Only $35.99/year

BF3

Terms in this set (141)

- I denna tabell har vi kollat på sambandet mellan skostorlek och kejsarsnitt därför att man tror att de har ett samband - att det finns ett "beroende". Om man antar att det finns en linjär trend kan man formulera hypoteserna som:
- H0: p1 = p2 = p3 = p4 = p5 = p6. Med andra ord är nollhypotesen att det är samma risk för kejsarsnitt i alla undersökta sex grupper av skostorlekar.
- H1: Pi = pi-1 + δ. I ord betyder detta att alternativhypotesen är att sannolikheten att få kejsarsnitt för en given skostorlek är samma risk som för skostorleken fast med någon sorts riskminskning/riskökning. Man kan också säga det som att alternativhypotesen är att risken för kejsarsnitt antingen ökar eller minskar med skostorlek.
- När en forskare testade detta med ett Chi-två-test fick han ett p-värde på 0,1 ⇒ inte signifikant. När en tabell är stor därför att man har många kategorier, som i tabellen ovan, är i allmänhet ett Chi-två-test ett ganska svagt test - det krävs stora avvikelser för att kunna förkasta nollhypotesen att de två variablerna är oberoende. Det beror på att testet "försöker fånga upp avvikelser i alla möjliga konstiga riktningar".
- Tittar man på tabellen är den skattade risken för kejsarsnitt 0,23 för de med minst fötter. Därefter minskar risken för kejsarsnitt med ökande skostorlek. Det finns ett test som är anpassat till detta - Chi-två-test av trend men som i SPSS kallas "Linear by Linear Association". Bygger man in vissa samband kan man få bättre antaganden.
- Exempel: LDL vs hormonterapi och statiner
Om man vill titta på så få faktorer som möjligt ska allt annat vara så likt som möjligt.
Man tittar på två dikotoma prediktorer (som båda har två värden, oftast kategoriska) och försöker se hur de påverkar en respons. Det är väldigt vanlig i experiment. I detta exempel är de två dikotoma prediktorerna två olika behandlingar: statiner och/eller hormonterapi. De är dikotoma därför att man kan ha antingen statiner eller ej samt hormonterapi eller ej ⇒ 4 olika behandlingsgrupper.
- Vi kan nedan se att den obehandlade gruppen (ej statiner, ej hormonterapi) till höger har högst medelvärde för LDL. De som får både hormonterapin och statiner får störst effekt med avseende på LDL som vi vill skall minska av behandlingen.
- Man kan sedan titta på differensen av staplarna. Då kan man se att man kan välja att tänka på två sätt:
1. Effekten av statiner hos patienter som inte får hormonterapi kan avläsas genom att jämföra staplarna till höger
2. Effekten av statiner hos patienter som får hormonterapi kan avläsas genom att jämföra staplarna till vänster
- Man kan se att effekten av statiner är större hos de som inte får någon hormonterapi än de som får. Man kan skriva modellen som:
LDL = β0 + β1HT + β2statins
- Man kan dock se i staplarna att detta inte är fallet. LDL-sänkningen är mindre om man fått hormonterapi. Att skillnaden i grupperna av staplarna inte är exakt samma skulle kunna bero på slumpen men om skillnaden mellan staplarna är så stor att den är verklig skulle det innebära att det finns någon sorts interaktion.