統計效能多少合適

㈠ Pearson，Kendall和Spearman三種相關分析方法的異同

兩連續變數間呈線性相關使用Pearson積差相關系數滿足積差相關析適用條件使用Spearman秩相關系數描述.

Spearman相關系數稱秩相關系數利用兩變數秩作線性相關析原始變數布作要求屬於非參數統計適用范圍要廣些於服Pearson相關系數數據亦計算Spearman相關系數統計效能要低些Spearman相關系數計算公式完全套用Spearman相關系數計算公式公式xy用相應秩代替即

Kendall's tau-b等級相關系數：用於反映類變數相關性指標適用於兩類變數均序類情況相關序變數進行非參數相關檢驗； 取值范圍-1-1間檢驗適合於形表格；

㈡ 如何提高統計效力

用統計軟體協助
上金山衛士里的軟體管理搜索還有推薦列表，下載試試~

㈢ Pearson，Kendall和Spearman三種相關分析方法的異同

在SPSS軟體相關分析中,pearson(皮爾遜), kendall（肯德爾）和spearman（斯伯曼/斯皮爾曼）三種相關分析方法有什麼異同
兩個連續變數間呈線性相關時，使用Pearson積差相關系數，不滿足積差相關分析的適用條件時，使用Spearman秩相關系數來描述.
Spearman相關系數又稱秩相關系數，是利用兩變數的秩次大小作線性相關分析，對原始變數的分布不作要求，屬於非參數統計方法，適用范圍要廣些。對於服從Pearson相關系數的數據亦可計算Spearman相關系數，但統計效能要低一些。Pearson相關系數的計算公式可以完全套用Spearman相關系數計算公式，但公式中的x和y用相應的秩次代替即可。
Kendall's tau-b等級相關系數：用於反映分類變數相關性的指標，適用於兩個分類變數均為有序分類的情況。對相關的有序變數進行非參數相關檢驗；取值范圍在-1-1之間，此檢驗適合於正方形表格；
計算積距pearson相關系數，連續性變數才可採用;計算Spearman秩相關系數，適合於定序變數或不滿足正態分布假設的等間隔數據; 計算Kendall秩相關系數，適合於定序變數或不滿足正態分布假設的等間隔數據。
計算相關系數：當資料不服從雙變數正態分布或總體分布未知，或原始數據用等級表示時，宜用 spearman或kendall相關
Pearson 相關復選項 積差相關計算連續變數或是等間距測度的變數間的相關分析
Kendall 復選項 等級相關 計算分類變數間的秩相關，適用於合並等級資料
Spearman 復選項 等級相關計算斯皮爾曼相關，適用於連續等級資料
註：
1若非等間距測度的連續變數 因為分布不明-可用等級相關/也可用Pearson 相關，對於完全等級離散變數必用等級相關
2當資料不服從雙變數正態分布或總體分布型未知或原始數據是用等級表示時,宜用 Spearman 或 Kendall相關。
3 若不恰當用了Kendall 等級相關分析則可能得出相關系數偏小的結論。則若不恰當使用，可能得相關系數偏小或偏大結論而考察不到不同變數間存在的密切關系。對一般情況默認數據服從正態分布的，故用Pearson分析方法。
在SPSS里進入Correlate－》Bivariate，在變數下面Correlation Coefficients復選框組里有3個選項：
Pearson
Kendall's tau-b
Spearman：Spearman
spearman（斯伯曼/斯皮爾曼）相關系數
斯皮爾曼等級相關是根據等級資料研究兩個變數間相關關系的方法。它是依據兩列成對等級的各對等級數之差來進行計算的，所以又稱為「等級差數法」
斯皮爾曼等級相關對數據條件的要求沒有積差相關系數嚴格，只要兩個變數的觀測值是成對的等級評定資料，或者是由連續變數觀測資料轉化得到的等級資料，不論兩個變數的總體分布形態、樣本容量的大小如何，都可以用斯皮爾曼等級相關來進行研究。
Kendall's相關系數
肯德爾(Kendall)W系數又稱和諧系數，是表示多列等級變數相關程度的一種方法。適用這種方法的數據資料一般是採用等級評定的方法收集的，即讓K個評委（被試）評定N件事物，或1個評委（被試）先後K次評定N件事物。等級評定法每個評價者對N件事物排出一個等級順序，最小的等級序數為1 ，最大的為N，若並列等級時，則平分共同應該占據的等級，如，平時所說的兩個並列第一名，他們應該占據1，2名，所以它們的等級應是1.5,又如一個第一名，兩個並列第二名，三個並列第三名，則它們對應的等級應該是1,2.5,2.5,5,5,5,這里2.5是2,3的平均，5是4,5,6的平均。
肯德爾(Kendall)U系數又稱一致性系數，是表示多列等級變數相關程度的一種方法。該方法同樣適用於讓K個評委（被試）評定N件事物，或1個評委（被試）先後K次評定N件事物所得的數據資料，只不過評定時採用對偶評定的方法，即每一次評定都要將N個事物兩兩比較，評定結果如下表所示，表格中空白位（陰影部分可以不管）填入的數據為：若i比j好記1，若i比j差記0，兩者相同則記0.5。一共將得到K張這樣的表格，將這K張表格重疊起來，對應位置的數據累加起來作為最後進行計算的數據，這些數據記為γij。
正態分布的相關檢驗
對來自正態總體的兩個樣本進行均值比較常使用T檢驗的方法。T檢驗要求兩個被比較的樣本來自正態總體。兩個樣本方差相等與不等時用的計算T值的公式不同。
進行方差齊次性檢驗使用F檢驗。對應的零假設是：兩組樣本方差相等。P值小於0.05說明在該水平上否定原假設，方差不齊；否則兩組方差無顯著性差異。
U檢驗時用服從正態分布的檢驗量去檢驗總體均值差異情況的方法。在這種情況下總體方差通常是已知的。
雖然T檢驗法與U檢驗法所解決的問題大體相同，但在小樣本（樣本數n）=30作為大樣本）且均方差未知的情況下就不能用U檢驗法了。
均值檢驗時不同的數據使用不同的統計量
使用MEANS過程求若干組的描述統計量，目的在於比較。因此必須分組求均值。這是與Descriptives過程不同之處。
檢驗單個變數的均值是否與給定的常數之間存在差異，用One-Sample T Test 單樣本T檢驗過程。
檢驗兩個不相關的樣本是否來自來具有相同均值的總體，用Independent-Samples T test 獨立樣本t檢驗過程。
如果分組樣本不獨立，用Paired Sample T test 配對t檢驗。
如果分組不止兩個，應使用One-Way ANOVO一元方差分析（用於檢驗幾個獨立的組，是否來自均值相等的總體）過程進行單變數方差分析。
如果試圖比較的變數明顯不服從正態分布，則應該考慮使用一種非參數檢驗過程Nonparametric test.
如果用戶相比較的變數是分類變數，應該使用Crosstabs功能。
當樣本值不能為負值時用右側單邊檢驗。

