多元统计方法教程.pptVIP

分类自变量的哑变量编码 为了便于解释，对二项分类变量一般按0、1编码，一般以0表示阴性或较轻情况，而1表示阳性或较严重情况。如果对二项分类变量按+1与-1编码，那么所得的， 容易造成错误的解释。 在sas的计算中无法对分类变量做多种处理？ 在SAS中使用哑变量必须用数据步建立新变量 西、中西、中三种疗法哑变量化 原资料 姓名 性别 年龄 疗法 张山 1 50 中西 李四 1 20 西 王五 0 18 中 刘六 0 70 中 赵七 1 35 中西 孙八 0 29 西 哑变量化 姓名 性别 年龄 X1 X2 张山 1 50 0 1 李四 1 20 1 0 王五 0 18 0 0 刘六 0 70 0 0 赵七 1 35 0 1 孙八 0 29 1 0 Spss中亚变量的设置 分类变量必须转化。如地区对血压的影响。 等级资料，当等级之间量度不一时必须转化，如正常，超重和肥胖 连续资料不宜直接进入方程时，转化为等级资料或分类资料 亚变量的SPSS处理菜单 亚变量的SPSS处理菜单（二） 亚变量设置（Spss） Indicator Simple Difference Repeated 参照分类为0，其余为1， 即各分类与参照分类比较 除第一类分类外，各分类与 其之前平均分类效应比较 亚变量设置(2) Helmert: 与Difference相反，各水平与其之后水平的平均效应比较 Deviation： 除参照分类外，各水平与分类的总效应比较 Polynomial ＃◎￥％＃￥！◎＃￥）9……好像和连续变量有关 手工设置亚变量 还是有缺点的，如 应用于等级资料就 不合适 第二节.条件logistic回归 Sas统计软件所得的结果解释与spss相似 七、条件Logistic回归 对配对/比调查资料，应该用条件Logistic回归分析。 对于配比资料，第i个配比组可以建立一个Logistic回归： 假设自变量在各配比组中对结果变量的作用是相同的，即自变量的回归系数与配比组无关。 配比设计的Logistic回归模型 其中不含常数项。 可以看出此回归模型与非条件Logistic回归模型十分相似，只不过这里的参数估计是根据条件概率得到的，因此称为条件Logistic回归模型。 条件Logistic回归模的回归系数检验与分析和非条件Logistic回归完全相同。 个体配对资料的优缺点 配对资料特别适用于罕见疾病，由于病例的获取不易，匹配并增加对照的例数使研究效率大大增加。小样本的匹配特别有用 Pitman效率递增公式2R/(R+1)『如图』 匹配增加了选择对照的难度 一旦某个因子做匹配，就不能分析它与疾病的关系，另外它与其他因子的交互也不能充分分析。------把不必要的信息列入匹配成为配比过度，如在脑出血危险因素研究中匹配高血压。 个体匹配的经典之作 Herbst，1969，Boston. 8例年轻女性阴道癌病例，每个病例配4个未患病个体做对照。 要求对照与病例在同等级病房中出生时间前后不超过5天，女婴。优选选择与病例出生时间最近者 比较诸多因素。最终得到病因。 1:3配对的例子 1:2配对的例子 SPSS菜单对条件Logistic 回归无能为力 Logistic 回归的注意事项 变量的取值形式 应变量，自变量(亚变量的SPSS处理菜单) 样本含量：经验数在100例以上。配对资料一般要求对子数是自变量个数的20倍以上。 多分类logistic回归 ＃＃_)(^%$……,!! 参考书目 孙振球，医学统计学（供研究生用）.人民卫生出版社，2002，第一版。 孙尚拱，医学多变量统计与统计软件. 北京医科大学出版社. 2000，第一版. 刘润幸，医学统计学方法与应用(上、下册). 2001. 第一版. 倪宗瓒，卫生统计学. 2001.第四版 网上资源 / /spss/spssfaq.htm * 线性回归应用于三个方面，1 影响因素分析， 2 估计与预测 3. 统计控制，其中1最常用。 Logistci回归开始是判别分析的一种也可用于预测和判别。由于其判别效果其奇差，但其在流行病学危险因素分析中有着较好的作用。 * 就拿568x 364y 434b三个记录来说，无论是进行排序，增加变量，减少变量，可以改变的是这三个记录在数据库中的位置，但三个记录的每一个变量保持不变。 * 自变量为分类变量，二分的话，直接引入方城即可。如果多分的话，可以用亚变量 BMI为例 有序变量按连续变量处理。 现在一般可以满足这种样本量的要求