首页 > 文献资料
-
logistic回归应用中容易忽视的几个问题
logistic 回归在流行病学研究中应用十分广泛,在病例对照研究和队列研究中, logistic 回归是经常用到的多变量统计分析方法,在随访研究和横断面调查中,logistic 回归的应用也较为普遍[1-5].与多元线性回归相比,logistic回归具有许多独特的优点,如对正态性和方差齐性不做要求,对自变量类型不做要求、系数的可解释性等.正是这些优点,使得logistic 回归成为流行病学研究中广受欢迎的分析工具.
-
Mplus6.0软件的介绍与应用
Mplus软件是Bengt Muthén和Linda Muthén等研制的一款非常具有吸引力的统计分析软件,从1998年推出1.0版本以来发展非常迅速,2010年4月推出了6.0版本,主要由base模块和add-on模块组成,add-on模块包括:Mixture Add-On、Multilevel Add-On和Combination Add-On[1].该软件可以分析横断面资料、纵向资料、单水平数据、多水平数据,可观测变量可以为连续、删失、二分类、有序分类变量、无序分类变量、或者几种变量类型的综合;可以拟合解释性因子分析、证实性因子分析、通径分析、结构方程模型等许多潜变量模型.希望缩小理论研究与实际应用的差距是研发该软件的初衷,该软件非常灵活,简单易学,可以使研究者很快地掌握潜变量模型的分析方法.如果分析的模型比较简单(因变量多为6个,自变量多2个,水平数多不超过2),可以在Muthén&MuthénWeb site下载免费的Mplus demo版本,否则可以根据个人的需要定购.
-
对应聚类分析在元素医学研究中的应用
在元素医学研究中,经常需要识别人体元素(变量)类型、人体(样品)健康状态类型及其对应关系,分析致病因素,以便进行人体元素的合理调节.对应聚类分析[1]是对应分析[2]和聚类分析相结合的一种多元统计方法,其特点正是同时表现变量类型、样品类型及其对应关系,故可作为探讨上述问题的一种手段.该方法曾被应用于勘查地球化学[3]、环境地球化学[4]、社会学[5]和经济学[6]等领域,对被研究对象做出了较合理的推断,但在医学领域的应用研究尚属首次尝试.
-
从变量的类型看统计方法
介绍由研究资料变量之间的关系来确定统计分析方法,帮助医学生正确使用统计分析处理医学领域中的数据资料.
-
医学研究中Logistic回归与其他方法的结合应用
Logistic回归(logistic regression)属于概率型非线性回归,是分析反应变量为独立分类资料的常用统计分析方法,由于对资料的正态性和方差齐性不做要求、对自变量类型也不做要求等,使得近年来Logistic回归模型在医学研究各个领域被广泛用,如流行病学、病因学的队列研究、病例对照研究,临床诊断的判别模型,治疗效果评价等.