ridit检验

信息技术领域：满意度差异与重视程度的列联表分析

最新推荐文章于 2025-06-25 10:42:57 发布

原创

最新推荐文章于 2025-06-25 10:42:57 发布 · 2.6k 阅读

34 ·

CC 4.0 BY-SA版权

文章标签：

#r语言

本文探讨了外观、功能和共享单车品牌选择中的用户重视程度，通过Ridit检验揭示了非专业人士对相机外观设计（c02和c05）、功能（c11和c12）以及共享单车基础和附加功能的显著差异。电信手机满意度和共享单车基础指标的对比也显示了关键区分点。

knitr::opts_chunk$set(tidy = TRUE, warning = FALSE,message = FALSE)

setwd("C:\\Users\\213yi\\Desktop\\非参数统计\\5-7")
library(showtext) #载入库
library(datarium)
library(xlsx)
library(vcd)
library(foreign)

案例一

数据观察

camera<-read.spss("camera-chisq2.sav")
attach(camera)
#table()函数outlook和function函数可以汇总为二维列联表
ridit_outlook=rbind(table(c01),table(c02),table(c03),table(c04),table(c05))
print(ridit_outlook)

上述的列联表包含5个可测变量，从c01到c05分别表示携带方便、新潮、颜色多样、搭配流行图案、操作简单，这5个方面重视程度的有序分类变量
重视程度从1-5分别增加，从非常不重视到非常重视

#table()函数外观和功能变量可以汇总为二维列联表
ridit_fun=rbind(table(c11),table(c12),table(c13),table(c14),table(c15),table(c16))
print(ridit_fun)

上述的列联表包含6个可测变量，从c11到c16分别表示拍摄、定时、转换、上网等6个方面重视程度的有序分类变量
重视程度从1-5分别增加，从非常不重视到非常重视

ridit函数

ridit.test<-function(x,method="total"){
    #x是传入的列联表
  order.num=ncol(x)
  treat.num=nrow(x)
  row.sum=rowSums(x)#分行求和
  col.sum=colSums(x)#分列求和
  total=sum(row.sum)#总样本量
  N=(col.sum/2)[1:order.num]+c(0,cumsum(col.sum)[1:(order.num-1)])#计算出Nj
  ##哇 我哭啦，1小时的时间花费在究竟是c(0,cumsum(col.sum)[1:(order.num-1)])
  #还是c(0,cumsum(col.sum))[1:(order.num-1)]

  ri=N/total#计算出每个顺序的得分
  p_coni=x/outer(row.sum,rep(1,order.num),'*')#概率阵
  pi=row.sum/total#第i水平的概率
  score=p_coni %*% ri#每个水平的得分
  confi_inter=matrix(c(score-1/sqrt(3*row.sum),score+1/sqrt(3*row.sum)),byrow=FALSE,ncol=2)
  w=12*sum(row.sum*(score-0.5)^2)
  pvalue=pchisq(w,df=treat.num-1,lower.tail = FALSE)
  list(ri=ri,score=score,confi_inter=confi_inter,W=w,Pvalue=pvalue)
}

置信区间可视化

res_outlook=ridit.test(ridit_outlook)
print(res_outlook)
graph_outlook=res_outlook$confi_inter
plot(0,0,ylim=c(0,1),xlim=c(1,5),xlab="",ylab="",main="Ridit value confidence interval (outlook)",col="gray7",xaxt="n")
abline(h=0.5,col="blue")
for (i in 1:nrow(graph_outlook)) lines(c(i,i),graph_outlook[i,],lwd=2)
axis(1,at=c(1,2,3,4,5),labels = c("c01","c02","c03","c04","c05"))

res_fun=ridit.test(ridit_fun)
graph_fun=res_fun$confi_inter
plot(0,0,ylim=c(0,1),xlim=c(1,6),xlab="",ylab="",main="Ridit value confidence interval