秩检验
数值型资料不满足正态分布,使用秩检验。若满足,使用 t 检验。
除了对定量资料检验,也适用于等级资料检验。
秩检验是非参数检验,没有使用数据本身,而是使用数据之间位次,因此会效能不如参数检验。
chisq检验是只用到“计量”,就是数个数,只是说组间的构成比有差异,并不能衡量差异大小。秩检验可以衡量,参数检验更能衡量。
1. 秩
就是中位数检验,因为中位数属于平均数。
2. 符号检验
配对样本检验。只保留了符号信息,损失了秩(位置)信息。
符号检验:计算卡方统计量,基本思想是如果只有抽样误差,通过比较AB两组数据设定+-号,+ - 符号数量相差不多,计算实验前后差值,结果记为正负,数出正负值个数。根据二项分布,计算n个样本,p=0.5,发生n1次的概率,如果小于0.05,拒绝原假设;
Proc univariate; 看Sign 结果
3、符号秩检验
配对样本检验。保留了秩(位置)信息。
符号秩检验:计算实验前后差值,保留正负号。给差值绝对值标记大小顺序排序,加上正负号。计算 + 秩的总和,计算 – 秩的总和。基本思想是检验差值是否来自均数为0的总体。
Proc univariate; 看Sign Rank 检验结果
4. Wilcoxon rank-sum 秩和检验 - 单因素
独立样本的秩和检验。配对样本当然可以使用此方法,但丢掉了配对信息,因此不推荐使用。
如果反应变量是定量变量,则按数据大小排序,然后统计秩次,分组计算总秩次。
若为分类变量,直接用平均秩次,根据每行频数算出秩次范围,取中间数据作为平均频次
data rnksm; input trt $ pat score @@; datalines; SER 2 0 SER 3 2 SER 5 3 SER 6 3 SER 8 -2 SER 10 1 SER 12 3 SER 14 3 SER 16 –1 SER 17 2 SER 20 -3 SER 21 3 SER 22 3 SER 24 0 SER 26 2 SER 27 –1 PBO 1 3 PBO 4 –1 PBO 7 2 PBO 9 3 PBO 11 –2 PBO 13 1 PBO 15 0 PBO 18 -1 PBO 19 -3 PBO 23 -2 PBO 25 1 PBO 28 0 ; proc npar1way wilcoxon data = rnksm; class trt; var score; run;
exact wilcoxon;
小样本下使用exact会更精确。
4.1 Wilcoxon
单因素,且只有两个水平。
相当于非参数独立样本 t 检验。如果满足正态性,两水平均值比较用 t 检验,如果不满足,两水平均值比较用 Wilcoxon秩和检验。
4.2 Kruskal-Wallis
单因素,且水平数量大于连个。
For larger samples (typically at least 10 per group), a normal approximation to the Wilcoxon rank sum test can be used,even for samples as small as 8-10 per group
每个group样本量超过10,使用Z统计量(近似正态分布)。
否则使用T统计量。
若相同秩次比较多,则会在公式中加0.05进行校正。
5. Friedman
多因素,均值比较,不满足正态性,所以不用方差分析,用Friedman检验
Friedman检验是秩的检验,通过 scores = rank cmh实现。
Row Mean Scores Differ就是Friedman检验。
data dat1O; do block=1 to 12; do treat= 1 to 3; input x @@; output; end; end; datalines; 48.02 71.90 66.27 52.70 56.35 60.59 60.22 70.08 66.12 44.49 86.60 55.36 49.31 68.25 53.39 46.23 63.36 52.34 55.16 66.12 55.16 42.48 70.02 58.64 50.84 66.97 44.01 39.38 67.05 52.49 45.16 69.89 59.99 53.47 61.08 61.08 ; proc freq data = dat1O; tables block*treat*x/noprint scores=rank cmh2; run;
多因素,也就是区块设计。cmh2就是输出CMH中前两个统计量,总共三个。
本文来自博客园,作者:Iving,转载请注明原文链接:https://www.cnblogs.com/SAS-T/p/15545691.html