中文界面SPSS22.0在医学中的应用.ppt

直方图 直方图(Histogram Charts)是以一组无间隔的直条图表现频数分布特征的统计图, 直方图的每一条形高度分别代表相应组别的频数 双变量相关与回归分析 1.直线相关 2.直线回归 直线回归 直线回归分析步骤 1. 建立数据文件：“例10-1.sav”。 数据格式：3列8行。 1个变量“编号”，1个自变量“x”， 1个因变量“y”。 2. 统计分析： 分析→回归 →线性… ?因变量 : y ?自变量: x 3. 结果及解释 直线相关 例10-2 某医师测量了15名正常成年人的体重（kg）与CT双肾总体积（ml）大小，数据如表10-2所示。据此回答两变量是否有关联？其方向与密切程度如何？ 表10-2 9 - 15 例正常成年人体重 （ kg ） 与双肾 总 体积 (ml) 的测量值 编号 体重 (kg) 双 肾总体积 (ml) 1 43 217.22 2 74 316.18 3 51 231.11 4 58 220.96 5 50 254.70 6 65 293.84 7 54 263.28 8 57 271 .73 9 67 263.46 10 69 276.53 11 80 341.15 12 48 261.00 13 38 213.20 14 85 315.12 15 54 252.08 直线相关分析步骤 1. 建立数据文件：“例10-2.sav”。 数据格式：3列8行。3个变量分别为“number”、“x”和“y”。 2. 统计分析： 分析→相关 →双变量 … ?变量: x / y 相关系数 ? Pearson ? Spearman 3. 结果及解释 多元线性回归 多元线性回归分析的目的是作出以自变量估计应变量的多元线性回归方程。拟合多元线性回归方程的用途是由自变量解释和预报应变量，这在医学研究中有极其广泛的实际用途。 SPSS在其分析的回归菜单中提供的回归分析有十个过程： 1.线性：直线回归和多元线性回归 2.曲线估计：曲线拟合 3. 二元logistic：应变量为二分类时logistic回归 4. 多项logistic：应变量为多分类无序变量时logistic回归 5.有序：应变量为多分类有序变量时logistic回归 6. Probit：概率单位回归 7.非线性：非线性回归 8.权重估计：加权最小二剩法线性回归 9.两阶最小二剩法：两阶段最小二剩法线性回归 10. 最佳尺度：最优尺度回归 本章将介绍多元线性回归。 多元线性回归 例11-1 27名糖尿病人的血清总胆固醇、甘油三脂、空腹胰岛素、糖化血红蛋白、空腹血糖的测量值列于表11-1中，试建立血糖与其它几项指标关系的多元线性回归方程。 多元线性回归 多元线性回归 多元线性回归分析步骤 1. 建立数据文件：“例11-1.sav”。 数据格式：6列27行。1个变量“序号”，1个应变量“y”，4个自变量，“x1”，“x2”，“x3”，“x4”。 2. 统计分析： 分析→回归 →线性… ?因变量 : y ?自变量: x1 / x2 / x3 / x4 ?方法 :进入 统计量 … ?估计 ?置信区间 ?模型拟合度 ?描述性 3. 结果及解释 逐步回归 在多元线性回归分析中，如果预先定了m个自变量，那么在拟合回归方程中就包含m个自变量，这要求自变量的个数较少。如果自变量的个数较多时，想研究对某个应变量有作用的自变量，可通过逐步回归（stepwise regression）分析对变量进行选择，从m个自变量中挑选 m’个自变量，拟合最优或较理想的多元线性回归方程 筛选自变量、拟合最优或较理想的回归方程的具体用途，和一般多元线性回归方程的用途相同，还可用以寻找影响应变量的主要自变量，这在医学研究中可寻找疾病的病因和诊断