导读：于及小于）现有样本统计量的概率，得到现有样本统计量概率为小概率事件，便于进一步的统计分析，以判断各部分的变异是否具有统计学意义，拒绝原假设只说明多个总体均数总的来说差别有统计学意义，然后利用理论频数T和实际频数A构造x2统计量，即x2统计量不应该很大，作出统计推断，两个统计量的关系为Z2=x2，但是只有在大样本时检验统计量才近似服从x2分布，尚可以校正检验统计量使其近似服从x2分布，统计量的计
于及小于）现有样本统计量的概率。P〈0.05则表示在H0成立的前提下，得到现有样本统计量概率为小概率事件，所以拒绝H0。
2、配对t检验的应用条件是什么？
配对t检验的应用条件是资料为配对设计，且数据差值服从正态分布。
3、正态性检验时，如何确定检验水准α？
理论上讲α应取得大一些，如0.10或0.20，目的是减少犯II型错误的概率；在实际应用中，常取α=0.10。
4、变量变换的目的是什么？
变量变换的目的在于使变换后的资料满足正态分布或方差齐性等条件，便于进一步的统计分析。
第九章 方差分析
1、方差分析的基本思想及其应用条件是什么？
方差分析的基本思想是把全部观察值的总变异按设计类型分解成两个或多个组成部分，然后将各部分的变异与随机误差进行比较，以判断各部分的变异是否具有统计学意义。应用条件：各样本是相互独立的随机样本，且服从正态分布，各样本的总体方差齐性。
2、在完全随机设计方差分析中SS总、SS组间、SS组内各表示什么含义？
SS总是各观察值与总均值之差的平方和，即总离均差平方和，表示总变异的大小；SS组间表示组间变异，指各处理组均值大小的不同，是由处理因素和随机误差造成的；SS组内表示组内变异，指同一处理组内部各观察值之间的变异，是由随机误差造成的。
3、什么是交互效应？请举例说明。
交互效应是指某一因素的效应随另一因素不同水平的变化而变化，称这两个因素之间存在交互效应。例如：某实验研究A、B两种药物在不同剂量情况下对某病的治疗效果，药物A在不同剂量时，B药的效应不同，或者药物B在不同剂量时，A药的效应不同，则A、B两药间存在交互效应。
4、重复测量资料具有何种特点？
重复测量资料中的处理因素在受试者间是随机分配的，受试者内的因素即时间因素是固定的，不能随机分配；重复测量资料各受试者内的数据彼此不独立，具有相关性，后一个时间点的数据可能受到前面数据的影响，而且时间点离的越近的数据相关性越高。
5、为什么总的方差分析的结果为拒绝零假设时，若想进一步了解两两之间的差别需要进行多重比较？
方差分析中备择假设是多个总体均数不等或不全相等，拒绝原假设只说明多个总体均数总的来说差别有统计学意义，并不能说明任意两总体均数之间均有差别。因此，若希望进一步了解两两的差别，需进行多重比较。
第十章、二项分布和Poisson分布
1.Bernoulli试验的适用条件
答：1.每次试验只会发生两种互斥结果之一，即两种互斥结果的概率之和恒等于1；2.在相同试验条件下，每次试验产生某种结果的概率固定不变；3.重复试验是互相独立的，即任何一次试验结果的出现不会影响其他试验结果出现的概率。
2. Poisson分布的性质
答：1.总体均数μ与总体方差相等；2.当n很大，而π很小，且nπ=μ为常数时，Poisson分布可看作是二项分布的极限分布；3.当μ增大时，Poisson分布渐近正太分布，一般而言μ≥20时，Poisson分布资料可作为正态分布处理；4. Poisson分布具备可加性；5.μ的大小
决定了Poisson分布的图形特征。
3.二项分布与Poisson分布的区别
答：随机变量X服从二项分布，是指在n重Bernoulli试验中，发生某种结果的次数X=0，1，2?，n的一种概率分布，其恰好发生X个阳性的概率为P（X）=（公式），且总有概率总和=1.而随机变量X服从Poisson分布，是指X满足①取值范围为0，1，2?，n；②相应的概率为P（X）=e-μ?μx/X！，且总有概率总和=1。在总体率π很小，而样本含量n趋向于无穷大时，二项分布近似于Poisson分布。因此Poisson分布可看作是二项分布的一种极限情况，可用来描述小概率事件的发生规律。
4.二项分布、Poisson分布和正态分布的联系
答：1.在n很大，而π很小，且nπ=μ为常数时，二项分布的极限分布为Poisson分布；2.在n较大、π不接近0也不接近1时，二项分布B（n，π）近似正态分布，而相应的样本率p的分布也近似正态分布；3.当μ增大时，Poisson分布渐近正态分布，一般μ≥20时，Poisson分布资料可作为正态分布处理。
