Ridit分析 - 版本历史

2024年1月23日 (二) 07:21 RainW

2024-01-23T07:21:07Z

←上一版本		2024年1月23日 (二) 15:21的版本
第30行：		第30行：
	在[[统计学]]中，'''ridit评分'''是一种用于分析有序定性测量的统计方法。ridit分析的工具由Bross开发并首次应用，<ref>Bross, Irwin D.J. (1958) "How to Use Ridit Analysis," ''Biometrics'', 14 (1):18-38 {{JSTOR\|2527727}}</ref> 他通过类比[[probit]]和[[logit]]等其他统计变换创造了"ridit"这一术语。一个<u>''ridit''</u>描述了应急表中行''i''的因变量分布相对于一个<u>''i''</u>dentified <u>''d''</u>istribution（例如，因变量的边际分布）的<u>''r''</u>elative比较。		在[[统计学]]中，'''ridit评分'''是一种用于分析有序定性测量的统计方法。ridit分析的工具由Bross开发并首次应用，<ref>Bross, Irwin D.J. (1958) "How to Use Ridit Analysis," ''Biometrics'', 14 (1):18-38 {{JSTOR\|2527727}}</ref> 他通过类比[[probit]]和[[logit]]等其他统计变换创造了"ridit"这一术语。一个<u>''ridit''</u>描述了应急表中行''i''的因变量分布相对于一个<u>''i''</u>dentified <u>''d''</u>istribution（例如，因变量的边际分布）的<u>''r''</u>elative比较。

	==ridit评分的计算==		=='''ridit评分的计算'''==

	===选择参考数据集===		===选择参考数据集===
第48行：		第48行：
	更正式地说，对于每个[math]1\le j\le n[/math]，值''w<sub>j</sub>''是选择''x<sub>j</sub>''的ridit评分。		更正式地说，对于每个[math]1\le j\le n[/math]，值''w<sub>j</sub>''是选择''x<sub>j</sub>''的ridit评分。

	==解释和示例==		=='''解释和示例'''==
	直观上，ridit评分可以理解为[[百分位等级]]的修改概念。对于任何j，如果''x<sub>j</sub>''的ridit评分低（接近0），可以得出结论		直观上，ridit评分可以理解为[[百分位等级]]的修改概念。对于任何j，如果''x<sub>j</sub>''的ridit评分低（接近0），可以得出结论
	:[math]\sum_{k<j}{Prob(x_k)}[/math]		:[math]\sum_{k<j}{Prob(x_k)}[/math]
	非常小，这意味着很少有回应者选择了比''x<sub>j</sub>''“更低”的类别。		非常小，这意味着很少有回应者选择了比''x<sub>j</sub>''“更低”的类别。

	==应用==		=='''应用'''==
	ridit评分主要应用于[[健康科学]](包括护理和[[流行病学]])和计量经济学偏好研究。{{Citation needed\|date=June 2011}}		ridit评分主要应用于[[健康科学]](包括护理和[[流行病学]])和计量经济学偏好研究。{{Citation needed\|date=June 2011}}

	==数学方法==		=='''数学方法'''==
	除了直观吸引外，ridit评分的推导也可以通过数学上严谨的方法得出。Brockett和Levine<ref>Brockett, Patrick L. and Levine, Arnold (1977) "On a Characterization of Ridits," ''The Annals of Statistics'', 5 (6):1245-1248 {{JSTOR\|2958658}}</ref> 基于几个直观上无争议的数学公理，提出了上述ridit评分方程的推导。		除了直观吸引外，ridit评分的推导也可以通过数学上严谨的方法得出。Brockett和Levine<ref>Brockett, Patrick L. and Levine, Arnold (1977) "On a Characterization of Ridits," ''The Annals of Statistics'', 5 (6):1245-1248 {{JSTOR\|2958658}}</ref> 基于几个直观上无争议的数学公理，提出了上述ridit评分方程的推导。