㈣ g*power 軟體怎麼算統計效能

你好。這個軟體我最近也在摸索。你認真看下軟體的主頁面。當你選擇每種檢驗方法時，在方法選擇框的右上角有個pdf的按鈕。你點擊後就可以看到這種方法在pass上如何具體實現。還有那些方法我查了一些文獻 似乎lak的比較推薦。sequ說的好像是實驗設計為序貫設計。你的應該不是。那些a值和hr應該都是你已經得出來的。a檢驗水準取多少就輸入多少。

㈤ u檢驗和t檢驗區別是什麼

u檢驗和t檢驗區別是u檢驗適用於小樣本數據，並且不要求數據滿足正態分布，但是作為代價，當數據為正態分布時，t檢驗比u檢驗更具統計效能即，當假設的差異確實存在時，t檢驗更容易發現這些差異。

u檢驗和t檢驗的好處

檢驗適用於變數符合z分布的情況，t分布是z分布的小樣本分布，即當總體符合z分布時，從總體中抽取的小樣本符合t分布，而對於符合t分布的變數，變數數據逐漸向z分布趨近，z檢驗和t檢驗都是均值差異檢驗方法。

定義不同，t檢驗的樣本含量較小，總體標准差未知，z檢驗的樣本含量較大，服從標准正態分布，應用范圍不同，t檢驗的應用比z檢驗更廣泛，取部分小樣本也符合t分布，當樣本總體符合t分布時，擴大樣本量，數據將逐漸符合z分布。

㈥ 臨床實驗中合適的樣本量是多少

1 與樣本含量估計有關的幾個統計學參數 在估計樣本含量之前，首先要對以下幾個統計學參數加以確定或作出估計。 1.1 規定有專業意義的差值δ，即所比較的兩總體參數值相差多大以上才有專業意義。δ是根據試驗目的人為規定的，但必須有一定專業依據。習慣上把δ稱為分辨力或區分度。δ值越小表示對二個總體參數差別的區分度越強，因而所需樣本含量也越大。 1.2 確定作統計推斷時允許犯Ⅰ類錯誤(「棄真」的錯誤)的概率α，即當對比的雙方總體參數值沒有差到δ。但根據抽樣觀測結果錯誤地得出二者有差別的推斷結論的可能性，α確定的越小，所需樣本含量越大。在確定α時還要注意明確是單側檢驗的α，還是雙側檢驗的α。在同樣大小的α條件下；雙側檢驗要比單側檢驗需要更大的樣本含量。 1.3 提出所期望的檢驗效能power，用1-β表示。β為允許犯Ⅱ類錯誤(「取偽」的錯誤)的概率。檢驗效能就是推斷結論不犯Ⅱ類錯誤的概率1-β稱把握度。即當對比雙方總體參數值間差值確實達到δ以上時，根據抽樣觀測結果在規定的α水準上能正確地作出有差別的推斷結論的可能性。

㈦ Pearson，Kendall和Spearman三種相關分析方法的異同

兩個連續變數間呈線性相關時，使用Pearson積差相關系數，不滿足積差相關分析的適用條件時，使用Spearman秩相關系數來描述.

Spearman相關系數又稱秩相關系數，是利用兩變數的秩次大小作線性相關分析，對原始變數的分布不作要求，屬於非參數統計方法，適用范圍要廣些。對於服從Pearson相關系數的數據亦可計算Spearman相關系數，但統計效能要低一些。Spearman相關系數的計算公式可以完全套用Spearman相關系數計算公式，但公式中的x和y用相應的秩次代替即可。

Kendall's tau-b等級相關系數：用於反映分類變數相關性的指標，適用於兩個分類變數均為有序分類的情況。對相關的有序變數進行非參數相關檢驗； 取值范圍在-1-1之間，此檢驗適合於正方形表格；