第十一章、x2检验
1. x2检验的基本思想是什么？可以用于解决哪些问题？
答：基本思想：在H0成立的条件下，推算出各个格子的理论频数T，然后利用理论频数T和实际频数A构造x2统计量，（公式），反映实际频数与理论频数的吻合程度。若无效假设H0成立，则各个格子的A与T相差不应该很大，即x2统计量不应该很大。A与T相差越大，x2值越大，相对应的P值越小，当P≤α，则越有理由认为无效假设不成立，继而拒绝H0，作出统计推断。由于格子越多，x2值也会越大，因而考虑x2值大小的意义时，应同时考虑格子数的多少，这样x2值才能更准确地反映A与T的吻合程度。
x2检验可用于：独立样本两个或多个率或构成比的比较，配对设计两样本率的比较，频数分布的拟合优度检验，线性趋势检验。
2.四格表的Z检验和x2检验有何联系
答：能用四格表Z检验进行两样本率比较的资料，都可以用x2检验。四格表的双侧Z检验与x2检验是完全等价的，两个统计量的关系为Z2= x2，相对应的界值关系为Z2（底数0.05/2）= x2（底数0.05，1）
3.拟合优度x2检验的基本思想及用途
答：基本思想是根据样本的频数分布检验其总体是否服从某特定的理论分布。按照该理论分布计算的频数称为理论频数；从样本观察到的频数称为实际频数。利用x2检验，推断实际频数与理论频数的吻合程度。
4.为什么有些四格表资料的假设检验必须用确切概率法
答：x2检验的理论是基于x2分布，但是只有在大样本时检验统计量才近似服从x2分布，才能使用x2检验公式。如四格表资料，若n≥40，且有1≤T＜5时，尚可以校正检验统计量使其近似服从x2分布；当n＜40时，这种近似性就很差，x2检验就不适用了，只能用确切概率法。
5. x2检验的应用条件有哪些？
答：1.①当n≥40，且≥5时，用非连续校正的x2检验
②当n≥40，且有1≤T＜5时，用连续性校正的x2检验或用四格表的确切概率法。（公式） ③当n＜40或T＜1时，用四格表确切概率法。
2.独立样本R×C列联表x2检验的专用公式为：。。。
①不宜有1/5以上格子的理论频数小于5，或有1个格子的理论频数小于1.
②结果为有序多分类变量的R×C列联表，在比较各处理组的平均效应有无差别时，应该用
秩和检验或Ridit检验。
3.配对四格表的x2检验
①当b+c≥40时，（公式）
②当b+c＜40时，作连续性校正，（公式）
第十二章、秩和检验
1.参数检验和非参数检验的区别
答：参数检验是以特定的总体分布为前提，对未知总体参数做推断的假设检验方法；非参数检验不以特定的总体分布为前提，也不针对决定总体分布的参数做推断，又称任意分布检验。非参数检验不要求总体的分布类型，适用性广泛；在非参数检验中，一般不直接用样本观测值做分析，统计量的计算基于原数据在样本中的秩次，因此对于符合参数检验的资料，或经变量变换后符合参数检验的资料应首选参数检验；对不满足参数检验条件的资料，应选用非参数检验。
2.非参数检验的适用范围
答：①总体分布不明或未知的资料；②一端或两端有不确实数值的资料；③等级资料；④极度偏态分布的资料。
3.同一资料，又出于同一研究目的，当参数检验和非参数检验所得结果不一致时，以何者为准？理由
答：应以资料满足的条件为准。若资料满足参数检验的条件，应以参数检验的结果为准，此时非参数检验的检验效能低于参数检验。若资料不服从正态分布，或者分布情况未知，不能用参数法进行推断，宜采用非参数法对总体分布位置进行假设检验。
第十三章 双变量关联性分析
1.两变量间的关联性是否可解释为因果关系？
双变量关联性分析的目的在于推断从某一总体中随机抽取的同一份样本观测出的两个关联间是否存在关联性，以及这种关联性的密切程度如何。关联性只反应变量间数量上的关系，但数量上的关联并不表示专业上的因果关系，是否确为因果关系还需结合专业知识、因果逻辑上的时间先后顺序等作进一步判定。
2.2X2列联表的关联性分析与两样本率的比较的x2检验有何不同？
2X2列联表的关联性分析与两样本率比较的x2检验是从两个检验的数据形式非常相似，x2检验的公式以及应用条件也完全不同。但区别在于：两样本率比较的x2检验是从两个总体中分别抽取样本，两样本有各自的频数分布，所检验的是两总体的率是否相同；而2X2列联表的关联性分析是从同一个总体中进行随机抽样，对样本中的每个个体考察其两个变量的关系，检验两个分类之间是否存在关联性或者说是否独立。
3、相关系数r经假设检验有统计学意义，且得到的P值很小，是否表示两变量间一定有很强的直线关系？
