spss在醫學統計學中的應用

方差分析A


常見方差分析有:

完全隨機設計的方差分析(即單因素方差分析)、隨機區組設計的方差分析(即配伍設計或兩因素方差分析)、多因素的方差分析、析因設計的方差分析、共變數分析、多元方差分析、交叉設計的方差分析、重複測量的方差分析等等。

完全隨機設計的方差分析(即單因素方差分析)應用 Analyze→Compare Means→One-Way ANOVA過程。可進行各組均數間的兩兩比較。

兩因素方差分析、多因素方差分析、共變數分析:應用 Univariate (a.[統]單變數的)的子功能表。

多元方差分析:當結果變數(應變數)不止一個時,應用Multivariate子功能表。

重複測量的方差分析:應用Repeted Measures子功能表。

Variance Components子功能表:用於做方差成份模型。

常用的功能表項目是univarate。

univarate對話方塊介面說明

最常用的有:Dependent Variable框、Fixed Factors框、Model鈕、Post Hoc鈕。

【Dependent Variable框】選入需要分析的變數(應變數),一個。

【Fixed Factors框】 固定因素。

【Random Factors框】 隨機因素。

【Covariate框】 共變數分析時的協變數。

【WLS Weight框】 即用於選入最小平方法權重係數。

【Model鈕】 用於設置在模型中包含哪些主效應和交互因數。

Build Term 下拉式清單方塊用於選擇進入模型的因素交互作用級別。

Sum of squares 框用於選擇方差分析模型類別,預設的3型即可;

Include intercept in model 核取方塊,用於選擇是否在模型中包括截距。

【Contrast鈕】 定義精細趨勢核對總和精確兩兩比較。

【Plots鈕】 用於指定用模型的某些參數作圖。

【Post Hoc鈕】 兩兩比較對話方塊。

【Save鈕】 將模型擬合時產生的中間結果或參數保存為新變數供繼續分析時用,可保存預測值、殘差、診斷用指標等。

【Options鈕】定義選項。可定義如常用描述指標、方差齊性檢驗等。

隨即區組設計的方差分析(兩因素方差分析):兩個需分析的影響因素都選入fixed factor框,model裡選擇兩因素的Main Effects。

多因素方差分析:多個需分析的影響因素都選入fixed factor框,model裡選擇多個因素的Main Effects。

析因分析(有重複的兩因素方差分析):兩個需分析的影響因素都選入fixed factor框,model裡選擇兩個因素的Interaction 和 Main Effects。此時可按一下Plots按鈕並在其對話方塊的Horizontal axis框和Separate lines框中分別各輸入一個因素,那麼在最終分析結果裡可得到兩種因素的各種水準組合下的效應圖。

注意問題:

· 需要分析的影響因素可以都選入fixed factor框。

· 方差分析模型多數情況下要選model III。

· model的設置對分析是非常重要的,如果設置不正確,可能什麼都做不出來,比如無重復資料的方差分析納入了交互作用、析因設計的方差分析納入了設計中不存在的因素,就會做不出結果。

共變數的操作同方差分析,只是多選了一個共變數變數,結果分析也大體相同。

卡方檢驗A

述:用於分類計數資料的假設檢驗方法,屬非參數檢驗。檢驗的是樣本分佈偏離理論分佈的嚴重程度,即檢驗的是分佈,不是總體參數。Crosstabs過程用於對計數資料和有序分類資料進行統計描述和簡單的統計推斷。在分析時可以產生二維至n維列聯表,並計算相應的百分數指標。統計推斷則包括了我們常用的X2檢驗、Kappa值,分層X2(X2M-H)。如果安裝了相應模組,還可計算n維列聯表的確切概率(Fisher's Exact Test)值。

原理:檢驗兩個(或多個)樣本率或構成比之間差別是否有統計學意義,從而推斷兩個(或多個)總體率或構成比之間是否有統計學意義。若P<0.05,拒絕無效假設H0,做出總體上差異有顯著性意義的結論。

多組間的兩兩比較,必須重新規定檢驗水準。

分類:行×清單x2檢驗、四格表x2檢驗、配對x2與一致性檢驗、分層x2檢驗

1、 分類資料資料錄入格式簡介

在定量資料中,一般每個觀察物件的變數值都不一樣,記錄格式為一個觀察病例一條記錄。而在分類資料中,所有的變數值都限於很少的幾個類別。為記錄方便,常常採用頻數表格式來記錄資料,一條記錄對應多個觀察病例。對頻數資料,分析時需用Weight Cases過程指定一下頻數變數用於記錄加權。

2、Crosstabs過程詳解

介面說明:

【Rows框】用於選擇行*清單中的行變數。

【Columns框】用於選擇行*清單中的列變數。

【Layer框】Layer 指的是層,在分層x2檢驗中設定分層變數。

【Display clustered bar charts核取方塊】顯示重疊條圖。

【Suppress table核取方塊】禁止在結果中輸出行*清單。

【Exact鈕】針對2*2以上的行*清單設定計算確切概率的方法,可以是近似概率(Asymptotic only)、蒙特卡羅類比概率(Monte Carlo)或確切概率計算(Exact)。

