analyse-R/comparaisons-moyennes-et-proportions

[utterances-bot]

Comparaisons (moyennes et proportions)

http://larmarange.github.io/analyse-R/comparaisons-moyennes-et-proportions.html

[louiskuhn]

Bonjour,
Je me tourne vers vous j'ai un petit problème technique (théorique même à vrai dire) sur un test de significativité.
J'ai une variable csp et une variable group_contamination à 3 modalités (pas de contamination, contamination avant, contamination après).
Les données sont pondérées donc j'obtiens le X2 et la p-value en faisant:

dw <- svydesign(ids=~1, data=data, weights=~data$wgts)
svychisq(~group_contamination+csp, dw, statistic="Chisq")$.pvalue

Voilà les résultats après une petite mise en forme avec pour chaque cellule : proportion pondérée (effectifs non pondérés)

	contamination avant	contamination pendant	P-Value**
Social Class			0.234
Upper class	8.8 (500)	4.3 (218)
Upper middle class	8.5 (205)	4.4 (98)
Lower middle class	8 (72)	5.4 (42)
Working class	6.9 (66)	5.5 (42)
Health professional	6.2 (30)	7.7 (31)

On me demande de tester la significativité de la différence avant/pendant pour chaque csp, ce qui revient à associer une p-value pour chaque ligne et là je suis un peu perdu...est-ce que vous sauriez m'éclairer ou me dire vers où me tourner ?

ps : ce que j'ai fait mais sans être convaincu théoriquement, c'est tester group_contamination vs une variable binaire pour chaque csp

data$upper <- ifelse(data$csp=="upper class", 1, 0)
dw <- svydesign(ids=~1, data=data, weights=~data$wgts)
svychisq(~group_contamination+upper, dw, statistic="Chisq")$.pvalue

[larmarange]

Il me semble que votre problème se situe sur la manière de formuler correctement votre question, sachant qu'il s'agit de la poser de manière stratifiée (c'est-à-dire séparément pour chaque CSP).

Si votre question est Les personnes se sont-elles plus contaminé avant ou après ?, alors vous ne devriez prendre en compte que les personnes contaminées, regarder la proportion de avant et vous pourriez alors tester si elle est significativement différente de 50%.

Si la question est plus tôt de savoir si le risque de s'infecter était plus élevé avant ou après, alors il faut que preniez en compte qui sont les personnes à risques :

• les personnes qui se sont infectées avant peuvent-elles se réinfecter après ? Si ce n'est pas possible, elle ne sont donc plus à risque après et elles devraient donc être exclues du calcul du taux de contamination après qui lui ne serait alors calculé que sur les personnes exposées au risque après. Vous auriez alors, pour une même CSP, deux taux avec deux numérateurs et deux dénominateurs différents. Vous procéderiez alors à un test de comparaison de deux proportions.
• en toute rigueur, si l'on cherche à comparer un risque d'infection sur deux périodes différentes, alors il faudrait comparer des incidences. Mais pour le calcul d'incidence, vous devez connaitre pour chaque individu la durée de période à risque puisqu'une incidence rapporte un nombre de cas à un nombre de personnes-années. Si vous ne disposez pas de cette information, alors, vous ne pouvez pas vraiment comparer le avant/après. Si la période avant porte sur 6 mois et la période après sur 2 mois, il serait normal qu'il y ait plus de contaminations avant.

[louiskuhn]

Merci beaucoup pour votre réponse très rapide ! Et complète !

[julieduf]

Bonjour, j'ai une question liée à la fonction svychisq et les degrés de liberté produits pour la statistique F.
Mes données sont pondérées avec un cluster (34), une strate (8) et une variable poids. Les degrés de liberté pour l'échantillon pondéré sont de 26 (34-8 = 26).
J'obtiens les résultats de la statistique F ainsi :

pfp <- svydesign(id= ~School, weights=~poids1_final, strata= ~ST, data=pf, nest = TRUE)
svychisq(~sexe+t1lgbtqh, pfp)
svychisq(~fugue+t1lgbtqh, pfp)

Pearson's X^2: Rao & Scott adjustment
data: svychisq(~sexe + t1lgbtqh, pfp)
F = 54.59, ndf = 1, ddf = 26, p-value = 7.599e-08

Pearson's X^2: Rao & Scott adjustment
data: svychisq(~fugue + t1lgbtqh, pfp)
F = 4.7545, ndf = 1.6919, ddf = 43.9885, p-value = 0.01785

Je comprends qu'il y a un numérateur et un dénominateur produits pour les degrés de liberté, mais je ne sais pas quel chiffre présenter dans mes résultats pour indiquer les degrés de libertés de ces analyses de statistique F. Pourriez-vous m'éclairer à ce sujet? Merci!

[larmarange]

Bonjour. Comment est codée la variable fugue ? S'agit-il d'un facteur ?

[julieduf]

Oui, la variable fugue est classé comme factor et est codée en trois catégories 0/1/2. La variable sexe est classé comme factor et est codée en deux catégories 0/1

[julieduf]

Bonjour, j'ai aussi une autre question concernant la fonction svyttest et les degrés de liberté produits. Mes données sont pondérées avec un cluster (34), une strate (8) et une variable poids. Les degrés de liberté pour l'échantillon pondéré sont de 26 (34-8 = 26). Dans la documentation liée à l'extention survey, la formule suivante est indiquer pour le calcul des degrés de liberté pour un test t avec deux échantillons indépendants : degf(design)-2
Donc, selon cette formule, les degrés de liberté que je devrais obtenir sont de 24 (26-2 = 24). Toutefois, j'obtiens un résultat de 25 degrés de liberté. Voici comment j'y parviens :

pfp <- svydesign(id= ~School, weights=~poids1_final, strata= ~ST, data=pf, nest = TRUE)
degf(pfp)
svyttest(t1age~t1lgbtqh, pfp)

degf(pfp)
[1] 26

Design-based t-test
data: t1age ~ t1lgbtqh
t = 3.1736, df = 25, p-value = 0.003964
alternative hypothesis: true difference in mean is not equal to 0
95 percent confidence interval:
0.06680545 0.31380741
sample estimates:
difference in mean
0.1903064

Ma variable définissant les deux groupes indépendants (t1lgbtqh) est de classe 'factor' et est codée 0/1. Auriez-vous une idée pour expliquer le fait que j'obtiens 25 degrés de liberté au lieu de 24 pour mon test t? Merci!

[larmarange]

Vous obtenez le même nombre de degrés de liberté avec la variable sexe ? J'avoue que cela dépasse mes connaissances. Eventuellement, vous pouvez demander de l'aide sur http://stackoverflow.com/