Friedman M检验平均秩的多重比较在SAS软件的实现

对于随机区组设计资料不满足方差分析的条件时,可使用基于秩的非参数检验。统计软件SPSS18.0及其更高版本已经提供了通过菜单操作实现Friedman M检验平均秩的多重比较功能[1],但SPSS提供的多重比较方法对P值进行了校正,虽降低了犯Ⅰ类错误的概率,但当处理组数较多时,检验结果偏保守。

核主成分-k近邻算法在心脏疾病分类中的应用研究

目的基于核主成分与k近邻算法提出了心脏疾病分类的KPCA-KNN方法,以便更准确地掌握病人的病情。方法通过Q-Q图检验核变换后的数据是否服从多元正态分布,其中核参数采用非参数统计检验——Friedman检验方法进行优化选取,进一步发现在同一种分类方法中,分类正确率对于核参数的选取具有鲁棒性。结果所使用的数据是高维非线性数据,为了避免出现维数灾难和过拟合的现象,使用核主成分方法来减少数据维数,去除非线性因素的影响,通过k近邻算法判断病人是否患有心脏病。该方法在UCI数据库的SPECIF数据上进行了测试。结论核主成分在降维和分类方面表现良好,分类准确率比原始的CLIP3算法提高了15%。与主成分相比,对于非线性数据的分类效果更为优越。在处理心脏疾病数据这一类非线性分类问题时,KPCA-KNN方法使得解决问题又多了一条有效的途径。

2017~2019年中国产品伤害的伤患特征分析

本文采用单因素方差分析的方法研究各因素不同水平之间差异的显著性,Bartlett检验方法检验诸水平的方差齐性;对不满足方差齐性的数据,采用Friedman秩和检验的方法进行方差分析,Wilcoxon秩检验进行不同水平之间的多重比较分析,发现产品伤害在伤患的不同性别、年龄、职业间存在差异,市场监管策略、伤害危险预警、伤害干预应紧密结合伤患的不同特征,增强相关政策的针对性和有效性,以取得更好的政策效果。