【Statistics鈕】彈出Statistics對話方塊,用於定義所需計算的統計量

o Chi-square核取方塊:計算X2值。

o Correlations核取方塊:計算行、列兩變數的Pearson相關係數和Spearman等級相關係數。

o Norminal核取方塊組:選擇是否輸出反映分類資料相關性的指標,很少使用。

o Ordinal核取方塊組:選擇是否輸出反映有序分類資料相關性的指標,很少使用。

o Eta核取方塊:計算Eta值,其平方值可認為是應變數受不同因素影響所致方差的比例;

o Kappa核取方塊:計算內部一致性係數,取值在0~1之間。Kappa≥0.75兩者一致性較好;0.75>Kappa≥0.4兩者一致性一般;Kappa<0.4兩者一致性較差。

o Risk核取方塊:計算OR值(比數比)和RR值(相對危險度)。

o McNemanr核取方塊:配對卡方檢驗,只能針對方形表格進行。不能給出卡方值,只能給出P值。

o Cochran's and Mantel-Haenszel statistics核取方塊:為兩個二分類變數進行獨立性核對總和同質性(齊性)檢驗,同時可進行分層因素的調整。包括:χ2MH統計量(分層卡方檢驗)、χ2CMH統計量、同質性檢驗(用於檢驗各層的風險情況是否一致)。可在下方設定相應H0假設的OR值,預設為1。

【Cells鈕】彈出Cells對話方塊,用於定義列聯表儲存格中需要計算的指標:

o Counts核取方塊組:是否輸出實際觀察數(Observed)和理論數(Expected);

o Percentages核取方塊組:是否輸出行百分數(Row)、列百分數(Column)以及合計百分數(Total);

o Residuals核取方塊組:選擇殘差的顯示方式,可以是實際數與理論數的差值(Unstandardized)、標化後的差值(Standardized,實際數與理論數的差值除理論數),或者由標準誤確立的儲存格殘差(Adj. Standardized);

【Format鈕】用於選擇行變數是昇冪還是降冪排列

3、結果分析

從左至右:檢驗統計量值、自由度、雙側近似概率、雙側精確概率、單側精確概率

從上到下:Pearson卡方、連續性校正卡方、對數似然比卡方、Fisher’s確切概率法、線性相關卡方、有效記錄數

當n≥40且所有T≥5時,用普通的卡方檢驗。若所得P≈α,改用確切概率法;

當n≥40但有1≤T<5時,用校正的卡方檢驗;

當n<40或有T<1時,改用確切概率法

有觀點認為,實際應用中對數似然比卡方比確切概率法更準確。4、實例分析

例8.1 在「EG0201.sav」中分析如下問題:

感染組與非感染組,其輸血次數是否有顯著性差異?

不同手術方式之間,其輸血次數是否有顯著性差異?(行清單卡方檢

2 研究亞洲、歐洲、北美洲地區的人群血型分類構成是否一樣。 (卡方檢驗中的兩兩比較)


例8.3 研究單用某種藥物與藥物加化療兩種處理方法對某種癌症的療效比較。(四格表卡方檢驗)


例8.4 在「EG0201.sav」中,研究不同性別的感染率有無顯著性差異。 (四格表校正卡方檢驗)


例8.5 22只大白鼠隨機分成試驗組和對照組,試驗組用某種化學物質誘發腫瘤實驗,問兩組發癌率有無顯著性差異?(四格表卡方檢驗確切概率法)


例8.6 有26份咽喉塗抹標本,每份標本分成兩份,分別接種在A和B兩種白喉桿菌培養基上,觀察其生長情況。問兩種培養基對其生長有無顯著性差異? (配對卡方檢驗)


例13.1 例13.2評價某種生化酶診斷前列腺癌與病理診斷的一致性。(對新診斷手段、方法進行檢驗)

例13.2 用尿分析儀UA-12和RL-9對400份尿樣的尿蛋白進行測定,試評價兩種尿分析儀對尿蛋白測定的一致性。(評價兩種化驗方法對同一樣本的一致性)

方差分析C--共變數分析

一、基本思想:


在作兩組和多組均數之間的比較前,用直線回歸的方法找出各組Y與協變數X之間的數量關係,求得在假定X相等時的修正均數,然後用方差分析比較修正均數之間的差別。

與回歸過程區別:重點求修正均數,其次才是比較。

二、要求條件:

X與Y的線性關係在各組均成立,且各組間回歸係數近似相等;

X的取值範圍不宜過大。否則修正均數的差值在回歸直線的延長線上,不能確定是否仍然滿足平行性和線性關係的條件,共變數分析的結論可能不正確。

三、步驟:

1、 用「線性回歸」檢驗各組回歸係數是否近似相等(先拆分資料);

2、 共變數分析。

方差分析要求條件:

單因素方差分析:各樣本的獨立性、正態性、方差齊


兩因素、多因素方差分析:各樣本的獨立性、正態性


(配伍設計、交叉設計、正交設計、有重複設計的多因素方差分析)


常用實驗設計及分析方法:


完全隨機設計:


涉及一個處理因素,採用單因素方差分析。


要求資料正態性、方差齊性。若經變數變換仍達不到要求,採用非參數方法進行檢驗。


如果分析結果顯示該因素有統計學意義,應當繼續進行各組均數間的兩兩比較。如果不存在明確的對照組,進行的是驗證性研究,宜用LSD 法;若進行多個均數的兩兩比較(探索性研究),且各組人數相等,宜用Tukey法;其他情況宜用Scheffe法。


配伍設計(隨機區組設計):

當只有兩個配伍組時,就是配對設計。由於儲存格內無重復資料,交互作用和方差齊性不考察。

方法:兩因素方差分析。(一應變數,兩引數)

交叉設計:交互作用和方差齊性不考察

拉丁方設計:交互作用和方差齊性不考察。

正交設計:考查交互作用,方差齊性不考察。

析因設計:考查交互作用,方差齊性不考察
創作者介紹
創作者 shadow 的頭像
shadow

資訊園

shadow 發表在 痞客邦 留言(0) 人氣()