So sánh 2 tỷ lệ trên spss
Thống kê SPSS kiểm định 1 tỷ lệ đại học y tế công cộng
Bạn đang xem bản rút gọn của tài liệu. Xem và tải ngay bản đầy đủ của tài liệu tại đây (2.78 MB, 30 trang ) KIỂM ĐỊNH GIẢ THUYẾT CHO GIÁ • Mô tả biến – một biến phụ thuộc là chấn thương ở đầu, nhị phân • Mối liên quan – So sánh 1 tỷ lệ với 1 giá trị cho trước • Chọn kiểm định – Chọn kiểm định Biominal test • Báo cáo phương pháp – chúng ta sử dụng kiểm định biominal để kiểm tra giả thuyết là chấn thương đầu của quần thể nghiên cứu này tương đương khoảng 15% Analyze/Nonparametric Tests/Binomimal… Analyse \Nonparametric \Biominal test • Tỷ lệ chấn thương đầu/cột sống là 36% • Có sự khác biệt giữa tỷ lệ chấn thương đầu với 15% (p<0,001) Kiểm định giả thuyết HAI TỶ LỆ Hai tỷ lệ (two - proportions) Nhóm 1 Nhóm 2 Tổng Sự kiện A k1 k2 k1+k2 Không có sự kiện A n1-k1 n2-k2 (n1+n2)-(k1-k2) Tổng n1 n2 n1+n2 p1=k1/n1; p2=k2/n2, có thể sử dụng kiểm định z chuẩn để so sánh Hoặc sử dụng các kiểm định cho các bảng tiếp liên (contingency table) Kiểm định c2 xác định mối liên quan 1. Kiểm định mối liên quan giữa 2 biến định tính – KHÔNG chứng minh nguyên nhân 2. Giả định – Giá trị kỳ vọng của các ô đều ³ 5 3. Sử dụng bảng tiếp liên Kiểm định c2 cho bảng tiếp liên 1. Bảng tiếp liên (2x2) thể hiện giá trị của 2 biến Biến 2 Lọai nhà Nhà tạm Nhà kiên cố Tổng Vị trí Thành thị Nông thôn 63 49 15 33 78 82 Biến 1 Tổng 112 48 160 Kiểm định c2 cho bảng tiếp liên • Kiểm định thống kê Giá trị quan sát c =å 2 [O - E ] n E= 2 E Giá trị kỳ vọng (Tong hàng) × (Tong côt ) Tong chung Số cột Bậc tự do: (r - 1)(c - 1) Số dòng Phân bố Khi bình phương (Chi-Square distribution) Bác bỏ H0 Hai tỷ lệ - hai mẫu độc lập • Giả thuyết: – H0: Tỷ lệ chấn thương đầu và cột sống của nhóm đi xe tương đương với nhóm đi bộ. • Mô tả biến – một biến phụ thuộc là chấn thương ở đầu/ cột sống, nhị phân – một biến độc lập là đi bộ, nhị phân • Mối liên quan – So sánh hai tỷ lệ • Chọn kiểm định – Kiểm tra giả định – Chọn kiểm định Khi bình phương • Báo cáo phương pháp – chúng ta sử dụng kiểm định khi bình phương (một phía) để kiểm tra giả thuyết là chấn thương đầu hoặc cột sống sẽ xảy ra nhiều ở những người đi bộ hơn là những người sử dụng phương tiện giao thông Analyze/Descriptive Statistics/ Crosstabs Analyse \Descriptive statistics\Crosstabs Kết luận • Có sự khác biệt giữa tỷ lệ chấn thương đầu/cột sống ở những người đi bộ so với những người dùng phương tiện giao thông. • Có 44% những người bị chấn thương đầu/cột sống ở những người đi bộ nhưng chỉ có 37% những người bị chấn thương loại này khi dùng phương tiện giao thông. Tỷ suất chênh chỉ ra sự khác nhau của hai tỷ lệ này là 1,37 (khoảng tin cậy 95% 0,99 – 1,89). • Không đủ bằng chứng để kết luận rằng sự khác nhau giữa hai nhóm là có ý nghĩa thống kê (c2 = 3,3, p = 0,070). Kiểm định giả thuyết NHIỀU HƠN 2 TỶ LỆ Nhiều hơn hai tỷ lệ • Giả thuyết: – H0: Tỷ lệ những người nhận được điểm chất lượng cuộc sống thấp là giống nhau không kể đến mức độ chấn thương, • Mô tả biến – Biến phụ thuộc là điểm chất lượng thấp, nhị phân – Biến độc lập: vị trí chấn thương; phân loại ; 3 nhóm • Mối liên quan – So sánh tỷ lệ • Chọn kiểm định – Kiểm tra giả định – Chọn kiểm định Khi bình phương • Báo cáo phương pháp – Chúng ta sử dụng kiểm định khi bình phương (hai phía) để so sánh tỷ lệ các nạn nhân chấn thương có điểm chất lượng cuộc sống thấp qua các mức độ chấn thương. Các mức độ chấn thương được đo bằng vị trí