醫(yī)學(xué)統(tǒng)計(jì)之判別分析與生存分析doc(存儲(chǔ)版)
【正文】 量，有效利用不完全數(shù)據(jù)提供的信息，從而探索生存的影響因素。λ0(t)的形式不限，使模型的適用范圍如同非參數(shù)法那么廣；模型中含有參數(shù)β，又使得其統(tǒng)計(jì)效率接近參數(shù)模型。RR表示某危險(xiǎn)因素（或協(xié)變量）改變一個(gè)測(cè)量單位時(shí)風(fēng)險(xiǎn)函數(shù)改變多少倍。協(xié)變量的篩選策略與其他回歸模型類(lèi)似，如果協(xié)變量個(gè)數(shù)較多，則通常采用逐步法。流基本思想：根據(jù)相關(guān)性的大小把變量分組，使得同組內(nèi)的變量之間相關(guān)性較高，不同組的變量之間相關(guān)性較低。常用的因子提取方法：主成分法、主因子法、極大似然法、迭代主因子法。當(dāng)求得的公因子的專(zhuān)業(yè)意義不明顯時(shí)，可通過(guò)因子旋轉(zhuǎn)的方法來(lái)解決。區(qū)別：主成分分析重點(diǎn)在綜合原始變量的信息；而因子分析重在解釋原始變量之間的關(guān)系。主成分分析的應(yīng)用條件:要求變量間存在較大的相關(guān)性，當(dāng)相關(guān)較小時(shí)，應(yīng)用主成分分析是沒(méi)有意義的。但，SPSS軟件中得到的是各因子得分（以默認(rèn)變量名fac1_1等來(lái)保存），因子得分≈Ci/ sqrt（λi ）。制作條件數(shù)法：根據(jù)條件數(shù)k 的大小來(lái)判斷變量間共線性的嚴(yán)重程度， k = λmax/ λmin 0＜k＜100，則認(rèn)為無(wú)共線性；100≤k≤1000，則認(rèn)為存在中等共線性；k ＞1000，則認(rèn)為存在較嚴(yán)重共線性（即特征根幾乎等于0）。Fact1 的標(biāo)準(zhǔn)化回歸系數(shù)最大, 其次是Fact5, 然后依次是FactFactFact3。結(jié)果: 發(fā)現(xiàn)多元回歸分析存在嚴(yán)重的共線性現(xiàn)象, 改以主成分回歸分析, 用主成分回歸方法建立的方程有效地避免了共線性問(wèn)題, 在統(tǒng)計(jì)和實(shí)際意義的解釋上更合理。優(yōu)點(diǎn)：主要解決自變量間的共線性問(wèn)題，避免回歸系數(shù)的不合理現(xiàn)象，揭示變量間的真實(shí)關(guān)系。特征向量及因子載荷主成分的線性組合中各系數(shù)aij即為特征向量；第i主成分Ci特征根的平方根與aij的乘積即為因子載荷qij，qij= λi * aij實(shí)際上，因子載荷是Ci與原始指標(biāo)xj之間的相關(guān)系數(shù)，反映了兩者之間聯(lián)系的密切程度。根據(jù)這些相互之間存在相關(guān)性的隨機(jī)變量，計(jì)算少數(shù)幾個(gè)綜合指標(biāo)以取代原始變量，反映多個(gè)原始變量所提供的信息 ——這種多元分析方法即為主成分分析。流行病與衛(wèi)生統(tǒng)計(jì)學(xué)系 王靜 制作第二步：如果預(yù)因子載荷不能很好地反映原始變量與因子的相依程度，因子難以解釋時(shí)，對(duì)預(yù)因子進(jìn)行方差最大旋轉(zhuǎn)，得到一個(gè)理想的因子載荷結(jié)構(gòu)，便于解釋。但是，在提取的4個(gè)公因子中，除因子1可初步認(rèn)定為醫(yī)療工作質(zhì)量的綜合因子外，其它3個(gè)因子的專(zhuān)業(yè)意義不明顯。因子貢獻(xiàn)及因子貢獻(xiàn)率因子貢獻(xiàn)記為gj其大小反映了第j個(gè)公因子fj 對(duì)所有原始指標(biāo)X1～Xi的影響程度。（提示：此模型可用來(lái)考察實(shí)際資料是否滿足比例風(fēng)險(xiǎn)模型）20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 103生存分析中的參數(shù)法:分別指定風(fēng)險(xiǎn)函數(shù)的形式。