醫(yī)學(xué)統(tǒng)計之判別分析與生存分析doc-免費閱讀
【正文】 得出的5 個主成分分別為: Fact1 為住院費用和基礎(chǔ)衛(wèi)生費用, Fact2 為衛(wèi)生人力資源, Fact3 為住院時間, Fact4 為藥物和儀器檢查費用,Fact5 是人口壽命因素。共線性判斷方法：相關(guān)分析；條件數(shù)法。主成分得分:根據(jù)線性組合中各特征向量和各原始指標(biāo)標(biāo)化值Zi的大小，可以求得各主成分得分大小，利用主成分得分大小可以對研究對象的個體進(jìn)行推斷和評價。主成分分析的關(guān)鍵是：計算綜合指標(biāo)主成分即綜合指標(biāo)，它在個體間的變異應(yīng)該越大越好。流行病與衛(wèi)生統(tǒng)計學(xué)系 王靜 制作主成分分析與因子分析的區(qū)別和聯(lián)系聯(lián)系：兩者的方法學(xué)原理沒有本質(zhì)差別，都是從分析多個原始變量之間的相關(guān)關(guān)系入手，尋找各變量之間的共性因素。制作而尋找公因子的主要目的是：弄清各公因子的專業(yè)意義，以便對實際問題分析。 gj2 = λj數(shù)據(jù)標(biāo)準(zhǔn)化后，全部原始指標(biāo)的總方差為指標(biāo)個數(shù)m，則 gj2/m 反映了公因子fj對原始指標(biāo)方差貢獻(xiàn)程度的大小，稱為fj的因子貢獻(xiàn)率。20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 104指數(shù)回歸模型中的風(fēng)險函數(shù)h(t)分布形式：h(t)與時間t無關(guān)20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 105Weibull回歸模型中的風(fēng)險函數(shù)h(t)分布形式20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 106對數(shù)正態(tài)分布回歸模型中的風(fēng)險函數(shù)h(t)分布形式20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 107Loglogistic分布回歸模型中的風(fēng)險函數(shù)h(t)分布形式20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 108Gompertz分布回歸模型中的風(fēng)險函數(shù)h(t)分布形式因子分析因子分析Factor Analysis:因子分析也是從分析多個原始指標(biāo)的相關(guān)關(guān)系入手，找出起支配作用的潛在變量——公因子（Common factor，簡稱因子Factor ），各因子間是獨立的，然后用它們解釋原始指標(biāo)之間的相關(guān)性。20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 75比例風(fēng)險假設(shè)的檢驗：可分組（若為0、1兩組）做二次對數(shù)生存率圖（Log minus Log，LML），進(jìn)行目測判斷，若兩條曲線有交叉或間距變動大，則提示風(fēng)險比隨時間而改變，不具備cox比例風(fēng)險模型的適用性；反之，則資料適宜用cox比例風(fēng)險模型。RR = λ1(t) / λ2(t) =[λ0(t)?exp(β*（k+1）)]/[λ0(t) ? exp(β*k) ]= exp(β*（k+1） / exp(β*k) = exp（β）β：X每增加一個單位時其相對危險度的自然對數(shù)值。λ(t) / λ0(t) = exp( β1*x1+ β2*x2+….+ βm*xm )即：ln [λ(t) / λ0(t)] = β1*x1+ β2*x2+….+βm*xm將cox回歸與線性回歸、logistic回歸做一比較。解決措施：采用生存分析中的多因素回歸。在分析結(jié)果中給出中位生存時間；風(fēng)險函數(shù)(hazard function)又稱危險率函數(shù)等，一般用h(t)表示，表示生存時間已達(dá)t的個體在t時刻的瞬時風(fēng)險率；在Cox比例風(fēng)險模型中風(fēng)險函數(shù)常用λ(t)表示。隨 訪 資 料 的 特 點生存時間的分布呈偏態(tài)。截尾值:假設(shè)一組肺癌病人手術(shù)后，隨訪記錄他們的存活情況，死于肺癌是終點。因此,判別效能的提高是一個綜合的過程。3. 在SPSS中的選項內(nèi)容不同：Fisher判別函數(shù)系數(shù)對應(yīng)于“Unstandardized”選項；Bayes判別函數(shù)系數(shù)對應(yīng)于“Fisher’s linear discriminant functions”選項。238。判別分析應(yīng)滿足的前提條件(1)樣本數(shù)量應(yīng)盡可能大；(2)對已知分類或分組（即：因變量）的標(biāo)準(zhǔn)要盡可能客觀、準(zhǔn)確和可靠,這樣建立起來的判別函數(shù)才能起到準(zhǔn)確的判別效果；(3)自變量（即：觀察指標(biāo)）和因變量之間要有重要的影響關(guān)系,選擇自變量時應(yīng)挑選既有區(qū)別能力又有重要特性的指標(biāo),這樣可以用最少的變量達(dá)到高判別能力的目標(biāo)；(4)各觀察指標(biāo)變量應(yīng)是連續(xù)型變量,判斷類別或組別變量應(yīng)是分類變量；(5) 各觀察指標(biāo)變量盡可能服從正態(tài)分布。判別分析判別分析是判別樣品所屬類型的一種統(tǒng)計方法，如在醫(yī)療診斷中，根據(jù)某人多種檢驗指標(biāo)來判別此人是某病患者還是非患者。(6)所選擇的各觀察指標(biāo)變量之間的相關(guān)性應(yīng)較弱,即相關(guān)性檢驗不能達(dá)到顯著水平,且2個變量之間的相關(guān)性在不同的類別或組別中應(yīng)一致。Bayes判別:利用各類已知的先驗概率，分別得到各類的Bayes判別函數(shù)：Yk=a+b1X1+b2X2+…每類有一個判別函數(shù)，Yk為判別函數(shù)值；bb2為判別系數(shù)。因為，“按判別函數(shù)值最大的一組進(jìn)行歸類”這種思想是Fisher提出來的，因此SPSS用Fisher對Bayes方法進(jìn)行了命名。20101020安徽醫(yī)科大學(xué)流行病與衛(wèi)生統(tǒng)計學(xué)系王靜首先要保證訓(xùn)練樣本的代表性,訓(xùn)練樣本應(yīng)最大限度的代表總體情況,才能保證判別的效果。當(dāng)觀察到規(guī)定的時點，除了死于肺癌，還有：死于其他病、尚活著、因遷移等原因失去聯(lián)系（即失訪），后三者的觀察值都未達(dá)到終點，不能提供完全的信息，這種不完全數(shù)據(jù)稱為截尾值（censoring）。數(shù)據(jù)中常含有截尾值。h(t) = 死于區(qū)間（t，t+⊿t）的病人數(shù)在t時刻尚存的病人數(shù)⊿t⊿t為極小時間段。生存分析中的多因素回歸同時以生存時間、結(jié)局為反應(yīng)變
環(huán)評公示相關(guān)推薦
鄂ICP備17016276號-1