医学信息学论文：SPSS分类树应用.ppt

Output ? Tree Output ? Statistics Output ? Plots 是否需要交叉核实和分开2样本核实？默认：不需要 Criteria? Growth Limits默认类别分3层；母结100，子结50；本例样本大，调整为400，200 如有过多的Missing data：用CRT or QUEST methods取代 （二）结果变量是连续资料 学生压力的影响因素分析（61例） 性别：男；女 专业：会计系；注册会计师系 专业满意：很满意；满意；一般；不满意 学业成绩：很好；好；一般；较差 压力总分：0～18 1. 数据文件 2. SPSS过程 单击OK 定义变量“性别”、“系”?Nominal定义变量“专业满意”、“学业成绩”?Ordinal Growing Method: CRT;单击Criteria Parent Node:20; Child Node:10 单击OK 3. 主要结果 Parent Node Child Node 模型构建的主要参数如下 应变量为分类资料，选用Exhaustive CHAID 或CHAID算法。 拆分及合并的检验水准一般设置为0.05 分类树的最大生长深度定为几层（默认为3层，可最多设定8层）？ 设定母结点和子结点中的最少例数分别为多少（默认：母结点100；子结点50）？ 知识拓展对乳腺癌患者死亡的相关因素进行分类树分析 主要操作 主要结果 在Word中重新绘制的图形 ≤2 病理肿瘤大小（cm） ＞2 Node 1 死亡率0.9% 观察例数326 Node 4 死亡率19.1% 观察例数89 Node 5 死亡率7.0% 观察例数86 Node 3 死亡率6.0% 观察例数439 Node 0 死亡率6.0% 观察总例数1207 Node 2 死亡率=4.1% 观察例数267 ≤1.0 1.1~1.4 1.5~3.0 ＞3.0 未检测 Node 6 死亡率6.5% 观察例数370 Node 7 死亡率15.9% 观察例数69 腋下淋巴结转移个数 图1 乳腺癌患者死亡相关因素的分类树结果 分类树方法及其结果的文字描述 方法 结果 分类树方法的文字描述 采用分类树分析乳腺癌患者死亡的相关因素。乳腺癌患者1207例，因乳腺癌死亡72例。应变量Y：乳腺癌死亡（0：生存；1：死亡）；自变量X：病理肿瘤大小（cm）、腋下淋巴结转移个数、雌激素受体状态（阴性，阳性）、年龄（岁）和生存时间（月）。 用Exhaustive CHAID法建立模型，用自动法选择分类树的深度，母节（Parent Node）和子节（Child Node）的最小例数分别为100和50。树节拆分及合并的检验水准均为0.05。 分类树的深度有2层（图1），第1层为病理肿瘤大小，第2层为腋下淋巴结转移个数。终止节（Terminal Node）用方框表示，非终止节用椭圆表示。 病理肿瘤大小与死亡率关系最密切：在1cm以内，乳腺癌患者的死亡率最低（0.9％），在3cm以上，死亡率最高（19.1％）。 腋下淋巴结转移个数也与死亡率有关联，而且与病理肿瘤大小存在交互作用。病理肿瘤大小在1.5cm～3.0cm的患者：腋下淋巴结转移个数在2个及以下，死亡率为6.5％；腋下淋巴结转移个数在2以上，死亡率为15.9％。 分类树结果的文字描述 Thank you! 单击OK 4. 分类树主对话框 （1）Selecting Categories Growing Method： CHAID （2）Force the first variable Influence variable 一般不选择这2项 （3）Validation 是否需要交叉核实和分开2样本核实？ 默认：不需要 （4）CriteriaGrowth Limits、CHAID、Intervals Tree Depth: AutomaticParent Node:400; Child Node:200 Criteria?CHAID，默认拆分及合并的检验水准均定位0.05 Criteria?Intervals，对连续性变量，默认分为10个区间 （5） Output? treeTree in table format：非默认，可不选 Output? Statistics Output? Plots 5. 主要结果 CHAID, Exhaustive CHAID Model Summary：记录了主要操作 Tree Editor 改变图形方向 增大图形 单击