Оценка достоверности разницы статистических величин

При проведении медико-биологических исследований на двух срав­ниваемых совокупностях возникает необходимость определить не только их различие, но и его достоверность.

Для оценки достоверности различия сравниваемых средних вели­чин используется формула:

,а для относительных величин: ,

где Μ₁, Μ₂, P₁ и P₂ - статистические величины, полученные при проведении выборочных исследований: m₁ и m₂ - их ошибки репрезен­тативности; t - коэффициент достоверности. Различие достоверно при t>2. что соответствует вероятности безошибочного прогноза равной или более 95%. При величине коэффициента достоверности t<2 степень вероятности безошибочного прогноза менее 95%. При такой степени вероятности мы не можем утверждать, что полученная раз­ность показателей достоверна с достаточной степенью вероятности. В этом случае необходимо получить дополнительные данные, увели­чив число наблюдений. Если после увеличения численности выборки, и. соответственно, уменьшения ошибки репрезентативности, разли­чие продолжает оставаться недостоверным, можно считать доказан­ным, что между сравниваемыми совокупностями не обнаружено разли­чий по изучаемому признаку.

В качестве примера сопоставим уровни общей летальности в двух больницах:

	Больница N1	Больница N2
Количество лечившихся больных	4350 чел.	6780 чел.
Из них умерло	261 чел.	135 чел.
Летальность	6.0% (Р1)	2.0% (P2)

а) рассчитываем средние ошибки показателей летальности (Р₁ и Р₂).

б) вычисляем критерий достоверности t:

Рассчитанный критерий достоверности равен 10, он больше 2, что указывает на существенную разницу уровней летальности в сравни­ваемых больницах.

Корреляционный анализ

Многие явления в медицине, так же, как в природе и обществе, взаимосвязаны между собой. При проведении статистического иссле­дования часто возникает необходимость проанализировать выявлен­ные связи между различными явлениями и дать обобщающую характе­ристику. Различают 2 Формы проявления связей между явлениями: функциональную и корреляционную.

Функциональная связь означает строгую зависимость одного приз­нака от другого, когда определенному значению одной величины соответствует стр о г о определенное значение другой. Например, ра­диусу круга соответствует определенная площадь круга; скорость свободно падающего тела определяется величиной ускорения, силы тяжести и времени падения. Функциональная связь характерна для физико-химических процессов.

Корреляционная связь - это такая связь, когда изменение како­го-либо одного признака ведет к изменению другого, но на неопре­деленное значение.

Врачи и биологи хорошо знакомы с этим видом связи. Корреля­ционная связь проявляется между ростом детей и их родителей, мас­сой тела и ростом, числом эритроцитов и содержанием гемоглобина, дозой зараженного агента и летальностью животных и т.д.

Корреляционная зависимость отличается по форме, направлению и силе связи.

По форме корреляционная связь может быть прямолинейной и кри­волинейной. Прямолинейная связь - равномерные изменения одного признака соответствуют равномерным изменениям второго признака при незначительных отклонениях. Криволинейная связь - равномер­ные изменения одного признака, соответствуют неравномерным изме­нениям второго признака, причем неравномерность имеет определенную закономерность. Общая тенденция в определенном моменте изме­няет свое направление, дает изгиб.

Направление связи может быть прямое (положительное) или обрат­ное (отрицательное).

Прям а я связь - если с увеличением одного признака второй так­же увеличивается или с уменьшением одного признака другой тоже уменьшается. Например, с увеличением роста увеличивается масса тела, с уменьшением заболеваемости уменьшается смертность. Обрат­н а я связь - когда с увеличение одного признака, другой, корреля­ционно связанный с ним признак, уменьшается. Например, с увеличе­нием охвата прививками уменьшается заболеваемость инфекционными болезнями, с увеличением санитарной грамотности и образованием матери уменьшается младенческая смертность.

Под силой связи следует понимать степень корреляции.

Таблица 7

Критерии оценки коэффициента корреляции

СТЕПЕНЬ СВЯЗИ	Величина коэффициента корреляции
при прямой	при обратной
Малая (слабая)	от 0 до +0.3	от 0 до -0.3
Средняя (умеренная)	от 0.3 до +0.69	от -0.3 до -0.69
Большая (сильная)	от 0.7 до +0.99	от -0.7 до -0.99
Функциональная	+1	-1

Измерение силы связи осуществляется путем вычисления коэффи­циента корреляции. Рассмотрим два способа расчета коэффициента корреляции.

I. Парный коэффициент корреляции рядов (r_ху) вычисляется по фор­муле:

Рассмотрим на примере методику расчета коэффициента корреляции этим методом (Таблица 8).

Таблица 8

Показатели	Отклонения		Квадрат отклонения
железа в г%, VX	гемогло­бина в %, Vy	dx	dy	dx*dy	dx^2	dy^2
		- 4	-4
		- 4	-3
		-3	-1
		-2	-1
		-1		-1

При сопоставлении показателей содержания железа и гемоглобина в крови отмечается увеличение уровня гемоглобина с ростом коли­чества железа. Следует определить степень связи между этими пока­зателями и достоверность полученного результата.