2024年1月23日 (二) 07:17 RainW

2024-01-23T07:17:43Z

←上一版本		2024年1月23日 (二) 15:17的版本
第28行：		第28行：
	}}		}}

			在[[统计学]]中，'''ridit评分'''是一种用于分析有序定性测量的统计方法。ridit分析的工具由Bross开发并首次应用，<ref>Bross, Irwin D.J. (1958) "How to Use Ridit Analysis," ''Biometrics'', 14 (1):18-38 {{JSTOR\|2527727}}</ref> 他通过类比[[probit]]和[[logit]]等其他统计变换创造了"ridit"这一术语。一个<u>''ridit''</u>描述了应急表中行''i''的因变量分布相对于一个<u>''i''</u>dentified <u>''d''</u>istribution（例如，因变量的边际分布）的<u>''r''</u>elative比较。

			==ridit评分的计算==

			===选择参考数据集===
			由于ridit评分用于比较两个或多个有序定性数据集，因此会指定一个数据集作为参考，以便与其他数据集进行比较。例如，在计量经济学研究中，经常使用衡量竞争产品或历史重要产品的口味调查答案的ridit评分作为参考数据集，以此与新产品的口味调查进行比较。如果没有方便的参考数据集，可以使用从几个数据集中累积的汇总数据，甚至可以使用人工或假设的数据集。

			===确定概率函数===
			选择参考数据集后，必须将参考数据集转换为概率函数。为此，设''x<sub>1</sub>'', ''x<sub>2</sub>'',..., ''x<sub>n</sub>''表示偏好尺度的有序类别。对于每个''j''，''x<sub>j</sub>''代表一个选择或判断。然后，让概率函数''p''根据参考数据集定义为

			:[math]p_j=Prob({x_j}).[/math]

			===确定ridits===
			然后可以轻松计算出参考数据集的ridit评分，或简称ridits，

			:[math]w_j=0.5p_j+\sum_{k<j}{p_k}.[/math]

			随后将参考数据集的每个类别与一个ridit评分相关联。
			更正式地说，对于每个[math]1\le j\le n[/math]，值''w<sub>j</sub>''是选择''x<sub>j</sub>''的ridit评分。

			==解释和示例==
			直观上，ridit评分可以理解为[[百分位等级]]的修改概念。对于任何j，如果''x<sub>j</sub>''的ridit评分低（接近0），可以得出结论
			:[math]\sum_{k<j}{Prob(x_k)}[/math]
			非常小，这意味着很少有回应者选择了比''x<sub>j</sub>''“更低”的类别。

			==应用==
			ridit评分主要应用于[[健康科学]](包括护理和[[流行病学]])和计量经济学偏好研究。{{Citation needed\|date=June 2011}}

			==数学方法==
			除了直观吸引外，ridit评分的推导也可以通过数学上严谨的方法得出。Brockett和Levine<ref>Brockett, Patrick L. and Levine, Arnold (1977) "On a Characterization of Ridits," ''The Annals of Statistics'', 5 (6):1245-1248 {{JSTOR\|2958658}}</ref> 基于几个直观上无争议的数学公理，提出了上述ridit评分方程的推导。


			== '''节点使用的R语言示例代码''' ==
			=== Ridit分析 ===
			<syntaxhighlight lang="R">

			ridit(x, g, ref = NULL)

			</syntaxhighlight>
			方法参见'''R package: Ridit'''的官方文档

			== '''节点使用指南''' ==
			* 用于处理和解释顺序数据（比如调查问卷的回答，它们通常是按顺序排列的，如"非常不满意"、"不满意"、"中立"、"满意"和"非常满意"）
			* 是一种在非参数统计中用于分析定序数据（ordinal data）的方法。定序数据是指数据的值之间存在顺序或等级
			* 使用Ridit分数来比较不同群体或条件下的响应分布。
			* 可以比较两个群体在每个响应等级上的Ridit分数，以及它们的平均Ridit分数。

			=== 方法选择 ===
			* 无方法选择

			=== 参数配置 ===
			* 分组变量：选择分类型分组变量
			* 统计变量：选择一个或多个连续型数值变量，每个变量与分组变量做一次Ridit分析
			* 筛选阈值：选择需要的P值阈值，节点会自动将满足阈值的变量筛选出，数据集也会同步筛选出满足的变量。
			* 分组变量和统计变量要规避复用
			* 此算法兼容空值

