科研宝易统计:“秩和检验”真的很easy!
这次,我们一起来聊聊秩和检验。...
之前我们介绍过t检验,以及即将介绍的方差分析等临床上常用的检验统计方法,它们都属于“参数检验”(parametric statistics),即已知总体为某种确定参数的分布(正态分布,或变量转换成正态分布)。但临床上经常会碰到一些数据,例如:血清铁蛋白、某些使用+/++/+++进行分级的指标、药物溶解时间、生存日数、疗效观察、患者治疗评分。这类数据的特点是:总体分布类型未知、或类型已知但不符合正态分布、或不考虑总体分布的条件,此时我们将要用“非参数检验” (non-parametric statistics)。
非参数检验
非参数检验是指不需要假定总体分布形式和参数估计量,可以直接对数据的分布或分布位置进行检验的方法。非参数检验的应用范围很广:
1、 等级类资料:疗效观察(良好、一般、较差),患者ECOG评分等
2、 分布情况未知:血清蛋白、血铅、心肌坏死面积等
3、 明显偏态分布的资料:生存日数等
4、 资料某端有不确定数值: PFS>30(患者治疗30月后未发生进展)
由于非参数检验对资料的分布没有特别要求,所以具有“适用范围广”、“方便理解”等优点而被广泛使用。但是如果资料的总体分布接近某一有标准理论的分布(如正态分布),或资料可以转换成这种分布,那么非参数检验的效果较差。此时如果无效假设是正确的,那么非参与参数方法一样好;但是如果无效假设是错误的,非参数检验需更多的样本才能等到与参数方法一致的结果。今天,笔者就来说说非参数检验中最常见的一种检验方法——“秩和检验”。
“秩和”的含义
“秩”(Rank),等级、秩序的意思,即按照数据大小排序的秩序号。反映了原始数据大小的等级。
“秩和”(Rank sum),顾名思义就是按照要求排序后的秩序号之和。反映了一组数据在分布上的范围位置。
例如两组原始数据:
数据排序如下:
计算秩和(T):
秩和检验
“秩和检验”是将数据资料按要求排序后算得“秩和”,并用“秩和”代替原始数据进行假设检验的方法。主要有三种类型:
[a]等级和检验法(rank sum test),又称Wilcoxon秩和检验,该检验结果与Mann and Whiney检验具有等价的推断结论。
秩和检验临床应用案例
例1:“回顾性分析药物A对比药物B治疗肺癌患者,疗效评分是否存在差异。”
运用Wilcoxon秩和检验,假设H0:两样本分布相同,α=0.05,查界值表T1=57,T2=95。由于TA>T2,故否定H0,A药物与B药物在治疗效果上有显著性差异。
例2:“某医院对12例淋巴瘤患者采用某种疗法,观察治疗前后瘤质量变化,评估该疗法是否有效。”
运用符号秩和检验,假设H0:两组数据没有差异,即前后差值中位数是0,α=0.05,查界值表T1=8,T2=37;由于T1
关注 crabyter科研宝
微信扫一扫关注公众号