-
Tiesinės regresijos modelis:
- Turi būti paskaičiuotas koreliacijos koeficientas
- Statistics/ Fit models/ Linear regression (Response variable- priklausomas, Explanatory- nepriklausomas kintamasis)
- Prie estimates pateikiama regresijos lygties konstanta (Intercept)
- H0: Konstanta, esanti regresijos lygtyje, statistiškai reikšmingai nesiskiria nuo 0.
- H1: skiriasi.
- Jei p<0,05, H0 atmetama ir konstanta turi būti įtraukta į regresijos lygtį
- Estimates dalyje yra koeficientas, esantis regresijos lygtyje prie nepriklausomo kintamojo
- H0: Koeficientas, esantis regresijos lygtyje prie nepriklausomo kintamojo, statistiškai reikšmingai nesiskiria nuo 0.
- H1: skiriasi.
- Priklausomas kintamasis = konstanta +- koeficientas * nepriklausomas kintamasis
- Tiesinės regresijos modelis tinka, kai determinacijos koeficientas r2 (Multiple R-squared) >=0.25. Jei <0.25, abejotina, ar tinka. Taip pat patikrinti, ar pataisytasis determinacijos koeficientas (Adjusted R-squared) >=0.25
-
Koreliacijos koeficientas:
- Pearson (>20 stebėjimų, tenkina normalumo sąlygą)
- Spearman/ Kendall (ranginiams, neatitinkantiems normalumo sąlygos)
- Panašumo ir skirtingumo rodikliai pavadinimų skalės kintamiesiems
- Statistics/ Summaries/ Correlation test (kintamieji pasirenkami su ctrl)
- H0: Koreliacijos koeficientas tarp X ir Y statistiškai reikšmingai nesiskiria nuo 0.
- H1: skiriasi.
- Koeficientas rašomas prie “rho”. Nurodyti ryšio stiprumą.
-
Vilkoksono kriterijus:
- Neparametrinis testas 2 nepriklausomoms imtims
- H0: Regos stiprumo pasiskirstymas statistiškai reikšmingai nesiskiria tarp respondentų, kuriems buvo taikytas ir netaikytas gydymas.
- H1: skiriasi.
- Statistics/ Nonparametric tests/ Two-sample Wilcoxon test (Two-sided, Exact)
-
Ženklų kriterijus:
- Neparametrinis testas
- Tikriname, ar respondent ūgis skiriasi nuo 1,75 m
- H0: Ūgio mediana statistiškai reikšmingai nesiskiria nuo 1,75 m.
- H1: skiriasi.
- Statistics/ Nonparametric tests/ Single-sample Wilcoxon test (Null hypothesis: mu=1.75, Two-sided, Exact)
-
T-testas 2 nepriklausomoms imtims:
- H0: Vidutinis Glu tarp V ir M skiriasi statistiškai nereikšmingai.
- H1: reikšmingai
- Statistics/ Means/ Independence samples t-test (Assume equal variance: Yes, jei dispersijų skirtumas nėra reikšmingas, No, jei reikšmingas)
-
Dispersijų lygybės tikrinimas:
- Prieš atliekant t-testą 2 nepriklausomoms imtims, reikia patikrinti, ar duomenų išsibarstymas statistiškai reikšmingai nesiskiria.
- H0: Glu dispersijos tarp V ir M skiriasi statistiškai nereikšmingai.
- H1: reikšmingai
- Statistics/ Variance
- Barlett’s jautriausias, Two variances F- test mažiausiai jautrus
- Barlett’s ir Levene’s galima lyginti >2 grupes
-
T-kriterijus:
- Parametrinis testas.
- Populiacijų vidurkių lygybei tikrinti.
- H0: Vidutinis Glu kiekis statistiškai reikšmingai nesiskiria nuo 5,55 mmol/l.
- H1: skiriasi.
- Statistics/ Means/ Single-sample t-test (Null hypothesis: mu=5.55)
-
Chi-kvadratu testas:
- Neparametriniai kriterijai taikomi, kai duomenys nėra pasiskirstę pagal normalųjį skirstinį arba priklauso rangų skalei. Taikomi mažoms imtims.
- Chi-kvadratu naudojamas hipotezėms apie kintamojo skirtinį populiacijoje tikrinti.
- H0: Populiacijoje gydymo taikymas nepriklauso nuo akių spalvos.
- H1: priklauso.
- Statistics/ Contingency tables/ Two-way table (Row: akių spalva, column: gydymas; pažymėti Chi-kvadratu + tikėtinus dažnius)
- !!! Kai tikėtinas stebėjimų sk. daugiau nei 20% kryžiminės lentelės langelių yra <5, papildomai skaičiuojamas Fisher testas.
-
Normalumo testai:
- Jei duomenys pasiskirstę pagal normalųjį skirstinį, takysime parametrinius testus, jei ne – neparametrinius.
- H0: Kintamasis pasiskirstęs pagal normalųjį skirstinį.
- H1: nepasiskirstęs.
- Statistics/ Summaries/ Test of normality
- Shapiro-Wilk testas, jei duomenyse <50 stebėjimų.
- Kolmogorov-Smirnov, jei >50 stebėjimų.
- Jei normalumas tikrinamas pogrupiuose, žiūrėti, kiek stebėjimų pogrupiuose atskirai.
-
-
Kryžminė dažnių lentelė:
Statistics/ Contingency tables/ Two-way table (procentinės reikšmės (Percentages); chi-kvadratu kintamųjų priklausomumui, tikėtini dažniai (kartu būtinai ir chi-kvadratu), Fisher testas)
! Žinant tikėtinus dažnius, galima spręsti apie analizuojamų požymių nepriklausomumą. Jei tikėtinos reikšmės artimos nustatytoms, požymiai yra statistiškai nepriklausomi ir atvirkščiai !
-
Naujo kintamojo skaičiavimas:
Data/ Manage variables in active data set/ Compute new variable rašant formulę pasirinkti kintamuosius jus spaudžiant 2x)
-
Kokybinių kintamųjų kodavimas:
- Kokybinių kintamųjų kodavimas:
- Data/ Manage variables in active data set/ Recode variables (”moteris“=0)
-
Tolydaus kintamojo reikšmių konvertavimas į kategorijas:
Data/ Manage variables in active data set/ Recode variables (lo:30=”jaunas”; lo – žemiausia, hi- didžiausia reikšmė)
|
|
