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。