chấn thương Analyse \Descriptive statistics\Crosstabs Most severe injury * QOL score after injury - categorised Crosstabulation Most severe injury head-spine torso limbs Total Count % within Most severe injury Count % within Most severe injury Count % within Most severe injury Count % within Most severe injury QOL score after injury categorised Suboptimal Adequate QOL QOL 216 404 Total 620 34.8% 65.2% 100.0% 131 241 372 35.2% 64.8% 100.0% 204 443 647 31.5% 68.5% 100.0% 551 1088 1639 33.6% 66.4% 100.0% Pearson Chi-Square Likelihood Ratio Linear-by-Linear Association N of Valid Cases Chi-Square Tests Value 2.103a 2.111 1.571 2 2 Asymp. Sig. (2-sided) .349 .348 1 .210 df 1639 a. 0 cells (.0%) have expected count less than 5. The minimum expected count is 125.06. Kết luận • Có tất cả 33,6% những nguời có điểm chất lượng cuộc sống thấp. • Chúng ta không có đủ bằng chứng để chỉ ra rằng tỷ lệ này khác nhau theo vị trí chấn thương (c2 = 2,1, p = 0,349). Kiểm định giả thuyết ĐO LƯỜNG LẶP LẠI Hai tỷ lệ - đo lường lặp lại • Giả thuyết: – H0: trung bình điểm chất lượng cuộc sống phân nhóm sau và trước khi chấn thương là như nhau • Mô tả biến – Phụ thuộc: QOL, định danh – Lặp lại theo thời gian • Mối liên quan – So sánh hai tỷ lệ • Chọn kiểm định – Kiểm tra giả định – Chọn kiểm định Khi bình phương McNemar • Báo cáo phương pháp – Để kiểm tra sự khác nhau về tỷ lệ người có điểm chất lượng cuộc sống thấp (điểm<50) của trước và sau khi chấn thương chúng ta sử dụng kiểm định khi bình phương McNemar. Analyze/Descriptive Statistics/ Crosstabs
I. Giới thiệu kiểm định khác biệt giữa 2 tỉ lệ Kiểm định khác biệt giữa 2 tỉ lệ (one sample binomial test) cho phép chúng ta kiểm tra xem tỉ lệ các giá trị của biến phân loại 2 mức có khác ý nghĩa thống kê với nhau hay không. Chẳng hạn, chúng ta muốn biết sự khác nhau trong tỉ lệ học sinh nam và nữ trong bộ dữ liệu có ý nghĩa thống kê hay không. Kiểm định khác biệt giữa hai tỉ lệ có thể được phát biểu dưới dạng giả thuyết thống kê như sau: \({H_0}:\begin{array}{ccccccccccccccc}{}&{p = 0.5}\end{array}\) Và các giả thuyết thay thế có thể là: \(\begin{array}{l}{H_1}:\begin{array}{ccccccccccccccc}{}&{p \ne 0.5}\end{array}\\{H_1}:\begin{array}{ccccccccccccccc}{}&{p > 0.5}\end{array}\\{H_1}:\begin{array}{ccccccccccccccc}{}&{p < 0.5}\end{array}\end{array}\) Xem thêm Kiểm định khác biệt giữa 2 tỉ lệ Trang 2 sẽ trình bày cách tiến hành và đọc kết quả kiểm định khác biệt giữa 2 tỉ lệ trên SPSS. II. Thực hành kiểm định khác biệt giữa 2 tỉ lệ trên SPSS Sử dụng bộ dữ liệu hsb2.sav. Đối tượng khảo sát của bộ dữ liệu này là 200 học sinh từ trung học trở xuống. Các biến chính trong bộ dữ liệu bao gồm điểm số các môn toán (math), đọc (read), viết (write), chương trình học (prog), giới tính (female)… Giả sử chúng ta muốn kiểm tra tỉ lệ học sinh nam/nữ có bằng nhau hay không? Để kiểm chứng điều này, chúng ta thực hiện kiểm định khác biệt giữa 2 tỉ lệ như sau: – Vào Analyze \( \to \) Nonparametric Tests \( \to \) Legacy dialogs \( \to \) Binomial… – Cửa sổ Binomial Test mở ra và đưa biến female)vào khung Test Variable List: như hình: – Bấm OK để thực hiện. III. Đọc kết quả kiểm định khác biệt giữa 2 tỉ lệ Kết quả thực hiện kiểm định khác biệt giữa 2 tỉ lệ của mẫu như sau: Lưu ý: để thực hiện kiểm định khác biệt giữa 2 tỉ lệ thì giá trị của biến phân loại 2 mức phải có định dạng số (nếu dạng chuỗi thì phải được mã hóa sang dạng số) trước khi thực hiện phân tích. |