相应分析及其在多种疾病聚集性分析中应用.pdfVIP

中国卫生统计990219 中国卫生统计 CHINESE JOURNAL OF HEALTH STATISTICS 1999年　第16卷　第2期　Vol.16　No.2　1999 相应分析及其在多种疾病聚集性分析中的应用* 陈峰　杨树勤 〔1〕 年首次提出 ，主要用于分析二维数据阵中行因素和列因素间的关系。传统的因子 能同时对行因素和列因素进行分析。这就将行因素与列因素隔裂开来了，从而遗漏了 许多有用的信息。事实上，有时行因素与列因素是不可分割的。比如在研究不同地 区，不同种类的出生缺陷发生率时，我们既关心不同种类出生缺陷间的关系，不同地 区间的关系，又想了解出生缺陷与地区间的关系。此时需要对出生缺陷(列因素)和地 〔2〕 区(行因素)同时进行因子分析，相应分析揭示了内在联系 。 介绍了该法及其优点之后才引起人们的兴趣。相应分析在医学上的应用也是成功的， 如 〔3〕 Hill(1982)对5　387名中学生眼睛和头发的颜色的分析 〔4〕 〔5〕 年人关注的社会问题的分析 ；Greenacre(1984)对止痛药的分类问题的分析； 〔6〕 Micciolo等(1985)用于复发性酒精胰腺炎手术的危险因素的分析 〔7〕 于医务人员的职业特点与健康状况关系的分析 等等，均取得较好的效果。 　　本文旨在介绍这一方法的基本思想，以及对结果的解释。 基本思想 　　相应分析的基本思想是对数据阵进行适当的变换，使变换后的数据对行与对列是 相对应的，从而可以同时对行和对列进行分析，以发现行列因素间的关系。设有n×m 的数据阵X=｛x ｝，行列分别表示两个不同因素的n个水平和m个水平。首先定义分布 ij 轮廓的概念。 布轮廓为： file:///E|/qk/zgwstj/zgws99/zgws9902/990219.htm（第 1／9 页）2010-3-23 16:54:20 中国卫生统计990219 其和为1(或100%)。其中，x为第i行的合计。 i. 　　对应地，第j列的分布轮廓为： 其和亦为1(或100%)。其中，x为第j列的合计。 .j 　　相应分析之目的是从数据阵中概括出行列因素的最基本的分布特征，使之反映数 据阵的主要信息，寻找行、列因素间的关系。 　　为同时对行和对列进行分析，首先对数据阵进行如下变换： (1) 　　再对变换后的数据阵Z进行R-型和Q-型因子分析。进行R-型因子分析是从矩阵 A =Z′Z出发，求其特征根和特征向量；进行Q-型因子分析是从矩阵B =ZZ′ m×m n×n 出发，求其特征根和特征向量。 　　由于矩阵Z′Z和ZZ′具有相同的非零特征根，且对同一特征根λ，如Φ是Z′Z 的特征向量，则Ψ=ZΦ是ZZ′的特征向量。A与B的这种对应关系，使得变换后的数 据对行与对列是对等的，从而可以将行因素和列因素相提并论。 　　将A的第1因