一项研究要分析的变量Y为符合正态分布的连续变量多-易侕学院.PDF

系统化的分析流程 一、案例介绍： 一项研究要分析的变量（Y ）为符合正态分布的连续变量，多种因素对它有影响，研 究对象分为四组（用X 表示，X=0 、1、2 、3 分别表示四组），组间年龄（AGE ）、体质 指数（BMI ）、血压（BP ）等均有显著差异。分析目的是要比较四组之间有没有差异， 但要考虑到组间AGE 、BMI、BP 等不同对Y 的影响。 做数据分析好比打乒乓球，多数人是自己摸索，没有专业教练指导，接、发球等动作 是自己摸索出来一套野路子，常常一个球打好了，也不知道是怎么打好的，下一个就打不 出来了，不能重复，因为不知道什么是规范的动作要领，打到一定水平后也无法再提高。 而那些从小就经过专业训练的则完全不一样，因为动作规范，所以技术水平提高快。象上 面这个案例，就有业余选手与专业选手两种打法。 业余选手的通常打法： 1）先做方差分析看四组之间差别有没有显著性，如果有显著性，接着做组间比较， 看是哪两组间有显著差别。 2 ）考虑其它因素的影响，用逐步回归的方法建立一个多元模型，初始模型为： Y=X+AGE+BMI+BP+… ，最后出来一个最终模型，如 Y=X+BMI ，最后结论是 X 的组间 差别有意义，另外BMI 也是Y 的一个危险因素。 3 ）业余段位高一点的会根据X 生成4 个指示变量，用X0 表示X=0 ；X1 表示X=1 ； X 表示X=2 ；X 表示X=3 。然后以X=0 组为参照，把X 、X 、X 放入模型中，这样初始 2 3 1 2 3 模型变为：Y=X +X +X +AGE+BMI+BP+… ，最后出来一个模型可能是 Y=X +X +BMI 。 1 2 3 2 3 结论是X=2 与X=3 组与X=0 组差别有意义，另外BMI 也是Y 的一个危险因素。 二、系统化的分析流程 专业选手的打法：首先专业选手使用的球拍就比较讲究，要具备必要的功能并且顺手。 易侕统计软件（EmpowerStats ）是按分析思路设计的软件，可以说是最好用的球拍，下面 用易侕软件演示一下对这个案例的分析思路与操作规范： 第一步数据整理 数据文件中变量名要用英文的，数据要数字化，如 X 编码成 0、1、2 、3 ；性别编码 为：0=男，1=女。数据整理好后存成制表符分隔的文本文件。 第二步创建分析项目 打开易侕统计，给出数据文件名，易侕读取数据文件后自动给出变量清单与每个变量 的分布，如下图示，这时候你就可以非常方便地查看每个变量的分布了，如 Y 、AGE 、 BMI 、BP 等连续性变量的分布形态、最大值、最小值、常用的几个百分位数、均数、标 准差等，X 等分类型变量每组的观察数及其百分比，这些基本信息一下子就尽收眼底了。 可以看出“易侕” 自动识别变量类型（分类型或连续性），根据变量类型做相应的统计 描述，并将其分布用非常简明的方式呈现出来。 第三步扫描关联关系 用“数据分析”菜单下的“扫描关联关系”模块，把Y 拖入 （或双击）结果变量框内，如 图所示: 易侕自动扫描数据中哪些变量与Y 有关，给出如下图的图表结果。 这个时候做的是单因素分析，看每个变量与Y 的关系，没有考虑其它因素的影响，如 果你确定哪个（或几个）变量，如AGE ，对Y 有影响，你可以把AGE 放到调整变量里， 这就是看在调整了AGE 的情况下，其余每个变量对Y 有没有影响。 易侕在分析连续性变量如BMI 与Y 有没有关系时，会自动考虑到BMI 与Y 的关系可 能不是线性的变化关系，因此在做了直线回归分析的同时，还会自动做平滑曲线拟合，以 展现Y 随BMI 的变化曲线，帮助我们判断两者之间是什么样的关系。 在分析分类变量如X 与Y 的关系时，自动生成指示变量放入模型，把X=1 、2 、3 组 与0 组比较，呈现三个回归系数及其95%可信区间与P 值。这个回归系数的大小很重要， 可以帮助我们判断是否可以进行组间合并，X=0 组是参照组，相当于其回归系数是 0 ，如 果X=1 的回归系数与0 接近且不显著，也就是说X=1 组与X=0 组没有差别，后面的分析 就可以考