Вычисления проводятся по следующему алгоритму: 1) Вычисляем средние арифметические рядов X и Y:

2) Определяем отклонения вариант каждого ряда от своей средней (d_x и d_у): смотри графы 3 и 4 в Таблице 3.

3) Находим произведение d_x*d_y: смотри графу 5 в Таблице 8. Полу­ченные значения суммируются с учетом знаков.

4) Возводим в квадрат d_x и d_y и суммируем полученные значения: смотри графы 6 и 7 в Таблице 8.

5) Вычисляем коэффициент корреляции:

Вывод: Отмечается очень сильная корреляционная связь между содер­жанием в крови железа и гемоглобина.

Для оценки достоверности коэффициента корреляции вычисляется его средняя ошибка:

- при числе наблюдений более 100;

- при числе наблюдений от 30 до 100;

- при числе наблюдений менее 30.

В рассматриваемом нами примере следует использовать последнюю формулу, поскольку число наблюдений равно 9:

Для оценки величины полученной ошибки следует использовать критерий достоверности (t).

При числе наблюдений более 30 коэффициент корреляции достове­рен, если критерий t больше или равен 3. При числе наблюдений ме­нее 30 критерий t оценивается по специальной.

В рассматриваемом нами примере

Это больше табличного значения, что подтверждает достовер­ность выявленной сильной связи и взаимозависимости анализируемых явлений.

II. Ранговый коэффициент корреляции (ρ) относится к непараметри­ческим критериям и предложен Спирменом. Он используется при необ­ходимости получения быстрого результата и основан на определении ранга (места) каждого из значений ряда.

Для вычисления рангового коэффициента корреляции используется следующая формула:

Рассмотрим методику вычисления рангового коэффициента корреля­ции на следующем примере (Таблица 9).

Таблица 9.

Годы	Число травм на 100 рабо­чих	Число гнойнич­ковых заболе­ваний на 100 ра­бочих	Ранги	dxy	d^2xy
х	у
	5.0	4.0			-1
	6.1	3.5			+1
	9.0	4.8			+1
	8.6	5.5			-1
	7.4	4.2

При сопоставлении частоты травматизма и распространенности гнойничковых заболеваний среди рабочих промышленного предприятия отмечается рост гнойничковых заболеваний с увеличением травматиз­ма. Следует определить степень связи между этими показателями и достоверность полученного результата.

Вычисления проводятся по следующему алгоритму:

1) Определяем ранги по значению каждой величины ряда. Важно соот­ветствие. Если первый ряд ранжируется от меньшего значения к большему, то второй ряд следует ранжировать в том же порядке.

2) Отмечаем отклонение значимости рангов первого ряда от второ­го (d_xy): смотри графу 6 в таблице 9. Они в сумме с учетом зна­ков равны нулю.

3) Возводим в квадрат полученные отклонения и суммируем их. В на­шем примере d²_xy = 4: смотри графу 7 в таблице 9.

4) Рассчитываем ранговый коэффициент корреляции:

Вывод: Корреляция прямая, высокая. Между травматизмом и частотой гнойничковых заболеваний на предприятии существует тесная связь.

Оценка достоверности полученного рангового коэффициента корре­ляции выполняется по методике, которая была разобрана для коэффи­циента корреляции рядов.

Регрессионный анализ

Прямолинейная корреляция отличается тем, что при этой Форме связи каждому значению одного признака соответствует определенное в среднем значение другого признака.

Та величина, на которую в среднем изменяется второй признак при изменении первого на единицу, называется коэффициентом рег­рессии.

Для расчета коэффициента регрессии используется следующая фор­мула:

Рассмотрим методику расчета коэффициента регрессии на примере.

При анализе физического развития 7-летних мальчиков были полу­чены следующие средние значения роста (X) и массы тела (У):

X = 118.4 см	х = +/-6.0 см
У = 24.0 кг	у = +/-2.6 кг

Коэффициент корреляции между весом и ростом составил +0.7. Расчет коэффициента регрессии выполняется по формуле:

Следовательно, с изменением роста 7-летних мальчиков на 1 см. масса тела в среднем изменяется на 0.3 кг.

С помощью коэффициента регрессии без специальных измерений можно определить величину одного из признаков (например, массы тела), зная значение другого (роста). С этой целью используется ур а внени е лине й ной регрессии:

у = M_y + R_xy(х - М_х),

где у - искомая величина массы тела;

M_y - среднее значение массы тела, характерное для данного

возраста;

R_xy - коэффициент регрессии массы тела по росту;

х - известная величина роста;

М_х - средне значение роста.

Определим, какова будет масса тела 7-летнего мальчика при рос­те 120 см.

у = М_y + R_xy(х - М_х) = 24 + 0.3(120 - 118) = 24.6 кг

Коэффициенты регрессии и уравнения регрессии широко применяют­ся для составления шкал регрессии, которые используются при инди­видуальной оценке физического развития.

Дата добавления: 2014-12-24