Тест SPSS Cochran-Mantel-Haenszel

Денис Парфенов    | 2021.08.09

Я пытаюсь проанализировать в SPSS набор данных, содержащий дихотомическую реакцию повторных измерений в разные моменты времени двух групп пациентов, которым было назначено разное лечение (таблица нулей для неудач и единиц для успеха в некоторых задачах). Мой лист данных выглядит так:

T0 + 20m T0 + 1h T0 + 3h

drug1 0 0 1

drug1 0 0

drug1 0 0 0

drug2 0 0 0

Drug2 0 0 0

Drug2 0 1 0

В соответствующих публикациях упоминается, что тест Кохрана-Мантеля-Хензеля подходит для сравнения ответа между двумя группами из-за повторяющихся измерений. Поскольку я обычно не использую SPSS, я не знаю, как его выполнять. Может ли кто-нибудь помочь. ?

Заранее спасибо!

Рич Ульрих

То, что я нахожу в Интернете, предполагает, что вы можете перейти к

«непараметрической статистике» и «связанным выборкам»,

чтобы найти «критерий Кохрана». Если он запрашивает отдельные переменные

для трех периодов, значит, он должен быть правильным.



Поиск в Google нашел мне несколько источников, которые рассматривают "Cochran-Mantel-Haenszel" как название теста

, который * не * имеет "связанных образцов". Так что это проблема

с поиском в Google.

Я почти уверен, что вы можете получить тест, аналогичный CMH

, из регрессии Кокса, хотя

я давно не искал. - Cox может справиться с явным

отсутствием в строке 2 вашего примера, тогда как любой реальный CMH,

вероятно, этого не сделает.

Ирини Лиампа

Большое вам спасибо за ваш ответ!

Я уже пробовал вариант непараметрической статистики / связанных выборок (для 2 выборок и k выборок, когда я хотел проанализировать 3 разных временных точки), но, похоже, все измерения проводятся вместе, хотя они происходят из двух отдельных группы. Я хочу сравнить результаты двух групп с их ответами в разные моменты времени.

Это правда, что поиск в Google не дал мне никаких полезных результатов, по крайней мере, для моих исследований. Возможно, это потому, что этот тест не совсем массовый.

Что касается недостающих значений, которые были получены во время предыдущей части моего анализа, я подумал, что CMH просто исключит соответствующие образцы. Если нет, то, наверное, придется искать другой вариант.

Рич Ульрих

В понедельник, 15 июня 2015 г., 00:14:39 -0700 (PDT), Ирини Лиампа

< irini . @ gmail.com>написал:

>Большое спасибо за ответ!

>>

Я уже пробовал опцию непараметрической статистики / связанных

>образцов (для 2 образцов и k образцов, когда я хотел проанализировать 3

>разных временных точки), но, похоже, все

измерения проводятся вместе, хотя они происходят из двух отдельных групп.

Хм? То, что вы говорите, для меня не имеет смысла: «измерьте

все вместе». Не

запрашивает ли процедура правильную информацию - группирующую переменную,

а затем несколько результатов?

Или это дает странные результаты? (который можно вырезать и вставить?)

>Что я хочу сделать, так это сравнить результаты

>двух групп с их ответами в разные моменты времени.

И Кокран должен быть расширением «теста Макнемара

на изменения» с двумя группами и двумя показателями статуса.

расширяя его до нескольких мер.

Если ни один из компонентов МакНемарса (с учетом каждой пары

периодов) не показывает никаких намеков на разницу, то вы можете быть

уверены, что общей разницы нет.

С другой стороны: ANOVA рассматривает дихотомии как

результаты с хорошей надежностью и небольшой потерей мощности.

Если вы начинаете с ожидания тренда, вы

можете запустить повторные измерения, три периода для двух

групп, и посмотреть тест на взаимодействие группировки с

линейным трендом, и это будет «довольно хороший» тест.

Тест на тренд будет более действенным, чем тест

на простое групповое взаимодействие, хотя этот тест тоже

будет действительным.

>>

Это правда, что поиск в Google не дал мне никаких полезных результатов, по крайней мере, для моих исследований. Возможно, это потому, что этот тест не совсем массовый.

>>

Что касается недостающих значений, которые были получены во время предыдущей части моего анализа, я подумал, что CMH просто исключит соответствующие образцы. Если нет, то, наверное, придется искать другой вариант.

Да, CMH исключит субъектов с пропавшим без вести.

Брюс Уивер

Привет Ирини. Во-первых, обратите внимание, что в настоящее время можно использовать логистическую регрессию

вместо теста Кокрана-Мантеля-Хензеля. Несколько лет назад я

создал пример, который можно увидеть здесь:

Имея это в виду, я думаю, вы могли бы сделать что-то вроде этого:

1. Используйте VARSTOCASES для реструктуризации данных с WIDE на LONG (т. Е. До

3 строк для каждого идентификатора).

2. Используйте GENLIN с обобщенными оценочными уравнениями (GEE) для анализа

данных. (GEE - это один из способов учесть коррелированный характер данных

повторных измерений.)

Вы должны включить в свою модель Лечение, Время и их взаимодействие.

Член взаимодействия обеспечит тест на однородность отношения шансов

для Времени при различных обработках; или, глядя на это с

другой стороны, однородность отношения шансов для лечения в

разные моменты времени.

Базовый синтаксис GENLIN будет примерно таким (с вашими

именами переменных вместо тех, которые я использовал):

GENLIN DepVar (ССЫЛКА = ПЕРВЫЙ) По времени обработки (ПОРЯДОК = ПО убыванию)

/ МОДЕЛЬ Время обработки Обработка * Время ПЕРЕСЕЧЕНИЕ = ДА

РАСПРЕДЕЛЕНИЕ = БИНОМИАЛЬНАЯ СВЯЗЬ = ЛОГИТ

/ МЕТОД КРИТЕРИИ = FISHER (1) МАСШТАБ = 1 МАКСИТЕРАЦИЯ = 100

МАКСИМАЛЬНОЕ ПЕРЕСЕЧЕНИЕ = 5 1E-006 (

ABSOLUTE) SINGULAR = 1E-012 ANALYSISTYPE = 3 (WALD) CILEVEL = 95 LIKELIHOOD = FULL

/ REPEATED SUBJECT = ID WITHINSUBJECT = Time SORT = YES

CORRTYPE = неструктурированный

ADJUSTCORR = 100 YES COVBER = МАКСИМУМ PC 006 (абсолют)

UPDATECORR = 1

/ НЕДОСТАЮЩИЕ CLASSMISSING = EXCLUDE

/ PRINT КПС DESCRIPTIVES MODELINFO FIT РЕЗЮМЕ РЕШЕНИЯ

(экспоненцируется).

Вы можете попробовать разные ковариационные структуры, где у меня

CORRTYPE = неструктурированный. На ум приходят:

- AR (1). AR (1) рабочая корреляционная матрица (AR = авторегрессия).

- СМЕННЫЙ. Сменная рабочая корреляционная матрица.

Денис Парфенов Автор статей

Постоянный автор и редактор новостных статей, посвященных гемблингу и спорту, фанат казино и карточных игр, независимый обозреватель спортивых мероприятий.