SPSS-多因素方差分析.pptx

SPSS-多因素方差分析一、析因设计资料的方差分析析因设计的特点析因设计的有关术语析因设计的优缺点步骤结果均数分布图例２，用5×2×2析因设计研究5种类型的军装在两种环境、两种活动状态下的散热效果，将100名受试者随机等分20组，观察指标是受试者的主观热感觉(从“冷”到“热”按等级评分)，结果见下表。试进行方差分析。战士主观感觉冷热等级评分完全随机的三因素析因设计方差分析表结果二、协方差分析一般地，均数间的比较可用t检验或方差分析。要求比较组除了处理因素不同外，其它对结果有影响的因素要齐同或均衡。
当影响结果的某个因素没有得到控制时，即对两组来说不齐同，这两个均数就不能直接比较，需进行校正，得到的修正均数，再比较。基本概念观察协变量X对反应变量Y的影响是否存在线性关系。可建立应变量Y随协变量X变化的线性回归关系，利用这种回归关系，固定X值，得到Y的修正均数，然后再比较修正均数间差异。
其实质就是从Y的总平方和中扣除协变量X对Y的回归平方和，对残差平方和作进一步分解后再进行方差分析，以更好地评价各种处理的效应。实例分析：为研究A、B、C三种饲料对猪的催肥效果。用每种饲料喂养8头猪一段时间，测得每头猪的初始重量（X）和增重（Y）数据如下表。试分析三种饲料对猪的催肥效果是否相同？如果不考虑初始重量对增重的影响，那么本例就是一个典型的完全随机设计类型的方差分析。数据输入格式及步骤结果在扣除了初始体重后得到的修正均数三、两阶段交叉设计方差分析例：为比较血液透析过程中，低分子肝素钙（A）与速避凝（B）对凝血酶原时间(TT)的影响，选择20例接受血液透析的病人为研究对象，采取二阶段交叉设计，实验数据如表下表，试分析之。结果多变量的统计分析方法Logistic回归分析用途在流行病学研究中，经常需要分析疾病与各危险因素之间的定量关系，如食道癌的发生与吸烟、饮酒、不良饮食习惯等危险因素的关系，为了正确说明这种关系，需要排除一些混杂因素的影响。二项分类Logistic回归例:前列腺癌细胞是否扩散到邻近的淋巴结，是选择治疗方案的重要依据。为了了解淋巴组织中有无癌转移，通常的做法是对病人实施剖腹术探查，并在显微镜下检查淋巴组织。为了不手术而又能弄清淋巴结的转移情况，Brown(1980)在术前检查了53例前列腺癌患者，分别记录了年龄(AGE)、酸性磷酸酯酶(ACID)两个连续型的变量，X射线(X_RAY)、术前探针活检病理分级(GRADE)、直肠指检肿瘤的大小与位置(STAGE)三个分类变量。
分析目的：1.影响前列腺癌细胞淋巴结转移的因素；2.建立淋巴结转移的预报模型。1.数据格式：见Logistic1.sav2.SPSS的分析过程：Method：默认Enter。也可用变量筛选方法的选择。
Categorical对话框：用于分类变量的资料,选入X_RAY、GRADE、STAGE。
Save对话框：存入新变量。
Options对话框：
选StatisticsandPlots：
Hosmer-Lemeshowgoodness-of-fit
CIforexp95%
3．主要结果：★全回归模型：②模型的拟和优度检验：③参数估计及检验：XRAY,GRADE,STAGE,AGE,ACID对影响淋巴结转移的相对危险度分别为7.732、2.141、4.778、0.933、1.025。
对XRAY和STAGE,P<0.05，XRAY和STAGE的95%的可信区间未包含1，有统计学意义。
对GRADE,AGE,ACID，P>0.05。
得到Logistic预测概率模型为：
★逐步回归模型：得到线性预测方程为：
例2在研究医院抢救急性心肌梗塞(AMI)患者能否成功的危险因素调查中，某医院收集了5年中该院所有的AMI患者的抢救病史共200例。

Y=0抢救成功，Y=1示抢救未能成功；
X1=1抢救前已休克，X1=0抢救前未休克；
X2=1抢救前心衰，X2=0抢救前未心衰；
X3=1到抢救时已超过12小时，X3=0未超时。本例将该医院所有AMI患者看作是AMI总体中的一个随机样本，同时收集研究对象抢救病史和抢救结果资料，因此属横断面调查。AMI患者的抢救危险因素资料
=1.11是变量X1的Logistic回归系数，exp(1.11)=3.033是其它变量取值固定时，休克与没休克相比死亡的优势比(OR)，在死亡率较低时，该值近似说明有休克与无休克相比死亡风险增加的倍数。
本例，3个因素的回归系数均为正值，说明休克、心衰和未能及时抢救都是增加死亡优势的危险因素。条件logistic回归注意：
回归的常数项因同一层病例和对照的基线患病（发病）概率相同被抵消掉了，因此不能作预测，只能作因素分析。
回归系数表示病例与对照变量值之差与患病优势的关系，即exp(β)表示病例与对照暴露水平相