P值越小，说明越有理由拒绝H0，犯I型错误的概率越小。相关系数r经假设检验有统计学意义且得到非常小的P值，表示有足够的理由认为两变量总体相关系数ρ≠0，只能定性回答两变量是否存在直线相关，并非意味着其直线相关的强度。若要定量回答相关性的强弱，需结合样本相关系数r的大小和总体相关系数ρ的置信区间来说明。
4.Pearson积矩相关与Spearman秩相关的区别与联系
答：区别1. Pearson积矩相关适用于二元正态分布资料，Spearman秩相关适用于不服从正态分布、总体分布未知、存在极端值或原始数据用等级表示的资料。②Pearson积矩相关是基于原始数据进行统计分析，而Spearman秩相关是将原始数据进行秩变换后进行统计分析。
③Pearson积矩相关是参数检验方法，而Spearman秩相关不以特定的总体分布为前提，为非参数检验的方法。
联系：1.两种相关系数的取值都介于―1和1之间，无单位，小于0为负相关，大于0为正相关。2.用原始数据的秩次来计算Pearson相关系数，得到的即为Spearman秩相关系数。
第十五章生存分析
1.简述生存分析中截尾数据的常见原因。
①失访：指失去联系。②退出：指死于非研究因素或非处理因素而退出研究。③终止：指设计时规定的研究时限已到而终止观察，但研究对象依然存活。
2.简述生存率和生存概率的区别与联系。
生存概率表示某单位时段开始时存活个体到该时段结束时仍存活的可能性大小；生存率是指观察对象活过某时刻的概率，实质上是累积生存概率。生存概率是单位时段的概率，生存率是多个时段的累计结果。
3.简述死亡率和死亡概率的区别与联系。
死亡概率是指在某个单位时段开始时存活的个体在该时段内死亡的可能性大小；死亡率表示所有观察对象在某时刻的平均死亡水平。二者分母不同，死亡率的分母常用其中人口数，而死亡概率则用期初人数。
4.生存时间资料能计算均数和标准差吗？
如果资料所包含的数据都是完全数据，可以计算均数和标准差；若资料中包含截尾数据，则不可以计算。
5.简述两样本比较的生存时间资料不宜采用t检验或x方检验进行分析的理由。
因为随访资料具有特殊性，观察对象既有随访时间又有随访结果，随访期间可能出现失访等，生存时间数据不完整，分布类型复杂，因而不能简单的应用t检验或x方检验。
第二十章检测手段的效度和信度评价
1.简述效度、信度的概念和目的。
效度用以反映测量结果与“真值”的接近程度。信度用以反映相同条件下重发测定结果的一致程度。评价效度、信度的目的是评价量表对真实情况反映的准确性、可靠性。
2.简述评价效度和信度的常用方法及其特点。
评价效度的常用方法有：标准效度分析、内容效度分析、结构效度分析、区分效度分析。 评价信度的常用方法有：重复测量法、分半信度法、Cronbach’s a系数法。特点：标准效度分析需要一个“金标准”作为参考；内容效度分析对概念的定义有依赖性；结构效度分析需借助因子分析来完成；区分效度分析通过t检验或方差分析可比较不同群组间的差别有无统计学意义。重复测量法需要重复两次或两次以上测量；分半信度法将调查的问题条目分成两半；Cronbach’s a系数法适用于奇偶两半条目方差不等的情况。
3.简述分半信度法的优点和不足。
优点：分半信度法只在一个时间点上进行；不受记忆效应的影响；在重复测量法中容易出现的误差项之间的相关在分半信度法中不易出现；分半信度法比较经济和简便。
不足：将所有的问题条目分为两半的方法有些武断，不同的半分法可能会得到不同的结果。
4.简述如何考察测量手段和反应度。
①使用测量手段分别在治疗前后或施加干预措施前后对研究对象进行测量，记录治疗前后或施加干预措施前后的测量结果。
②使用效应尺度统计量评价测量的反应度。效应尺度=（治疗后得分―治疗前得分）/治疗前后得分的标准差
包含总结汇报、考试资料、党团工作、办公文档、人文社科、经管营销、IT计算机、资格考试、旅游景点以及医学统计学课后思考题答案(李晓松版)等内容。本文共3页
相关内容搜索关注今日：36 | 主题：188092
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【求助】spearman 相关系数的比较
页码直达：
这个帖子发布于3年零289天前，其中的信息可能已发生改变或有所发展。
作spearman 相关时能比较相关性的大小有无统计学意义吗？最近看了篇文献，将HbA1C,FBG,及2h-BG与一些指标做相关性分析，并且比较了相关性的优劣，并附有P值，不知道是怎么做到的。