			=== 注意事项 ===
			* 确保数据是顺序的，并且每个可能的响应都已经被记录。

			== '''引用''' ==
			{{Reflist}}

2024年1月19日 (五) 11:02 Zeroclanzhang

2024-01-19T11:02:43Z

←上一版本		2024年1月19日 (五) 19:02的版本
第7行：		第7行：
	\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用		\|productionstate={{图标文件\|Win}} / {{图标文件\|W10}} Win10及以上可用
	\|productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0\|V1.0.2]]部署		\|productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0\|V1.0.2]]部署
	\|nodeenglishname=~~[[Has english name::~~Ridit]]		\|nodeenglishname=Ridit
	\|abbreviation=~~[[Has abbreviation::~~Ridit]]		\|abbreviation=Ridit
	\|funcmaincategory=数据分析		\|funcmaincategory=数据分析
	\|funcsubcategory=[[DataAGM Lv1 Cat::非参数检验 ]]		\|funcsubcategory=[[DataAGM Lv1 Cat::非参数检验 ]]
第24行：		第24行：
	\|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■		\|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
	\|statsapewikiurl=https://wiki.statsape.com/Ridit分析		\|statsapewikiurl=https://wiki.statsape.com/Ridit分析
	\|previousnode=[[~~Friedman检验~~]]		\|previousnode=[[秩和检验]]
	\|nextnode=[[符号检验]]		\|nextnode=[[符号检验]]
	}}		}}

Zeroclanzhang：创建页面，内容为“{{Infobox nodebasic |nodename=Ridit分析 |nodeimage=Ridit.png |icon=Ridit.svg |simpleicon=Ridit_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has english name::Ridit |abbreviation=Has abbreviation::Ridit |funcmaincategory=数据分析 |funcsubcategory=DataAGM Lv1 Cat::非参数检验 |nodecate…”

2024-01-18T14:07:46Z

创建页面，内容为“{{Infobox nodebasic |nodename=Ridit分析 |nodeimage=Ridit.png |icon=Ridit.svg |simpleicon=Ridit_Pure.svg |developer=Dev.Team-DPS |productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用 |productionstatedesc=在V1.0.2部署 |nodeenglishname=Has english name::Ridit |abbreviation=Has abbreviation::Ridit |funcmaincategory=数据分析 |funcsubcategory=DataAGM Lv1 Cat::非参数检验 |nodecate…”

新页面

{{Infobox nodebasic
|nodename=Ridit分析
|nodeimage=Ridit.png
|icon=Ridit.svg
|simpleicon=Ridit_Pure.svg
|developer=Dev.Team-DPS
|productionstate={{图标文件|Win}} / {{图标文件|W10}} Win10及以上可用
|productionstatedesc=在[[Update:DecisionLinnc 1.0.2.0|V1.0.2]]部署
|nodeenglishname=[[Has english name::Ridit]]
|abbreviation=[[Has abbreviation::Ridit]]
|funcmaincategory=数据分析
|funcsubcategory=[[DataAGM Lv1 Cat::非参数检验 ]]
|nodecategory=数据挖掘
|nodeinterpretor=R
|nodeshortdescription=Ridit分析是非参数检验方法之一。用于按等级分组资料的比较和检验差别的显著性。Ridit分析的步骤是选观察人数较多、数据比较稳定的组作为标准组，计算各等级所相应的Ridit值R。计算标准组的平均Ridit值标准组的Ridit值。样本总体不受分布限制，可以不满足正态分布。用途：用于对有序分类数据进行分析。常用于比较两个或多个有序分类变量之间的差异。参数：选择连续型数值变量和分类分组变量。
|nodeinputnumber=4
|nodeoutputnumber=3
|nodeloopsupport=是
|nodeifswitchsupport=否
|nodeavailableplotlist=Rain_Cloud
|nodeavailabletablelist=Chi-Square;df;P-Value;Mean
|nodeconfiguration=VariableList;DropMenu
|nodeinputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|nodeoutputports=WorkFlow-Control ➤;Transfer-Variable ◆;Transfer-Table ■
|statsapewikiurl=https://wiki.statsape.com/Ridit分析
|previousnode=[[Friedman检验]]
|nextnode=[[符号检验]]
}}

{{Navplate AlgorithmNodeList}}

[[Category:非参数检验]]