Analyse dichotome Wat doet deze test Nulhypothese H0 in woorden Test- Voorwaarden
uitkomstvariabelen statistiek
Mc Nemar toets Toetsen van verschil tussen H0: πΔ = 0 In werkelijkheid in volledige doelpopulatie is het
proporties binnen dezelfde groep verschil tss die 2 proporties v/d gepaarde metingen = 0
(herhaalde metingen) (er is geen verschil in proporties)
z-toets voor proportie Toetsen van verschil in proportie H0: π = π0 De proportie in werkelijkheid in volledige z- Voor gebruik z-verdeling: np en
met standaardwaarde doelpopulatie is gelijk aan de standaardproportie pi 0 distrubutie n(1-p) > 5
Of H0: πΔ = 0 Het verschil in proportie in volledige doelpopulatie en
de standaardwaarde is gelijk aan 0 (er is geen verschil)
Chikwadraattoets Toetsen van verschil tussen 2 H0: π1 = π2 In werkelijkheid in de volledige doelpopulatie is de Chi2- E in 80% v/d cellen 5 en
proporties (2 onafh groepen) – 2x2 proportie in de ene groep gelijk aan de proportie in de distributie overal > 1
kruistabel andere groep (=kwadraat
df = (aantal rijen – 1) x
z-disributie)
(aantal kolommen -1)
Fisher’s exact toets Alternatief chikwadraattoets voor exacte p-waarde (ipv onderschatting p-waarde, overschatting werkelijke associatie bij chikwadraattoets )
Continuïteitstoets (ook alternatief, maar NK)
Chikwadraattoets Toetsen van verschil tss 3 H0: π1 = π2 = π3 In werkelijkheid in volledige doelpopulatie is er geen Chi2- E in 80% v/d cellen 5 en
e e e
proporties (3 onafh groepen) - rxk- verschil tussen proportie in 1 2 3 en ev. nog in andere distributie overal > 1
df = (aantal r-1) x (aantal k-1) kruistabel groep
Trendtoets Enkel trendtoets interessant om te interpreteren als meer dan 3 groepen een ordinale variabele is
p-waarde vooral belangrijk bij linear-by-linear association er is ook een significante trend maw percentage loopt significant op op lineaire manier
Overall association ipv post hoc testen bij anova om gepaarde observaties uit te voeren kan je bij chikwadraat ook zelf gepaarde vergelijkingen maken adhv kruistabel, MAAR opgelet mulitple
toetsingsprobleem! (bv. 3x kans op type I fout correctie uitvoeren op significantieniveau)
Logistische regressie Berekening van relatieve kansen H0: EXP(β1) = 1 In werkelijkheid in volledige doelpopulatie is odds ratio Wald test Voorwaarde OR voor 1 E stijging
dichotome uitkomstvariabele (odds) op dichotome exponentiele functie van regressiecoëfficiënt statistiek in continue variabele Lineair
uitkomstvariabele (relatieve kans) op voorkomen uitkomstvariabele gelijk verband: OR is steeds dezelfde,
transformeren naar continue aan odds op het niet voorkomen van uitkomstvariabele
ongeacht de waarde v/d
normaal verdeelde variabele bv. odds bij rokers = odds bij niet rokers = 1
continue predictor (testen door
natuurlijk logaritme v/d odds
continue predictor te gaan
categoriseren)
Maximum likelihood methode Owv overschatting van relatief risico/odds ratio schattingsmethode om te komen tot schatting regressiecoëfficiënt (volgens method of the least squares)
Schatting v/d regressiecoëfficiënten zo wordt gedaan dat aannemelijkheid (likelihood) van het model zo het grootst mogelijk is
-2 log likelihood waarde zo klein mogelijk zijn, hoe lager, hoe beter gebruiken om modellen te vergelijken via likelihood ratiotoets ( Chi 2-distributie)
Hosmer-lemeshow-toets Test die gaat aangeven in welke H0: het Het predictiemodel fit goed, maw ik ben hier als Chi2-
(goodness-of-fit-test) mate er een goede fit is , een predictiemodel ‘fits’ onderzoeker blij met niet-significante p-waarde, liefst distributie
goede kwaliteit van voorspellend H0 niet verwerpen