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
收起全部有料回复
谢谢！其实我的意思是比较两个相关系数之间的差异有无统计学意义，文章中原文FPG was more strongly correlated with A1C than was 2-h plasma glucose ( r =0.39 vs. 0.25; P 《 0.001) ，我想知道两个相关系数的差异有统计学意义是如何得出来的。A样本和b样本相关 0.8 经检验成立， C样本和b样本相关0.6
经检验也成立，那么我说和A比C的对b的相关度更大，这个初看起来有一定道理，其实你只能得出结论：A比b的r 值 经检验是成立的，甚至你可以算一算它的的95%可信区间，同理A比C的r 值 经检验是成立的，甚至你可以算一算它的的95%可信区间，但是这两个r之间如何比，能不能比还没做统计学分析，因为多个相关中可能出现伪相关，不能直接来比，即使两两比较也要用偏相关分析才能得出结论，要多个比较可以把把这些指标做个多重线性回归或logistic回归，然后标准化系数，然后比较 。如果还不理解的话，说一个例子，我们在做多重线性回归或logistic回归时每引入一个自变量都会对整个方程产生影响是吧。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
四叶虫 edited on
可以啊，相关系数的显著性检验包括两种情况：一种情况是样本相关系数r与总体相关系数ρ的比较；另一种情况是通过比较两个样本r的差异(r1 - r2)推论各自的总体ρ1和ρ2是否有差异。又分为：相关系数的显著性检验、相关系数差异的显著性检验。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
steven2008 edited on
用spss做相关就可以了
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
每两个之间都有相关系数和P值，相关系数可以按大小排列
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
longjx12345 每两个之间都有相关系数和P值，相关系数可以按大小排列谢谢！其实我的意思是比较两个相关系数之间的差异有无统计学意义，文章中原文FPG was more strongly correlated with A1C than was 2-h plasma glucose ( r =0.39 vs. 0.25; P 《 0.001) ，我想知道两个相关系数的差异有统计学意义是如何得出来的。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢！其实我的意思是比较两个相关系数之间的差异有无统计学意义，文章中原文FPG was more strongly correlated with A1C than was 2-h plasma glucose ( r =0.39 vs. 0.25; P 《 0.001) ，我想知道两个相关系数的差异有统计学意义是如何得出来的。A样本和b样本相关 0.8 经检验成立， C样本和b样本相关0.6
经检验也成立，那么我说和A比C的对b的相关度更大，这个初看起来有一定道理，其实你只能得出结论：A比b的r 值 经检验是成立的，甚至你可以算一算它的的95%可信区间，同理A比C的r 值 经检验是成立的，甚至你可以算一算它的的95%可信区间，但是这两个r之间如何比，能不能比还没做统计学分析，因为多个相关中可能出现伪相关，不能直接来比，即使两两比较也要用偏相关分析才能得出结论，要多个比较可以把把这些指标做个多重线性回归或logistic回归，然后标准化系数，然后比较 。如果还不理解的话，说一个例子，我们在做多重线性回归或logistic回归时每引入一个自变量都会对整个方程产生影响是吧。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
四叶虫 edited on
四叶虫 A样本和b样本相关 0.8 经检验成立， C样本和b样本相关0.6
