医学科研资料的收集与分析.pptVIP

回归一词 的由来 19世纪末期 英国著名统计学家Francis Galton 研究孩子及他们的父母的身高 把孩子的身高向中间值靠近的趋势称为一种回归效应，而他发展的研究两个数值变量的方法称为回归分析。 例：8名儿童的年龄与尿肌酐的含量数据在坐标轴上描点，即散点图。在定量描述儿童年龄与其尿肌酐含量数量上的依存关系时，年龄作为自变量，用X表示。尿肌酐含量作为应变量，用Y来表示。 ? ? ? ? ? ? ? ? x y 直线回归 =a + bX a为截距（intercept） X = 0时，回归直线与Y轴 交点到原点的距离。 a 0，表示回归直线与Y轴的交点在X轴的上方； a 0，表示回归直线与Y轴的交点在X轴的下方； a = 0 则回归直线通过原点。 b 为回归系数(coefficient of regression) 即直线的斜率(slope)。 b 0，表示随X增加，Y亦增加； b 0，表示随X增加，Y值减小； b = 0，则回归直线与X轴平行，表示Y与X无关。 直线回归方程的估计 从散点图上可看出，a和b实际上是要合理的找到一条能够最好代表数据点分布趋势的直线。 如果将实际测得的Y值与假定回归线上的估计值称为残差，最好就是各点的残差要尽可能的小，用残差平方和来表示，这条回归线就是残差平方和最小的直线。 利用最小二乘原则估计a和b，那么b和a的计算的公式如下： 直线回归的适用范围和参数意义 直线回归的适用范围： 自变量和应变量间呈线性趋势； 每个个体间必须相互独立； 对于每个X相应的Y服从正态分布，而X可以是服从正态分布的随机变量，也可以是能精确测量和严格控制的非随机变量； 不同x对应的y方差要相等。 参数的意义： 回归模型中参数a的统计学意义：当x=0时，y的平均水平； 参数b的统计学意义：x每增加一个单位，y相应的增加b个单位，或者减少b个单位。b的绝对值越大，表示x对y的影响就越大。 回归方程的假设检验 对样本回归系数b作总体回归系数β是否为零的假设检验。 方法： 方差分析 基本思想是对应变量Y的离均差平方和分解，分解为两部分，回归平方和(SS回)以及残差平方和(SS残)。 t检验 直线相关 ? ? ? ? ? ? ? x y ? ? ? ? ? ? ? ? ? x y ? ? ? ? ? ? x y ? ? ? ? ? ? x y 观察性研究 实验性研究 理论性研究 描述性研究 分析性研究 常规资料分析报告、个例调查、 病例报告、现况研究、生态学研究 病例对照研究、队列研究 临床试验、现场试验、社区试验 数学模型、计算机仿真 * 一、医学科研数据的整理和统计描述 （一）统计数据类型 1. 计量资料 2. 无序分类资料 3. 有序分类资料 4. 三类资料间关系 住院号 年龄 身高 体重 住院天数 职业 文化程度 分娩方式 妊娠结局 2025655 27 165 71.5 5 无 中学 顺产 足月 2025653 22 160 74.0 5 无 小学 助产 足月 2025830 25 158 68.0 6 管理员 大学 顺产 足月 2022543 23 161 69.0 5 无 中学 剖宫产 足月 2022466 25 159 62.0 11 商业 中学 剖宫产 足月 2024535 27 157 68.0 2 无 小学 顺产 早产 2025834 20 158 66.0 4 无 中学 助产 早产 2019464 24 158 70.5 3 无 中学 助产 足月 2025783 29 154 57.0 7 干部 中学 剖宫产 足月 观察单位observations 个体individuals 变量variables Quantitative data 计量资料 Qualitative data 计数资料 Units；elements 1. 计量资料 用仪器、工具等测量(measure) 方法获得的数据，即为计量资料measurement data。也叫定量数据Quantitative data 特点：有计量单位，如患者的身高（cm）、体重（kg）、血压（mmHg）、脉搏（次/分）、红细胞计数（10１２/L） 2. 无序分类资料 按某种属性分类，然后清点每类的数据，称无序分类资料（count data）或enumeration data。也叫计数资料、定性数据Qualitative data。 特点：无固有计量单位，如肤色（黑、白）、血型（ABO）、职业（工农兵）、性别（男、女）。 3. 有序分类资料 半定量的观察结果。有大小顺序，所以也叫有序