(Classificatiemodel kan ook,
model
maar NK)
uitkomstvariabelen statistiek
Mc Nemar toets Toetsen van verschil tussen H0: πΔ = 0 In werkelijkheid in volledige doelpopulatie is het
proporties binnen dezelfde groep verschil tss die 2 proporties v/d gepaarde metingen = 0
(herhaalde metingen) (er is geen verschil in proporties)
z-toets voor proportie Toetsen van verschil in proportie H0: π = π0 De proportie in werkelijkheid in volledige z- Voor gebruik z-verdeling: np en
met standaardwaarde doelpopulatie is gelijk aan de standaardproportie pi 0 distrubutie n(1-p) > 5
Of H0: πΔ = 0 Het verschil in proportie in volledige doelpopulatie en
de standaardwaarde is gelijk aan 0 (er is geen verschil)
Chikwadraattoets Toetsen van verschil tussen 2 H0: π1 = π2 In werkelijkheid in de volledige doelpopulatie is de Chi2- E in 80% v/d cellen 5 en
proporties (2 onafh groepen) – 2x2 proportie in de ene groep gelijk aan de proportie in de distributie overal > 1
kruistabel andere groep (=kwadraat
df = (aantal rijen – 1) x
z-disributie)
(aantal kolommen -1)
Fisher’s exact toets Alternatief chikwadraattoets voor exacte p-waarde (ipv onderschatting p-waarde, overschatting werkelijke associatie bij chikwadraattoets )
Continuïteitstoets (ook alternatief, maar NK)
Chikwadraattoets Toetsen van verschil tss 3 H0: π1 = π2 = π3 In werkelijkheid in volledige doelpopulatie is er geen Chi2- E in 80% v/d cellen 5 en
e e e
proporties (3 onafh groepen) - rxk- verschil tussen proportie in 1 2 3 en ev. nog in andere distributie overal > 1
df = (aantal r-1) x (aantal k-1) kruistabel groep
Trendtoets Enkel trendtoets interessant om te interpreteren als meer dan 3 groepen een ordinale variabele is
p-waarde vooral belangrijk bij linear-by-linear association er is ook een significante trend maw percentage loopt significant op op lineaire manier
Overall association ipv post hoc testen bij anova om gepaarde observaties uit te voeren kan je bij chikwadraat ook zelf gepaarde vergelijkingen maken adhv kruistabel, MAAR opgelet mulitple
toetsingsprobleem! (bv. 3x kans op type I fout correctie uitvoeren op significantieniveau)
Logistische regressie Berekening van relatieve kansen H0: EXP(β1) = 1 In werkelijkheid in volledige doelpopulatie is odds ratio Wald test Voorwaarde OR voor 1 E stijging
dichotome uitkomstvariabele (odds) op dichotome exponentiele functie van regressiecoëfficiënt statistiek in continue variabele Lineair
uitkomstvariabele (relatieve kans) op voorkomen uitkomstvariabele gelijk verband: OR is steeds dezelfde,
transformeren naar continue aan odds op het niet voorkomen van uitkomstvariabele
ongeacht de waarde v/d
normaal verdeelde variabele bv. odds bij rokers = odds bij niet rokers = 1
continue predictor (testen door
natuurlijk logaritme v/d odds
continue predictor te gaan
categoriseren)
Maximum likelihood methode Owv overschatting van relatief risico/odds ratio schattingsmethode om te komen tot schatting regressiecoëfficiënt (volgens method of the least squares)
Schatting v/d regressiecoëfficiënten zo wordt gedaan dat aannemelijkheid (likelihood) van het model zo het grootst mogelijk is
-2 log likelihood waarde zo klein mogelijk zijn, hoe lager, hoe beter gebruiken om modellen te vergelijken via likelihood ratiotoets ( Chi 2-distributie)
Hosmer-lemeshow-toets Test die gaat aangeven in welke H0: het Het predictiemodel fit goed, maw ik ben hier als Chi2-
(goodness-of-fit-test) mate er een goede fit is , een predictiemodel ‘fits’ onderzoeker blij met niet-significante p-waarde, liefst distributie
goede kwaliteit van voorspellend H0 niet verwerpen
(Classificatiemodel kan ook,
model
maar NK)
