|
一般来说，若影响某一数量指标的随机因素很多，而每个因素起的作用均不是太大，那么这个指标服从正态分布（可以自己直观地判断一下）。另外，当样本量足够大时（通常N>100），任意分布的数据，其样本均数的分布近似于正态分布（不是小编瞎说的，这可是有数理统计理论证明的哟）。当然最客观地就是做个正态性检验了，正态性检验的SPSS操作如下（采用相关中例1的数据，判断age、x变量是否服从正态分布）： （1）依次点击：分析、描述统计、 探索，打开探索框，下图①。 （2）将age，x选入因变量列表，点击：统计量，勾选描述性，点击：继续，如下图②。 （3）点击：绘制，按照下图③勾选（仅供参考，也可根据自己兴趣选择），点击：继续。 （4）其他都默认，点击：确定，结果就出来了。  结果如下：  下面就开始接着上次的继续介绍统计分析方法了。 1、相关（适用于两个变量的相关关系） 相关一般可分为：线性相关（计量资料）、秩相关（等级资料）、分类变量的相关分析（计数资料）、非线性相关。今天我们就说一下最常见的简单线性相关（Pearson积矩相关），要做线性相关就需要满足二元正态分布，所谓二元正态分布，就是要分析的两个变量必须服从正态分布，否则就要用秩相关。现在就看例题吧（上面的正态性检验已表明：年龄和尿肌酐含量都服从正态分布）。  SPSS的操作如下： （1）依次点击：分析、相关、双变量，如下图①。 （2）将age、X选入变量框，相关性勾选Pearson，显著性检验勾选双侧检验，勾选标记显著性相关，点击：选项，统计量勾选均数和标准差，缺失值选默认即可，点击继续，如下图②，点击：确定，结果就出来了。  结果如下：  2、多元线性回归 多元线性回归是探索一个连续型变量（因变量Y）和其他多个变量（自变量X）（计量、计数、等级均可）间线性关系。此时，仅需因变量Y满足正态分布即可。  SPSS的操作如下： （1）依次点击：分析、回归、线性，如下图①。 （2）将Y选入因变量框，X1、X2、X3、X4均选入自变量框，方法选择进入（也可以选择其他进入方法），如下图②。 （3）点击：统计量，按下图②勾选，点击：继续。其他都选默认就可。点击：确定。结果就出来了。  结果如下：  3、Logistic回归 Logistic回归与多元线性回归类似，只是Logistic回归的因变量Y变成了分类变量，而多元线性回归的因变量Y必须是数值变量。  SPSS的操作如下： （1）操作前，需要先对f进行加权。依次点击：分析、回归、二元logistic，将Y选入因变量框，X1、X2均选入自变量框，如下图①。 （2）点击：选项，按下图②勾选，点击：继续。其他都选默认就可。点击：确定。结果就出来了。  结果如下：  4、COX回归 cox回归与多元线性回归、Logistic回归类似，只是cox回归的因变量Y有两个因素，一个是生存结局，一个是生存时间，主要分析生存资料。 SPSS的操作如下： （1）依次点击：分析、生存函数、cox回归，将t选入时间框，将y选入状态框，将X1、X2、X3、X4、X5、X6均选入自变量框，方法选择进入，如下图①。 （2）点击：定义事件，在单值处写1，如下图②，点击：继续。 （3）点击：绘图，勾选生存函数，点击：继续。点击：选项，按下图②勾选，点击：继续。其他都选默认就可。点击：确定。结果就出来了。 结果如下： 讲到这，本次分享就要结束了，小编又想起了临床常见的生存分析还没有给大家说，现在就补一下吧。我们就还用上面例4生存资料的数据。 寿命表法求生存时间 SPSS的操作如下： （1）依次点击：分析、生存函数、寿命表，将t选入时间框，显示时间间隔可根据自己数据生存时间选择，将y选入状态框，点击：定义事件，在单值处写1，点击继续。如下图①。 （2）点击：选项，勾选寿命表、生存函数。如下图②，点击：继续。点击：确定。结果就出来了。 结果如下： Kalan-Meier法比较两组生存率的差异 SPSS的操作如下： （1）依次点击：分析、生存函数、Kalan-Meier，将t选入时间框，将y选入状态框，点击：定义事件，在单值处写1，点击继续。将x2（性别）选入因子框，如下图①。 （2）点击：比较因子，按下图②勾选。 （3）点击：选项，按下图③勾选。点击：继续。点击：确定。结果就出来了。 结果如下： 今天的分享到这里，就真的结束啦。
参考资料： 《卫生统计学》第7版，方积乾主编，人民卫生出版社，2014年5月 《SAS统计软件应用》，贺佳主编，人民卫生出版社，2014年4月 关注微信公众号：“百味科研芝士”， 一个有内容的科研号 |
|
|
