非独立数据的相关性分析△.pdfVIP

数理医药学杂志 2007年第 2O卷第 6期 文章编号：1004—4337(2007)06-0821—04 中图分类号：R195．1 文献标识码：A · 统计分析 · 非独立数据的相关性分析△ 萨 建 刘桂芬 (山西医科大学卫生统计学教研室 太原 030001) 摘 要： 为了探讨环境医学研究中不满足独立性要求资料相关性分析的方法，针对双反应变量重复测量资料的特点，采用 SAS 软件的MIXED过程，建立线性混合效应模型。在双反应变量重复测量资料模型构建过程中，使用SAS的MIXED过程，将重复测量 数据间的相关性分为变量之间的相关与重复测量个体值之间的相关两部分。使用SAS软件的MIXED过程不仅可更加准确地进行 相关性分析，且可分别拟合不同的混合效应模型，以获得最佳的分析结果。 关键词： 双反应变量重复测量；PRO(3MIXED； 线性混合效应模型； 相关 环境质量评价中，我们经常关心指标之间的相关性 ，但这 中的一个难点。非独立数据的相关性包括反应变量间相关与 些指标并非只进行一次测量 ，而是在同一功能区多个时点反 重复测量水平间相关两个部分[r，可拟合线性混合效应模型 复测量，收集到两个或多个指标的重复测量数据。对这类型 来分析[。 数据，曾有人进行任两个指标间的简相关分析。这样，只考虑 1 对象与方法 了变量之间的相关性，而忽略了每个个体不同时点监测或重 复测量水平间的相关性。它就相当于将样本量放大了重复测 太原市 1991～1993年连续监测 6个功能分区4个季度 量次数倍 ，与原监测数据的特征相违，那么，如何来正确评价 (冬、春、夏、秋)大气硫酸盐化速率与二氧化硫含量数据 。 环境监测非独立数据指标间的相关性，就成为 目前环境监测 该数据的分组描述见表 1。 表 1 太原市6个观测点不同年份各季节各指标的均值 (矗 s) 按SAS数据步要求，读入 5个变量，分别为年份 (year)、 ～ 3，分别代表 1991~1993年；sub的取值为 1～6，分别代表6 监测地点(sub)、指标 (var)、季节(￡)、y。其中，year的取值为 1 个观测地点；var的取值为 1和 2，1代表 S03，2代表 SOz；t的 + N、Q，这 3个乡镇位于该县西北地区。 公因子 4因子分析结果显示 ，第 4公因子主要影响肝癌 参 考 文 献 和宫颈癌，且在该因子上的载荷均为正，提示该两种恶性肿瘤 的发病是受某共性因素的支配，且该因素越明显，该两种恶性 1 韩兢，王洁贞，李会庆，等．山东省不同地区恶性肿瘤死亡率的因子 肿瘤的死亡率越高。在第 4公因子上得分较高的地区有 B、 分析．山东大学学报 (医药版)，2002，40(4)：356～358． G、K，这3个乡镇位于该县中部地区。 2 饶克勤，陈育德，李连弟．中国前 lo位恶性肿瘤死亡率的聚集性及 由于恶性肿瘤的发生是很多因素共 同作用的结果，其病 其地区分布和相关因素的分析．中国卫生统汁，l993，10(4)：4～7， 因至今未明。本研究的因子分析结果显示，该县恶性肿瘤死 3 周天枢，郑弘，吕华东，等．因子分析在恶性肿瘤死亡率相关分析中 亡率之间存在一定的内在联系，并具有地区分布特点，这就可 的应用．数理医药学杂志，2000，13(4)：363--364． 以根据各地区的共性和特性结合肿瘤的流行病学特征来探讨 肿瘤死亡牢的影响因索，为深入开展恶性肿瘤的病因研究提 供线索。 收稿 日期 ：2007—07-03 作者简介：萨建(1982一)