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 🙂 🙂