经检验也成立，那么我说和A比C的对b的相关度更大，这个初看起来有一定道理，其实你只能得出结论：A比b的r 值 经检验是成立的，甚至你可以算一算它的的95%可信区间，同理A比C的r 值 经检验是成立的，甚至你可以算一算它的的95%可信区间，但是这两个r之间如何比，能不能比还没做统计学分析，因为多个相关中可能出现伪相关，不能直接来比，即使两两比较也要用偏相关分析才能得出结论，要多个比较可以把把这些指标做个多重线性回归或logistic回归，然后标准化系数，然后比较 。如果还不理解的话，说一个例子，我们在做多重线性回归或logistic回归时每引入一个自变量都会对整个方程产生影响是吧。谢谢，不过我查到的确有比较相关系数的公式，如果您有兴趣可以阅读一下这篇文章吕媛, 易银沙. 关联相关系数的比较[J]. 实用预防医学, ): 157-158.
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢，不过我查到的确有比较相关系数的公式，如果您有兴趣可以阅读一下这篇文章吕媛, 易银沙. 关联相关系数的比较[J]. 实用预防医学, ): 157-158. 是的，说的很对，我的意思就是不能根据计算出来的r 值直大小直接比较，要再用相应的公式进行比较，这个比较方法模型可能有几种，这跟我的设想是一样的。（如果你不会这些方法干脆做多重回归进行标化系数比较）另外我很感兴趣的就是你那篇文章作者是不是真的就直接就把r值大小进行比较然后讨论（因为你只截了一小块图），如果这样就是错的，如果他用了相应的公式进行验算和比较才是对的----这就是我的意思，你可以把那篇原文传上来看看 另外如果这篇文章 如果考虑几个指标，又对当中某两个指标做相关比较，首先这两个相关指标要用偏相关分析计算---这个在文章中也要写明确，所以我倒是很想看看原文
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
四叶虫 edited on
是的，说的很对，我的意思就是不能根据计算出来的r 值直大小直接比较，要再用相应的公式进行比较，这个比较方法模型可能有几种，这跟我的设想是一样的。（如果你不会这些方法干脆做多重回归进行标化系数比较）另外我很感兴趣的就是你那篇文章作者是不是真的就直接就把r值大小进行比较然后讨论（因为你只截了一小块图），如果这样就是错的，如果他用了相应的公式进行验算和比较才是对的----这就是我的意思，你可以把那篇原文传上来看看 另外如果这篇文章 如果考虑几个指标，又对当中某两个指标做相关比较，首先这两个相关指标要用偏相关分析计算---这个在文章中也要写明确，所以我倒是很想看看原文谢谢！ 文章中好像并没有具体指出，相关系数比较的方法，但应该不是直接比较，发表的杂志也算是糖尿病领域的权威了。见附件
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
确实在统计方法当中没有写清楚，没有写清楚不能因为杂志好就认为他对，另外有一个疑问，为什所有指标都用sperman相关？所有指标都不符合正态等方差？我们设想一下假设部分指标是用sperman相关算r，部分用普通相关，两者效能不一样可以比较吗？---再往外推导 都是sperman相关做就可以比？总之对相关度进行比较总是觉得有点怪，虽然确实它有几个模型进行比较但毕竟是边缘化的东西，就这一个问题吧：如果这里面有些指标可以做普通相关，有些指标做秩相关，一个参数法，一个非参数法，本身效率就不对等，然后还能相比？ 做个逆向思维---FPG was more strongly correlated with A1C than was 2-h plasma glucose (r 0.39 vs. 0.25; P  0.001) ok 假设我2-h plasma glucose 可以用参数法做相关，那我检验效率高可能算出 r=0.38 那二者不就基本没差别了？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
四叶虫 edited on
