流行病学数据分析前准备工作.pptxVIP

流行病学数据分析前的准备工作

在数据分析前需要对原始的流行病学调查研究数据进行一次审查，发现可能存在的错误、遗漏的研究变量取值和其他问题，并采取相应的措施进行处理。例如：若在调查表中发现有缺失的数据，可以通过电话再次询问研究对象、查阅有关的记录、应用储存的血液标本重新检测或再次取样等措施进行补充。若发现逻辑错误，也要及时改正。需要对调查问卷进行编码或者对已编码的问卷进行核查，避免重复和遗漏。原始数据的检查

选择合适的数据管理和数据分析软件常用的数据管理软件MicrosoftFoxPro、MicrosoftAccess、MicrosoftExcel这些数据管理软件也具有简单的数据分析功能，Excel的数据分析功能更强，不仅可实现描述性统计，还可以做t检验、方差分析、相关回归分析等。数据分析软件SAS（StatisticalAnalysisSystem）和SPSS（StatisticalPackageforSocialScience），它们均具有很强的数据分析和数据管理的功能。

(编号、定义变量名、变量数量化）编号：给每一个调查表或调查对象一个编号以识别录入的数据与调查表或调查对象的对应关系（唯一性）使用阿拉伯数字1、2、3…等给每份调查表按照顺序编号，这样有利于以后对输入的数据进行检查、核对与修改错误。可以给编号以时间、地区、单位、调查对象编号等，数据的计算机录入

命名：可以应用中文、拼音、也可以应用英文，但以使用拼音或英文为好，这样可以方便输入。注意：变量名应简短、易懂易记。标记或说明：有些数据管理和分析软件可变量进行标记或说明，避免时间长久了而忘记数据库中的变量名字，。定义变量名称：

如果调查表的设计是编码式的，则此步骤可省略，直接将变量取值编码的结果输入计算机。01若不是编码式的调查结果，则需要对变量的取值结果进行编码。02变量数量化

字符型(charactertype)：输入字符如中文或英文数值型(numericaltype)：以数值的形式输入日期型(datatype)：按照规定的格式输入日期数值逻辑性（logicaltype）:常见变量的类型

除日期型变量外尽量使用数值型变量某些数值变量(numericalvariable)可直接输入变量的取值，如研究对象的身高、体重、血压水平等。分类变量(categoricalvariable)及有序变量(ordinalvariable)则可将其取值进行量化，然后再输入计算机。变量数量化时应注意：

数据的检查与核对四、数据的检查与核对（一）检查数据库结构数据库样本数（观测数）、变量数、变量名称及定义等。（二）检查各变量的取值情况查看变量取值范围，有无逻辑错误：如性别应有两个取值，若有2个以上的取值，说明存在错误。对数据变量要检查其最小值(minimum)、最大值(maximum)、均数(mean)、中位数(median)，并查看是否有异常取值(outlier)，如极小值及极大值。异常值若影响显著时应删除

数据的整理数据分组分类变量：按其原有的分类进行分组，若有必要，可将性质相近或差别不大的类别进行合并。如教育程度。数值变量：按照实际的生理、病理或临床意义分组，如体重指数：低体重、正常体重、超重和肥胖

数据的转换非正态数据的变量转换原理：正态分布——参数检验(parametrictest)非正态数据——非参数检验(non-parametrictest)（不是对原始数据检验）如：秩和检验（是对原始数据的秩次检验）检验：正态性检验、方差齐性检验方法：对数变换；平方根变换；倒数变换

因（自）变量(dependentvariable)：是指影响疾病的发生或健康状况的分布的变量，是原因变量、已知变量、x变量。应变量(independentvariable)：是指随因变量的变化而发生变化的变量，是结果变量、预测变量、y变量。应变量是在自变量作用下产生反应的变量0102确定拟分析的因变量和应变量

缺失数据（missingdata）的处理缺失数据：是指其测量结果缺失。产生的原因：问卷调查：遗漏出生日期和年龄，调查结束后又无法补救实验室检测：血脂或血糖因为血清量不足或研究对象拒绝采血而致过去处理：仅用无缺失的数据进行分析—损失样本量缺失数据“合理”赋值—人为赋值不一定合理