[R-br] Análise de amostra pequena

[Elias Carvalho]

Prezados

Tenho uma amostra pequena com apenas 17 registros, e 7 variáveis
dicotômicas, cujo resumo é:

 A      B      C      D      E      F      G
 0: 7   0:10   0: 6   0:11   0: 2   0: 1   0:15
 1:10   1: 7   1:11   1: 6   1:15   1:16   1: 2


A variável G seria meu desfecho e o resto possíveis preditores


Para veficiar a associação entre o desfecho e as outras
variáveisexecutei o teste exato de fisher por ser uma amostra pequena,
mas o resutados mostraram que o desfecho não depende de nenhuma
variável:


> fisher.test(data.to.work$G, data.to.work$A)
	Fisher's Exact Test for Count Data

data:  data.to.work$G and data.to.work$A
p-value = 0.4853
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.1311443       Inf
sample estimates:
odds ratio
       Inf
> fisher.test(data.to.work$G, data.to.work$B)
	Fisher's Exact Test for Count Data

data:  data.to.work$G and data.to.work$B
p-value = 0.4853
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.000000 7.625189
sample estimates:
odds ratio
         0
> fisher.test(data.to.work$G, data.to.work$C)
	Fisher's Exact Test for Count Data

data:  data.to.work$G and data.to.work$C
p-value = 0.5147
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.1003871       Inf
sample estimates:
odds ratio
       Inf
> fisher.test(data.to.work$G, data.to.work$D)
	Fisher's Exact Test for Count Data

data:  data.to.work$G and data.to.work$D
p-value = 0.5147
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.00000 9.96144
sample estimates:
odds ratio
         0
> fisher.test(data.to.work$G, data.to.work$E)
	Fisher's Exact Test for Count Data

data:  data.to.work$G and data.to.work$E
p-value = 1
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.01971228        Inf
sample estimates:
odds ratio
       Inf
> fisher.test(data.to.work$G, data.to.work$F)
	Fisher's Exact Test for Count Data

data:  data.to.work$G and data.to.work$F
p-value = 1
alternative hypothesis: true odds ratio is not equal to 1
95 percent confidence interval:
 0.003434375         Inf
sample estimates:
odds ratio

       Inf


Em seguida calculei o V de Cramer, Coeficiente de Contingência e phi e
todos mostram independência e associação fraca.


summary(assocstats(tab_cont_G_A)) # Resultado: # X^2 df P(> X^2) #
Likelihood Ratio 2.3071 1 0.12878 # P-Valor > 0.05 - independentes #
Pearson 1.5867 1 0.20780 # P-Valor > 0.05 - independentes # #
Phi-Coefficient : 0.306 # Coef de Phi - Associação fraca # Contingency
Coeff.: 0.292 # Coef de Cont - Associação fraca # Cramer's V : 0.306 # V de
Crammer - Associação fraca

 Pelo que pesquisei este seriam os métodos mais adequados para este
tipo de análise


Há um método melhor para avaliar esse tipo de dado?




-- 


*In Jesu et Maria*
*Obrigado*
*Prof. Elias Carvalho*

*"Felix, qui potuit rerum cognoscere causas" (Virgil 29 BC)"Blessed is he
who has been able to understand the cause of things"*
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20180710/5b7a90ad/attachment.html>