|
学习最怕思路不清，当思路理清楚了，学习才是有效的学习，不然越努力，越失败。学到最后一脑子糊涂酱。 统计更是这样子的一门课程。很多人拼搏到感动自己，努力到最终放弃！松哥今天给大家理理思路！ 松哥带着大家从最简单的谈起，所讲的就是如下菜单几种分析的关系哦！ 一、t检验 （1）2组数值变量之间比较，应该首选两独立样本t检验，这个大家应该都没问题对吧! 二、F检验 （2）相互独立3组数值变量之间比较，应该优先考虑单因素方差分析（ANOVA），这个也OK对吧！ （3）其实，第一步的两独立样本t检验，也可以用方差分析，只不过杀鸡不用牛刀，因此一般我们还是用方差分析，但如果有人用方差分析，你别一棒子把别人打死，说不对哦！ 三、一般线性模型 （4）其实上面的t和F，都属于一般线性模型，因此也可以用一般线性模型去分析上述t和F的数据，一般线性模型是利用线性回归的原理，用回归解释的变异来解释干预措施的作用。 （5）一般线性模型条件为LINE，即线性、独立、正态和方差齐。其目标变量只能是数值变量。 （6）常见一般线性模型方法包括多种方差分析，随机区组F，析因设计F、正交F、协方差等等。 四、广义线性模型 （5）一般线性模型只能数值变量，我们科学研究的结局变量计数变量、等级变量、多分类和二分类。这几类变量原型是不符合线性的，因此不能直接运用一般线性模型。 （6）如果对上述变量进行变换，是变换后的形式符合正态分布，那么也可以进行线性模型，那么这种变量变换后进行线性模型就叫做广义线性模型。 （7）对于计数变量，一般取log变换；二分类变量、多分类、等级变量logit变换。 （8）条件：变换后数据符合上述LINE。 五、广义可加模型 （9）上述的所有，我们都还在围绕一根线打转转。很多变量之间的关系并不是线性关系那么简单，当我们走出线性的困扰，所谓的模型就叫做“广义可加模型”。至此似乎是统计的大道，但是这条道上发生了一个分支。 六、广义估计方程 （10）前面广义线性模型，条件为LINE，I为independent，独立性，可是我们很多数据是不独立的，比如重复测量的数据，多次测量时间点之间是有相关性的。此时可以采用广义估计方程（GEE）。 （11）你会说，不是应该用重复测量数据方差分析嘛？是的，你如果知道这个说明你还有一定的基础。可是重复测量数据方差分析要求方差齐、不能有缺失值。可是这两点经常不满足。于是就可以采用广义估计方程。 （12）而且重复测量数据方差分析只能处理数值变量，我们研究结局还包括二分类、等级等等呢，方差分析是搞不定的。 （13）以后大家注意，方式方法上加上广义的，一般是指能够同时处理数值、计数、分类和等级各种资料。 七、多水平模型（MLM） （14）多水平模型的称谓非常多，混合线性模型、分层线性模型，多水平线性模型等等。 （15）线性模型要求LINE，上述GEE只能解决重复测量的不独立，还有一种不独立是嵌套数据，或者叫分层数据。比如比较不同学校大学生的心理健康状况。那么大学生心理健康测量值（SCL-90评分）就是效应指标。但是此处有个问题。 每个学生都属于各自的班级，而每个班级有从属于某个学校。每个学校有每个学校的特色，每个班级也有班级的特色。如果我们直接以每个学生进入模型进行分析，那么就忽视了班级与学校的影响。 同一个班级学生是有相关性的，不独立。同理每一个学校的班级也是有相关性的，也不独立。OK啦。看来每个学生进入模型而忽视班级与学校的影响是不合适的。因为数据是相互分层的，因此叫做多水平模型。 （16）多水平模型可以处理各种资料，数值、分类、等级。 （17）上面的GEE只能处理重复测量资料；而多水平模型既可以处理重复测量资料、也可以处理分层嵌套数据。因此MLM比GEE强大。为什么MLM可以处理重复，因为对一个人的多次重复测量结果，其实就是嵌套在这个人的数据之下的。 其他 你也许又会问，那啥叫路径分析，结构方程模型，主成分与因子分析，聚类。那就是上述主线的一些研究目的的分支啦。愿意听的留言，松哥下期在唠叨唠叨！ 松哥统计，武松是也 |
|
|
