Ridit分析

  • 如果希望对定类数据与定量数据的差异性，可使用的方法包括方差分析、t 检验和非参数检验等。在医学上，还有一种非参数检验方法即Ridit分析，其可用于定类数据与定量（等级）数据之间的差异性。比如说两种/多种治疗方式，对于疗效（疗效分为无效、好转、显著好转和控制）的差异性，疗效即为等级数据。此时可使用非参数检验（两组时为MannWhitney检验，多组时为Kruskal-Wallis检验）进行分析，当然也可以使用Ridit分析。

    在医学研究中Ridit分析使用较为广泛。其功能与非参数检验类似，但原理上有着很大的区别，Ridit的原理在于将等级数据‘转化’成连续数据即得到Ridit值，然后对比Ridit值的差异性，‘转化’时涉及两种方式，一种是将“求和”作为参照值，另外一种是将“最大值”作为参照值。一般情况下，如果说某组数数据非常明显的多，则使用“最大值”方式，其它情况下建议使用“求和”方式。

  • 当前研究两种药物（分别是复方江剪刀草与胆麻片）对于慢性气管炎疗效的差异性，共收集3424例数据，如下表格所示【下表中治疗方式中数字1表示复方江剪刀草，数字2表示胆麻片；疗效列中数字1表示无效，数字2表示好转，数字3表示显著好转，数字4表示控制】；明显的可以看到，治疗方式为复方江剪刀草（数字1）的病例明显很多，因此在进行Ridit分析时选择‘最大值’参照组方式更适合。

    治疗方式 疗效 病例(权重)
    1 1 760
    1 2 1870
    1 3 670
    1 4 30
    2 1 9
    2 2 51
    2 3 21
    2 4 13
    • 特别提示

    • 对于Ridit分析，SPSSAU支持两种格式数据，分别是“带权重格式”和“不带权重格式”数据；

    • 进行Ridit分析时，如果是对比两组数据的差异性，则使用z 检验计算p 值；如果对比多组数据的差异性，则使用卡方检验计算p 值；

    • 进行Ridit分析时，等级数据最终会转化成Ridit值，最终差异对比时需要针对Ridit值进行分析具体差异。

Ridit分析案例

  • 1、背景

    当前研究两种药物（分别是复方江剪刀草与胆麻片）对于慢性气管炎疗效的差异性，共收集3424例数据，如下表格所示【下表中治疗方式中数字1表示复方江剪刀草，数字2表示胆麻片；疗效列中数字1表示无效，数字2表示好转，数字3表示显著好转，数字4表示控制】；明显的可以看到，治疗方式为复方江剪刀草（数字1）的病例明显很多，因此在进行Ridit分析时选择‘最大值’参照组方式更适合。

    治疗方式 疗效 病例(权重)
    1 1 760
    1 2 1870
    1 3 670
    1 4 30
    2 1 9
    2 2 51
    2 3 21
    2 4 13

  • 2、理论

    Ridit的原理在于将等级数据‘转化’成连续数据即得到Ridit值，然后对比Ridit值的差异性，‘转化’时涉及两种方式，一种是将“求和”作为参照值，另外一种是将“最大值”作为参照值。一般情况下，如果说某组数数据非常明显的多，则使用“最大值”方式，其它情况下建议使用“求和”方式。

  • 3、操作

    本例子使用‘带权重数据格式’进行分析，将‘权重’项放入对应框中即可，操作截图如下：

  • 4、SPSSAU输出结果

    SPSSAU共输出一个表格，包括Ridit值，Ridit值的95%区间，以及当前对比两组的差异，因此进行z 检验，SPSSAU会输出z 值和p 值，如下表：

    Ridit分析结果
    组别 平均Ridit值 95% CI(LL) 95% CI(UL) z p
    1.0 0.500 0.490 0.510 -4.097 0.000**
    2.0 0.624 0.565 0.682
    * p <0.05 ** p <0.01 组别中数字1表示复方江剪刀草，数字2表示胆麻片

  • 5、文字分析

    Ridit分析结果
    组别 平均Ridit值 95% CI(LL) 95% CI(UL) z p
    1.0 0.500 0.490 0.510 -4.097 0.000**
    2.0 0.624 0.565 0.682
    * p <0.05 ** p <0.01 组别中数字1表示复方江剪刀草，数字2表示胆麻片

    从上表可知，利用Ridit分析去研究治疗方式对疗效的差异性，从上表可以看出：治疗方式对于疗效呈现出显著性(z =-4.097, p =0.000 <0.05)，意味着不同治疗方式组别对于疗效呈现出差异性。具体分析可知：2.0的平均Ridit值(0.624)会明显高于1.0的平均Ridit值(0.500)。除此之外，还可以结合箱线图对比差异性，如下图：

    上图可以明显的看出，组别1的平均Ridit值，明显低于组别2的平均Ridit值。【可通过设置数据标签，让数字显示成标签信息】

  • 6、剖析

    涉及以下几个关键点，分别如下：

    • 对于Ridit分析，SPSSAU支持两种格式数据，分别是“带权重格式”和“不带权重格式”数据；

    • 进行Ridit分析时，如果是对比两组数据的差异性，则使用z 检验计算p 值；如果对比多组数据的差异性，则使用卡方检验计算p 值；

    • 进行Ridit分析时，等级数据最终会转化成Ridit值，最终差异对比时需要针对Ridit值进行分析具体差异。

    关于‘加权数据格式’的详细说明参考：https://www.spssau.com/helps/otherdocuments/dataformat.html

  • 7、疑难解惑

    • SPSSAU对Ridit进行事后多重比较？

    • 如果需要Ridit分析时进行多重比较，建议可使用‘筛选样本’功能，比如筛选出1和2进行一次分析，然后筛选出1和3，以及2和3，然后再进行分析，最终对结果进行汇总整理即可。与此同时可考虑使用“Bonferroni校正法”[此法较为保守]，即本身以p 值小于0.05作为标准，多重比较时以0.05/比较次数=0.017（本例中为3）作为标准进行判断是否有着显著性差异。