在許多醫學研究中，所收集到反應變數的資料爲有序型態(ordinal data)；例如評估某種疾病嚴重度, 0, 1, 2, 3, 4此即爲典型的有序資料----也就是說，數字本身除了區分嚴重度的不同類別外，數字的大小還具有程度上的差異。針對此種資料，當成連續型資料來分析並不合適，而使用類別型資料常用的卡方檢定則無法兼顧到有序資料的所有特性，所以常見的分析方式爲無母數的Kruskal-Wallis H test。而Bross在1958年提出了另一個方式：計算Ridit score來分析。其想法爲先找一較大的資料爲標準母體，計算出ridit score(爲0~1之間的數字，代表位於某一等級的累積機率)，再將算出的ridit score取代原先的各組的有序資料來進行傳統的連續型資料分析；換句話說，將原先的有序資料轉換爲連續資料，再進行像各組平均值比較(t test, ANOVA)等方法。
所以，由上述可了解，參照特定分佈單位分析(Ridit analysis)的好處在於可以使用傳統連續型資料的分析方法，而不破壞原始有序資料的特性。在適用的統計軟體部份，常見的軟體SAS, SPSS, STATA, R等皆可進行Ridit score的運算。
Reference
Bross, I.D.J. "How to Use Ridit Analysis", Biometrics 14, 1958, pp.18-38.
文章標籤
全站熱搜
留言列表
