BOX-COX变换及其在SPSS软件中的实现.pdfVIP

数理医药学杂志 2009年第22卷第5期 文章编号：1004—4337(2009)05—0569—03 中图分类号：R195．1；TP311．54 文献标识码：A ·微机应用 · Box—Cox变换及其在 SPSS软件中的实现△ 李运明 封宗超 李小凯一 孙 娜 许 贲 马 兴 倪 静 (成都军区总医院质量管理科 成都 610083) 摘 要： 目的：针对生物医学研究中Box-Cox变换问题，给予统计软件技术上的支持。方法：采用 SPSS软件实现 Box-Cox变 换。结果：给出了BoX-COx变换的SPSS程序．并进行实例分析，估计变换参数 。结论：给出的SPSS程序适用于Box-Cox变换。 关键词： 数据变换； BoXCOX变换； SPSS程序； 极大似然估计 生物医学数据的统计分析，常会遇到连续型反应变量分 (1)、(2)中需要估计的参数为A。为了简便表述参数 的估计 布不满足正态分布的情况 ]。而统计分析最常用的一般线性 方法，假定反应变量 O。 模型假定：y—X口+￡，E～N(O， j)。其中，y为反应变量的 2 参数A的估计方法 向量，x为设计矩阵或观测矩阵，口为未知参数向量，且要求误 差项e服从正态分布。但是，由于生物医学数据的特殊性，e BOx-COx变换中参数 的估计有两种方法口：其一为最大 常不服从正态分布，不能直接应用一般线性模型进行数据分 似然估计 ，其二为Bayes方法。本研究仅介绍最大似然估计 方法，并给出该方法的SPSS程序。由于Y“～～(邵 ， D ， 析。为了使 e满足正态分布，常对 y进行变量变换。变量变 换的方法很多种，Box-Cox变换是其中一种常用的变挺 。 固定参数 的取值时，I9、 的似然函数 (即y“的密度函数) Box-Cox变换 自从 1964年由BOx和 Co x提出后，常被用于变 为： 量变换，可使得 E服从正态分布。目前，国内统计学者已采用 L(fl，) exp(一 (y)‘一邓)(y )‘一 ) SAS、STATA等软件对 BOx-COx变换的实现问题进行 了探 讨l3 ，未见采 用 SPSS实现 Box-Cox变换 的报 道。SPSS 直Jdy,I一直 。 (StatisticalProductandServiceSolution)是国际上流行并具有 权威性的统计分析软件之一 ，由于其易于操作而成为非统 L(fl，)分别对 、 求导数，并令其等于 0，可得 卢、 的 计专业人员应用最多的统计软件。因此，本研究将介绍Bo 最大似然估计为： 自(A)一(XX)一X ”， Cox变换中参数 的估计及其在 SPSS软件中的实现方法。 ． … 、 Y ‘ (I--X(X X) X )y ‘ tX)一 — — — — — — — ～ 。 ()可记为MSE()，即为模型的误差均方。 将J9、的最大似然估计值p()、()代入式(3)，得到 似然函数的最大值为： 一 J ， ； (1) L (A)一L(扫()，())一(2)n2(MSEO,))-n／2J(A，) 对一