【文章內(nèi)容簡(jiǎn)介】 x7 X7=(x7C8)/D8x8 X8=(x8C9)/D9x9 X9=(x9C10)/D10x10 .2575 .11519 X10=(x10C11)/D11x11 X11=(x11C12)/D12x12 X12=(x12C13)/D13x13 X13=(x13C14)/D14x14 X14=(x14C15)/D15x15 .605 X15=(x15C16)/D16x16 X16=(x16C17)/D17x17 X17=(x17C18)/D18x18 .7240 .52221 X18=(x18C19)/D19x19 .1155 .12874 X19=(x19C20)/D2012x20 .0302 .02897 X20=(x20C21)/D21x21 X21=(x21C22)/D22x22 X22=(x22C23)/D23x23 X23=(x23C24)/D24x24 X24=(x24C25)/D25表443 數(shù)據(jù)的歸一化處理表就可以得出每類(lèi)疾病它的健康函數(shù)值Y的范圍，這樣我們就建立了一個(gè)以健康函數(shù)值Y為評(píng)價(jià)指標(biāo)的模型，即Y=(X1，X2,…，X24)B以腹瀉病為例，在MATLAB中，我們求出患腹瀉病的2名患者24項(xiàng)指標(biāo)的每項(xiàng)平均值，將其做成一個(gè)1*24的矩陣A:A=[，120，，，，，，，，，，36]將權(quán)重做成一個(gè)24*1的矩陣B:B=[,,,0196,,,0,9]’得出腹瀉病的均值函數(shù)值C=A*B=MATLAB的編程如下：圖432程序計(jì)算但是考慮到某項(xiàng)疾病的函數(shù)值是在一個(gè)范圍內(nèi)波動(dòng)，所以為了更好的分析數(shù)據(jù)，我們將該類(lèi)疾病的最小值矩陣和最大值矩陣分別與其所對(duì)應(yīng)的權(quán)重矩陣相乘，得到13該類(lèi)疾病的波動(dòng)范圍：Yi=[Cmin,Cmax]。可以根據(jù)化驗(yàn)結(jié)果得到其所對(duì)應(yīng)的Y值，每類(lèi)疾病都有其Y值范圍，而每類(lèi)指標(biāo)也有其對(duì)應(yīng)的浮動(dòng)范圍，正常人的Y值也在一個(gè)固定的范圍內(nèi)浮動(dòng)，無(wú)論某種疾病或正常的Y都有其隸屬區(qū)間，這樣，我們只需要看求出的Y屬于哪個(gè)區(qū)間，更接近哪種疾病的平均Y值線，這樣，我們就能說(shuō)明該化驗(yàn)結(jié)果趨近于某種疾病的可能程度更大?；寄撤N某類(lèi)型的病的概率更大，這樣我們得到如下的圖表：444 Y值范圍表24個(gè)指標(biāo)進(jìn)行主成分分析（1）：指標(biāo)選取原則本文所選取的數(shù)據(jù)來(lái)自附件中131個(gè)患病人數(shù)，（2）主成分分析法在spss中的具體操作步驟運(yùn)用spss統(tǒng)計(jì)分析軟件FACTOR過(guò)程對(duì)尿檢131個(gè)例子的每個(gè)例子的24項(xiàng)指標(biāo)進(jìn)行主成分分析，具體操作步驟如下：1，Analyze—DataReductionFactorAnalysis，彈出FactorAnalysis對(duì)話框142，把x1x24選入Variables框3，DescriptivesConelationMatrix框組中選中Cofficients然后點(diǎn)擊Continue，返回FactorAnalysis對(duì)話框4，點(diǎn)擊“OK”，SPSS在調(diào)用FactorAnalyze過(guò)程進(jìn)行分析時(shí)spss會(huì)自動(dòng)對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，所以在得到計(jì)算結(jié)果后的變量都是指經(jīng)過(guò)標(biāo)準(zhǔn)化處理后的變量，但spss并不直接給出標(biāo)準(zhǔn)化后的數(shù)據(jù)，如需要得到標(biāo)準(zhǔn)化數(shù)據(jù)，則需調(diào)用Descriptives過(guò)程進(jìn)行計(jì)算。從表3可知白細(xì)胞計(jì)數(shù)與中性粒細(xì)胞絕對(duì)值，單核細(xì)胞絕對(duì)值，淋巴細(xì)胞絕對(duì)值這幾個(gè)指標(biāo)存在著極其顯著的關(guān)系，可見(jiàn)許多變量之間直接的相關(guān)性比較強(qiáng)，證15明它們存在信息上的重疊。主成分個(gè)數(shù)提取原則為主成分對(duì)應(yīng)的特征值大于1的前m個(gè)主成分。特征值在某種程度上可以被看成是表示主成分影響力度大小的指標(biāo)，如果特征值小于1.，說(shuō)明該成分的解釋力度還不如直接引入一個(gè)原變量的平均解釋力度大，因此一般可以用特征值大于1作為納入標(biāo)準(zhǔn)。通過(guò)表4（方差分解主成分提取分析法）可知，提取8個(gè)主成分，即m=8，從表5（初始因子載荷矩陣）可知，紅細(xì)胞計(jì)數(shù)，血紅蛋白，血小板計(jì)數(shù)，血小板壓積，紅細(xì)胞壓積在第一主成分上有較高載荷，說(shuō)明第一主成分基本反映了這些指標(biāo)的信息；血紅蛋白，中性粒細(xì)胞相對(duì)值，中性粒細(xì)胞絕對(duì)值，紅細(xì)胞壓積這些指標(biāo)在第二主成分上有較高載荷，說(shuō)明第二主成分基本反映了這4個(gè)指標(biāo)的信息，以此類(lèi)推，所以我們決定用8個(gè)新的變量來(lái)代替原來(lái)的24個(gè)指標(biāo)，所以這8個(gè)新的變量就是我們所求解的主要影響因素。