 0.8082 Test of Ho: y and x are independent Prob > |t| = 0.0008 P<0.05。在 = 0.05 水平上，拒绝 H0，接受 H1，认为两名射科医师对肺部 X 片的等级评定结果有正相关关系。 例12-5 300名抑郁症患者按其抑郁程度和自杀意向的轻重程度的分类数据 如表12-8所示。问自杀意向的轻重程度和抑郁程度之间是否存在线性变化趋势？ 表12-8 300名抑郁症患者的分类数据 自杀意向（X） 抑郁程度（Y） 轻度 中等 严重 合计 (Y=1) （Y=2) （Y=3） 无 （X=1） 135 73 14 222 想要自杀 （X=2） 5 9 10 24 曾自杀过 （X=3） 8 23 23 54 合计 148 105 47 300 1、建立检验假设，确定检验水准。 H0 ：自杀意向与抑郁症之间不存在线性变化趋势 H1 ：自杀意向与抑郁症之间存在线性变化趋势 = 0.05 Stata 数据为： y x w
22333 1231231 23 14 23 Stata命令和结果为*: corr y x [fw=w] (obs=300) 11.0000 0.46421.0000 return list scalars r(N)=300 r(rho)=.4641844307421609 display (r(n)-1)*r (rho)2 64.424689 在a=005水平上,拒绝H0,接受H,可以推断自杀意向的轻重程度与抑 郁症之间存在线性变化趋势 *参考文献 Does Stata provide a test for trend? A comparison of different tests for trend Author William Sribney, StataCorp Date Let me make a bunch of comments comparing SAS PROC FREQ, Pearson's correlation, Patrick Royston's ptrend command, linear regression, logit/probit regression, Stata's vwls command, and Stata,s ptrend Tests for trend in 2 xr tables
1 1 135 1 2 5 1 3 8 2 1 73 2 2 9 2 3 23 3 1 14 3 2 10 3 3 23 Stata 命令和结果为*： . corr y x [fw=w] (obs=300) | y x -------------+------------------ y | 1.0000 x | 0.4642 1.0000 . return list scalars: r(N) = 300 r(rho) = .4641844307421609 . display (r(N)-1)*r(rho)^2 64.424689 在 = 0.05 水平上，拒绝 H0，接受 H1，可以推断自杀意向的轻重程度与抑 郁症之间存在线性变化趋势。 *参考文献： Does Stata provide a test for trend? Title A comparison of different tests for trend Author William Sribney, StataCorp Date March 1996 Let me make a bunch of comments comparing SAS PROC FREQ, Pearson’s correlation, Patrick Royston’s ptrend command, linear regression, logit/probit regression, Stata’s vwls command, and Stata’s nptrend command. Tests for trend in 2 x r tables