对ctree（条件推断决策树）的个人理解

个人的一些理解，不一定对。首先对因变量和单个自变量进行卡方检验，计算出因变量与所有自变量的卡方值，选择p值小于阈值（如0.05，一般小样本和中等样本都为0.05）的自变量进入模型，这时已经确定好那些自变量进入模型，下一步就是选择哪个zi自变量作为第一次分割的自变量，方法：在进入模型的自变量中，选择与因变量的相关性最高的那个自变量作为第一次分割的自变量。那么，怎么来划分呢，就是用置换检验来确定。置换检验：例如选取一个划分点将一个自变量划分为两个部分，如果这两个部分有显著差异，则可以根据该划分点划分。

置换检验：假设有两组待检数据，A组有m个数据，B组有n个数据，均值差为d0，现把所有数据放在一起进行随机抽取，抽出m个放入A组，剩下n个放入B组，计算A、B两组的均值差记为d1，再放在一起进行随机重抽m、n两组，得到均值差记为d2，重复这个步骤k次得到（d3……dk），于是d1……dk可以画出一张正态图，然后看d0落在什么方，若落在置信水平之外，即可以显著说明它们是有差异的。