即將上一步求解的模型Y=(x1，x2,…，x24)*B轉(zhuǎn)化成y=（x1，x2,…，x8）*by值越大，說(shuō)明作用的指標(biāo)數(shù)越多，影響指標(biāo)所占的比重越大，對(duì)患者健康的影響越大圖3相關(guān)系數(shù)矩陣圖4方差分解主成分提取分析法判別分析首先要明確變量測(cè)量尺度及變量的類(lèi)型和關(guān)系；16因變量：分組變量——定性數(shù)據(jù)（體檢的24個(gè)指標(biāo)）。自變量：判別變量——定量數(shù)據(jù)（各類(lèi)病的特征函數(shù)值）。明確因變量后：我們需要明確我們分析的目的；確定分組變量與判別變量間的關(guān)系建立判別函數(shù)，找到自變量的最佳區(qū)分因變量的各個(gè)類(lèi)別的線性組和。可以確定后驗(yàn)概率，計(jì)算每個(gè)個(gè)體落入各個(gè)類(lèi)別的概率。確定哪些判別變量xxx3…、xk對(duì)區(qū)分類(lèi)別差異的影響最大?？疾旄鱾€(gè)類(lèi)別在判別變量方面是否存在顯著差異。確定判別變量是以什么形式影響因變量的，即D是x1x2x3…xk什么形式的函數(shù)。根據(jù)判別變量的值對(duì)個(gè)體進(jìn)行分類(lèi)。對(duì)分析的準(zhǔn)確程度進(jìn)行評(píng)價(jià)。我們利用spss軟件采用Fisher判斷，將數(shù)據(jù)處理后得到Fisher的線性區(qū)別函數(shù)。以疾病一為例，我們從圖上可以得出x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12 x13 x15 x16 x17 17x20 x21 x22 x23 x24 （常數(shù)） Y1=*x1+**x3+**x5+*x6+18603*x7+*x8+**x10+*x11+*x12+*x13+根據(jù)上表依次求出其余Y2，Y3,Y4，,Y20的函數(shù)表達(dá)式，這個(gè)即是各疾病對(duì)應(yīng)的函數(shù)特征表達(dá)式。將每類(lèi)疾病的患者尿檢指標(biāo)帶進(jìn)每類(lèi)病的函數(shù)表達(dá)式中，求出該類(lèi)疾病y的最大值和最小值，這樣，我們依次可以得出每類(lèi)病的Y的取值范圍。將一份尿檢報(bào)告的24項(xiàng)尿檢指標(biāo)的結(jié)果與前面構(gòu)建的權(quán)重矩陣B相結(jié)合，可以得出該尿檢結(jié)果的Y值，根據(jù)該Y值判斷它屬于哪種疾病的取值范圍，即該患者可能患某種疾病。18在判斷24項(xiàng)指標(biāo)的主要成分上面，我們用各項(xiàng)指標(biāo)的權(quán)重來(lái)衡量它的重要性，選出權(quán)重大的值所對(duì)應(yīng)的指標(biāo)，則就是它的主要影響因素。各項(xiàng)指標(biāo)在統(tǒng)計(jì)分析后所占得比重如下圖所示：各項(xiàng)指標(biāo)的重要性如下圖所示，我們將重要程度8的指標(biāo)作為主要影響因素，即主要影響因素是x10，x7,x5,x4,5項(xiàng)指標(biāo)超出范圍的重要性19問(wèn)題（3）的模型建立與求解將炎癥患者的數(shù)據(jù)分析得到炎癥患者的指標(biāo)超標(biāo)個(gè)數(shù)表，如下表所示：表441炎癥患者各項(xiàng)指標(biāo)超標(biāo)量患者 年齡 x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 x11 x12223 43歲 0 0 0 0 0 0 0 0 0 0 0 0128 11歲 0 0 0 3 0 0 0 0 0 0 0 017 45歲 0 0 0 0 0 0 7 2 51歲 0 5 0 0 0 0 0 0 0 358 1歲 0 0 0 0 0 0 0 0 0 0 74 31歲 0 0 0 0 0 0 0 0 0 0 075 6歲 0 0 0 0 0 74 0 0 0 140 69歲 0 0 0 0 176 0 0 0 020113 3歲 0 0 0 0 0 0 0 0 024 5歲 0 0 0 0 0 0 0 0 0 0169 6歲 0 0 0 0 0 0 17 0 0 0 0161 3月 0 0 0 0 226 0 0 37 2歲 0 1 0 38 4歲 0 0 0 0 0 4 2 0 0 0 40 1歲 0 0 0 7 85 0 0 0 047 4月 0 0 0 3 0 0 282 0 0 182 2歲 0 0 0 0 0 0 0 6 215 9歲 12 0 0 0 0 0 0 216 25歲 0 0 0 0 0 0 0 0 0 0 0 0157 4歲 0 0 0 0 0 0 0 0 0 158 2歲 0 0 0 0 0 0 0 0 0 0 0 181 2歲 0 0 0 0 0 0 0 0 0 0 127 25歲 0 0 0 0 80 0 0 0 68 37歲 0 0 0 0 0 0 0 0 0 0 0 55 5歲 0 0 0 0 0 0 0 98 3歲 0 0 0 0 0 79 0 0 0 041 3歲 0 0 0 0 0 0 59 0 0 0