% CI for Exp(B)比值比OR可以作為相對(duì)危險(xiǎn)度RR的估計(jì)值。20101117 安徽醫(yī)科大學(xué)流統(tǒng)系王靜制作 70如果X為連續(xù)性變量——年齡（歲），則λ1(t)、λ2(t)分別表示k歲、k+1歲的兩種不同狀態(tài)下發(fā)病的風(fēng)險(xiǎn)函數(shù)。λ0(t)為基線風(fēng)險(xiǎn)函數(shù)，表示所有的危險(xiǎn)因素狀態(tài)都為0情況下的風(fēng)險(xiǎn)函數(shù)。注意事項(xiàng)：組間的生存率比較時(shí)，要求各組的生存曲線不能交叉，若出現(xiàn)交叉，提示可能存在混雜因素，應(yīng)采用多因素方法來(lái)校正混雜因素或分層做統(tǒng)計(jì)分析。半數(shù)生存時(shí)間(median survival time)又稱(chēng)中位生存時(shí)間，表示累積生存概率（生存率）為50%的時(shí)候所對(duì)應(yīng)的生存時(shí)間；為中位數(shù)指標(biāo)，因?yàn)樯鏁r(shí)間的分布是偏態(tài)的。必須分清暴露因素和混雜因素。在大多數(shù)研究中，由于受經(jīng)費(fèi)和時(shí)間的限制，最終觀察時(shí)點(diǎn)是固定的，而不是無(wú)限制延長(zhǎng)的，所以容易產(chǎn)生截尾值。因?yàn)槿魏我环N判別方法,所采用的訓(xùn)練樣本總是有局限性的,不能完全準(zhǔn)確地反映總體信息,所以依據(jù)訓(xùn)練樣本得出的判別規(guī)則有缺陷是難以避免的。2. 適用的類(lèi)別不同：Fisher判別適用于兩組判別分析；Bayes判別適用于多組判別分析。，計(jì)算每個(gè)個(gè)體的判別函數(shù)值Zi，分別求兩類(lèi)均數(shù)`ZA與`ZB （設(shè)`ZA `ZB ），計(jì)算判別界值Zc：判別規(guī)則即為： 判為A類(lèi)判為B類(lèi)暫不歸類(lèi)或判為任一類(lèi) 239。而在判別分析中, 對(duì)于分布理論非常關(guān)注, 它有一個(gè)基本假設(shè): 每一個(gè)類(lèi)別都應(yīng)取自一個(gè)多元正態(tài)總體的樣本, 而且所有正態(tài)總體的協(xié)方差矩陣或相關(guān)矩陣都假定是相同的。（一）基本思想不同在聚類(lèi)分析中, 所有樣品或個(gè)體所屬類(lèi)別是未知的, 分析的依據(jù)就是原始數(shù)據(jù), 沒(méi)有任何事先的有關(guān)類(lèi)別的信息可參考。2判別分析方法包括：距離判別Fisher判別（費(fèi)歇爾判別）Bayes判別（貝葉斯判別）最大似然判別逐步判別20101020距離判別對(duì)已知分類(lèi)的數(shù)據(jù)，分別計(jì)算各類(lèi)各指標(biāo)的均值（即各類(lèi)的重心），然后根據(jù)判別準(zhǔn)則來(lái)歸類(lèi)，若待判樣品與第k類(lèi)中各均值的距離最近，則它來(lái)自于第k類(lèi)；若它到各類(lèi)的距離是相等的，則它暫不歸類(lèi)。對(duì)某個(gè)體分別計(jì)算它屬于各類(lèi)的后驗(yàn)概率，哪個(gè)后驗(yàn)概率最大，就判為哪一類(lèi)。最大似然判別該法適用于觀察指標(biāo)為分類(lèi)性質(zhì)的兩類(lèi)判別或多類(lèi)判別20101020判別原理：用獨(dú)立事件的概率乘法定理得到某個(gè)體屬于各類(lèi)的概率大小，然后概率最大的類(lèi)別即為該個(gè)體的類(lèi)別。其次是指標(biāo)的選擇,應(yīng)通過(guò)篩選挑出較好的指標(biāo)來(lái)建立方程,增加判別函數(shù)的穩(wěn)定性,從而提高判別效果。基 本 概 念生存時(shí)間（survival time）:（狹義）從發(fā)病到死亡所經(jīng)
環(huán)評(píng)公示相關(guān)推薦
鄂ICP備17016276號(hào)-1