四叶虫 确实在统计方法当中没有写清楚，没有写清楚不能因为杂志好就认为他对，另外有一个疑问，为什所有指标都用sperman相关？所有指标都不符合正态等方差？我们设想一下假设部分指标是用sperman相关算r，部分用普通相关，两者效能不一样可以比较吗？---再往外推导 都是sperman相关做就可以比？总之对相关度进行比较总是觉得有点怪，虽然确实它有几个模型进行比较但毕竟是边缘化的东西，就这一个问题吧：如果这里面有些指标可以做普通相关，有些指标做秩相关，一个参数法，一个非参数法，本身效率就不对等，然后还能相比？ 做个逆向思维---FPG was more strongly correlated with A1C than was 2-h plasma glucose (r 0.39 vs. 0.25; P  0.001) ok 假设我2-h plasma glucose 可以用参数法做相关，那我检验效率高可能算出 r=0.38 那二者不就基本没差别了？嗯，的确，因为最近在统计资料，深有感触。正态性、方差齐性真的是很烦人的东西，常常顾此失彼，因为自己统计知识并不扎实，所以往往写的文章统计方法并不是很严格，但因为现在的杂志找审稿人很少会找统计专家来看统计方法是否正确，所以许多文章关于统计的描述往往很模糊。此外，非常感谢您的热心回复。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
突然想到，2个r的95%CI如果重叠，不就是没有差异了么，只有95%CI不重叠，才能认为是有差异吧。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
可以啊，相关系数的显著性检验包括两种情况：一种情况是样本相关系数r与总体相关系数ρ的比较；另一种情况是通过比较两个样本r的差异(r1 - r2)推论各自的总体ρ1和ρ2是否有差异。又分为：相关系数的显著性检验、相关系数差异的显著性检验。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
steven2008 edited on
四叶虫 确实在统计方法当中没有写清楚，没有写清楚不能因为杂志好就认为他对，另外有一个疑问，为什所有指标都用sperman相关？所有指标都不符合正态等方差？我们设想一下假设部分指标是用sperman相关算r，部分用普通相关，两者效能不一样可以比较吗？---再往外推导 都是sperman相关做就可以比？总之对相关度进行比较总是觉得有点怪，虽然确实它有几个模型进行比较但毕竟是边缘化的东西，就这一个问题吧：如果这里面有些指标可以做普通相关，有些指标做秩相关，一个参数法，一个非参数法，本身效率就不对等，然后还能相比？ 做个逆向思维---FPG was more strongly correlated with A1C than was 2-h plasma glucose (r 0.39 vs. 0.25; P  0.001) ok 假设我2-h plasma glucose 可以用参数法做相关，那我检验效率高可能算出 r=0.38 那二者不就基本没差别了？说的好，高手出马，受益匪浅
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
spearman相关系数之间的比较应该是可以的，虽然我也不知道怎么用spss做，但是我在radiology上看到有人用SAS里的Wolfe test比较两者关联度，希望有高手能答疑。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
确实在统计方法当中没有写清楚，没有写清楚不能因为杂志好就认为他对，另外有一个疑问，为什所有指标都用sperman相关？所有指标都不符合正态等方差？我们设想一下假设部分指标是用sperman相关算r，部分用普通相关，两者效能不一样可以比较吗？---再往外推导
都是sperman相关做就可以比？总之对相关度进行比较总是觉得有点怪，虽然确实它有几个模型进行比较但毕竟是边缘化的东西，就这一个问题吧：如果这里面有些指标可以做普通相关，有些指标做秩相关，一个参数法，一个非参数法，本身效率就不对等，然后还能相比？
做个逆向思维---FPG was more strongly correlated with A1C than was
2-h plasma glucose (r 0.39 vs. 0.25; P  0.001) ok 假设我2-h plasma
glucose 可以用参数法做相关，那我检验效率高可能算出 r=0.38 那二者不就基本没差别了？ 虫哥你好！想请教做sperman相关时用spss软件最多只能处理100个变量，但是样本包含115个变量如何处理比较好？已做过逐步回归分析等，数据结果不理想。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
Mark一下， 不用总会忘
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园