医学统计模型
Ridit分析
把有序等级落在参照分布的累积轴上，比较各组相对位置，而不把「无效 / 好转 / 显效」当成 1、2、3 分。
这篇能回答什么
Ridit（Relative to an Identified Distribution）回答的是：「在一条有序结局上，某组相对参照分布偏高还是偏低」。它给每个等级一个 0–1 之间的 Ridit：低于该等级的比例，加上本等级一半。组平均 Ridit 大于 0.5，表示该组比参照更常落在较高等级；小于 0.5 则相反。等级之间不必等距。
适合：无效 / 好转 / 显效 / 痊愈、疼痛轻中重、问卷里就读年级三档当作有序结局、李克特有序选项的组间位置。无序的名义变量（渠道、品牌）没有「高低」，应回卡方检验。只关心独立多组秩位置、不需要参照分布时，Kruskal-Wallis 检验更常见。
什么时候不该用
把有序疗效编码成 1、2、3 再跑单因素方差分析，等于假装「好转到显效」的距离等于「无效到好转」。连续等距的成绩、剂量用 ANOVA 或 t。两组有序且只想做非参数位置检验，也可用Mann-Whitney U 检验。二分类有效/无效用卡方或 Logistic，不必上 Ridit。
如何选择方法
结局有没有顺序？没有 → 卡方。有顺序且你承认等距、残差也像正态 → ANOVA。有顺序但不承认等距、并想相对「全体或对照组」说话 → Ridit。只要各组秩和、不要参照累积轴 → Kruskal-Wallis。两组连续或有序位置 → Mann-Whitney。
Ridit分析：有序结局 + 定类分组；平均 Ridit 相对参照分布。
单因素方差分析：定量、近似等距、关心均值。
Kruskal-Wallis 检验：独立多组的秩位置，不构造 Ridit。
Mann-Whitney U 检验：恰好两组时的秩和检验。
输入、输出与限制
输入
一列有序定类结局（等级从低到高编码），一列定类分组。工作台在「分析变量」勾选字段；教学截图里的性别、年级、办学性质可以演示：把年级当作有序结局、性别或办学性质当作分组。参照分布默认可取合计样本，或单独指定对照组。
分析变量：最少 1 个，界面上限 20 个；Ridit 至少需要有序结局，分组用于比较。
等级方向：必须事先约定哪一端是「更好」或「更重」，编反了只翻转解释。
输出
教学表给出三个有序等级的人数与占比，以及有效 N。完整运行还应给出各等级 Ridit、各组平均 Ridit 及与 0.5（或对照）的比较。箱线图若把等级画成「观测值」，只是探索图形，不是 Ridit 本身。
产品限制
界面不单独标注「参照组」时，默认参照往往是合计分布，需在论文里写明。
无序多分类被当成有序会得到无意义的累积轴。
等级只有两类时，Ridit 不会比四格表更有信息。
箱线中位数差不能代替平均 Ridit。
案例
研究问题。 一份有序结局（教学上把类别 A / B / C 读成无效 / 好转 / 显效，或年级从低到高）要比较不同组别的位置。研究者怀疑等级不是等距的，不想把 A=1、B=2、C=3 丢进 ANOVA。
教学口径：等级 A（较低）49 人（14.04%），B（中间）77 人（22.06%），C（较高）223 人（63.9%），合计 349。C 占六成以上，参照若取合计，高等级会把累积轴拉向 C。下载学生问卷后，可将就读年级视为有序结局、学生性别或办学性质视为分组，走通操作；本页人数是 Ridit 教学口径。
在 StatsX 中操作
步骤 1 · 上传表格
打开工作台，将 Excel / CSV / JSON 拖入上传区。本案例使用学生问卷 xlsx，确认工作表为「有效样本数据」。单文件不超过 20 MB。
步骤 2 · 查看画像与质量
确认结局列是有序定类（年级三档或量表等级），分组是定类。连续成绩若只是「看起来有序」，应先决定是否真的要放弃等距假设。
步骤 3 · 选择「Ridit分析」
在算法目录搜索 Ridit，点选 Ridit分析。标记为「可用」即可运行；它不是 ANOVA 的自动替身。
步骤 4 · 指定变量并运行
分析变量勾选有序结局与分组列（教学可勾选就读年级与学生性别）。约定等级从低到高。点击运行分析。
