Ridit分析：修订间差异

来自决策链云智库
无编辑摘要
无编辑摘要
 
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) 15:21的最新版本

Ridit.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0.2部署
Ridit分析Ridit.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Ridit
功能主类别数据分析
英文缩写Ridit
功能亚类别非参数检验
节点类型数据挖掘
开发语言R
节点简介

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。

端口数量与逻辑控制(PC)
Input-入口4个
Output-出口3个
Loop-支持循环是
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点秩和检验
下一节点符号检验
WikimediaUI-Globe.svg相关网站




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，[1] 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ridit描述了应急表中行i的因变量分布相对于一个identified distribution（例如，因变量的边际分布）的relative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x1, x2,..., xn表示偏好尺度的有序类别。对于每个j，xj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wj是选择xj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xj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xj“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。, June 2011 {{citation}}: Cite has empty unknown parameters: |cat2=, |cat-date2=, |cat3=, and |cat-date3= (help); Missing or empty |title= (help); Unknown parameter |cat-date= ignored (help); Unknown parameter |cat= ignored (help)[citation needed]

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[2] 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

ridit(x, g, ref = NULL)

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

  1. ↑ Bross, Irwin D.J. (1958) "How to Use Ridit Analysis," Biometrics, 14 (1):18-38 模板:JSTOR
  2. ↑ Brockett, Patrick L. and Levine, Arnold (1977) "On a Characterization of Ridits," The Annals of Statistics, 5 (6):1245-1248 模板:JSTOR


查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=Ridit分析&oldid=8450”