Antag att vi har följande datamängd:
Men Women Dieting 10 30 Non-dieting 5 60
Om Jag kör Fishers exakta test i R, vad innebär alternative = greater
(eller mindre)? Till exempel:
mat = matrix(c(10,5,30,60), 2,2) fisher.test(mat, alternative="greater")
Jag får p-value = 0.01588
och odds ratio = 3.943534
. När jag vänder raderna i beredskapstabellen så här:
mat = matrix(c(5,10,60,30), 2, 2) fisher.test(mat, alternative="greater")
får jag p-value = 0.9967
och odds ratio = 0.2535796
. Men när jag kör de två beredskapstabellerna utan det alternativa argumentet (dvs. fisher.test(mat)
) får jag p-value = 0.02063
.
- Kan du snälla förklara orsaken för mig?
- Och vad är nollhypotesen och alternativ hypotes i ovanstående fall?
-
Kan jag köra fisher-testet på en beredskapstabell så här:
mat = matrix(c(5000,10000,69999,39999), 2, 2)
PS: Jag är inte statistiker. Jag försöker lära mig statistik så att din hjälp (svar på enkel engelska) skulle uppskattas mycket.
Svar
greater
(eller less
) hänvisar till ett ensidigt test som jämför en nollhypotes att p1=p2
till alternativet p1>p2
(eller p1<p2
). Däremot jämför ett dubbelsidigt test nollhypoteserna med alternativet att p1
inte är lika med p2
.
För ditt bord är andelen dieters som är män 1/4 = 0,25 (10 av 40) i ditt urval. Å andra sidan är andelen icke-dieters som är män 1/13 eller (5 av 65) lika med 0,077 i provet. Så då är uppskattningen för p1
0,25 och för p2
är 0,077. Därför verkar det som p1>p2
.
Det är därför för det ensidiga alternativet p1>p2
p-värdet är 0,01588. (Små p-värden indikerar att nollhypotesen är osannolik och alternativet är troligt.)
När alternativet är p1<p2
ser vi att dina data indikerade att skillnaden är i fel (eller oförutsedd) riktning.
Det är därför som p-värdet i så fall är så högt 0,9967. För det dubbelsidiga alternativet bör p-värdet vara lite högre än för det ensidiga alternativet p1>p2
. Och det är faktiskt med p-värde lika med 0,02063.
Kommentarer
- Fantastisk förklaring. Så, fiskarens exakta test jämför faktiskt sannolikheter mellan rader i motsats till kolumner?
- @Christian: Nej, det spelar ingen roll ' om dess rader eller kolumner som fiskartestet kontrollerar om det finns korrelation i en beredskapstabell. Rader och kolumner spelar ingen roll '. Du kan också bara omformulera hypotesen: istället är H0 " människor som röker dör yngre " du kan också anta att H0: " människor som dör yngre är mer benägna att röka ". Resultaten av fisher-testet skulle berätta om någon observerad anslutning i data stöder nollhypotesen eller inte, men det betyder inte ' som är den oberoende eller beroende variabeln och lika valet av rader / kolumner betyder inte ' t 🙂 🙂