步骤 5 · 阅读结果
先读各等级人数，再看各等级 Ridit 与组平均 Ridit 相对 0.5 的方向。不要用箱线中位数差替代 Ridit。
如何阅读输出
把类别 A / B / C 读成由低到高的有序等级（无效 / 好转 / 显效，或年级由低到高），不要读成三个无序标签。A 49（14.04%），B 77（22.06%），C 223（63.9%），N=349。以合计为参照时，三个等级的 Ridit 约为 0.070、0.251、0.681：A 落在累积轴近端，C 落在远端。全体样本的平均 Ridit 恒为 0.5；比较的是某一分组是否偏离这条中线。
| 项目 | 类别 | 统计量 | 取值 |
|---|---|---|---|
| Ridit分析 | 类别 A | 频数 | 49 |
| Ridit分析 | 类别 B | 频数 | 77 |
| Ridit分析 | 类别 C | 频数 | 223 |
| Ridit分析 | 合计 | 有效样本 N | 349 |
| Ridit分析 | 类别 A | 占比(%) | 14.04 |
| Ridit分析 | 类别 B | 占比(%) | 22.06 |
| Ridit分析 | 类别 C | 占比(%) | 63.9 |
左右滑动可查看完整表格
教学示例表在 StatsX 工作台中的计算结果口径。
【Ridit·有序疗效】参照=合计 349 人。C 占 63.9%，参照分布本身就堆在高等级，因此「组平均 Ridit>0.5」表示该组比已经偏高的总体还更高，解释时要写清参照是谁。箱线上 C 的中位大约 73、A 大约 67，看起来像均值差；Ridit 并不使用这些分，也不假设 67 到 73 的间距有临床单位。若把 A/B/C 编码成 1/2/3 做 ANOVA，F 检验的是等距分数的均值，和平均 Ridit 不是同一个参数。
解读顺序：等级方向 → 参照分布（合计还是对照）→ 各等级 Ridit → 组平均 Ridit 相对 0.5 → p 或置信区间。C 人多只说明样本里高等级常见，不能写成「治疗成功」；成功与否取决于分组之间平均 Ridit 的差，以及临床事先定义的等级含义。
理论与公式
设参照分布有序等级 i=1,…,I，人数 n_i，合计 N_{\mathrm{ref}}，F_{i-1} 为低于 i 的累计人数。等级 i 的 Ridit 为半格累积比：
第 g 组平均 Ridit 是该组在各等级上的加权平均 \bar{R}_g=\sum_i R_i n_{gi}/n_g。参照取合计时，全样本 \bar{R}=1/2。把 \bar{R}_g 与 1/2 比较可用正态近似；参照与比较组独立时，方差常用 1/(12 n_g) 量级的形式（Bross），大样本下
本教学参照人数 349，n_A=49、n_B=77、n_C=223，故 R_A=0.070、R_B=0.251、R_C=0.681。R_i 只依赖于参照的累积，不依赖于「等级分差等于 1」。ANOVA 则把同一列当成定量 Y，分解的是 \bar{y}_g 的平方和，隐含等距。两者数字对不上不是程序错误。
注意事项
参照选合计还是对照组，平均 Ridit 的 0.5 含义完全不同，必须写明。
等级方向编反，显著性可以不变，但「更好」会说反。
C 占 63.9% 是参照偏斜，不是疗效结论。
箱线纵轴「观测值」若来自另一列连续分，与 Ridit 轴无关，避免混进同一段结果。
无序类别强行排序（把公立=低、私立=高）没有医学依据。
小样本组的 z 近似偏弱，宁可报置信区间或改用精确秩方法。
常见问题
参考文献
Bross, I. D. J. How to use ridit analysis. Biometrics, 1958, 14(1): 18–38.
Fleiss, J. L., Levin, B., Paik, M. C. Statistical Methods for Rates and Proportions. Wiley.
Agresti, A. Analysis of Ordinal Categorical Data. Wiley.
孙振球, 徐勇勇. 医学统计学[M]. 人民卫生出版社.