首页 > 文献资料
-
黑龙江省居民高血压患病及影响因素分析
目的 探讨黑龙江省高血压的主要影响因素,为制定高血压的防治措施提供依据.方法 对黑龙江省哈尔滨市太平区、肇东市和双城市常住居民进行高血压影响因素的问卷调查和医学体检.对调查结果进行单因素和多因素非条件Logistic回归分析.结果 单因素分析显示,有意义的变量有性别、年龄、文化程度、高血压家族史、饮酒、职业性体力劳动、腰围和体质指数.经Logistic回归模型分析,调整年龄和性别后,进入主效应模型的变量为文化程度、高血压家族史和腰围,其OR值分别为1.331,1.478,2.730.结论 文化程度、高血压家族史和腰围是黑龙江省居民高血压的主要危险因素.
-
绝对危险可信度发展简史
多分类变量和哑变量对于一套流行病学资料来说,数据的类型不外乎两类:定量资料(quantitative variable)和定性资料(qualitative variable).前者有明确的物理学含义,测量值的意义和单位都非常明确,可以直接进入分析;但后者则不然.
-
运用哑变量技术提高预测门急诊量的准确性
目的 使用时间序列模型,对医院门急诊就诊人数进行预测.方法 在线性回归方程中引用哑变量,修正周期性变化,降低预测的误差.结果 使用Excel软件数据分析功能,得出含有哑变量的多元线性回归方程.结论 当一个时间序列数据呈现周期性变化时,可以引入哑变量,并根据情况确定哑变量个数来反映这种周期性变化,这样有助于提高预测数据的准确性.
-
哑变量在统计分析中的应用
目的:探讨哑变量在统计分析中的应用.方法:在协方差分析与方差分析中使用哑变量.结果:正确使用哑变量,扩大回归模型的应用范围.结论:在协方差分析中使用哑变量使对模型的理解变的简单,在方差分析中使用哑变量使得可以从回归的角度来理解模型.
-
哑变量在Logistic回归模型中的应用
医学研究中的变量可分类为定性变量(qualitative variable)和定量变量(quantitative variable)两大类,常见的定性变量有分类变量(categorical variable,或称名义变量nominative variable)和有序变量(ordinal variable,或称等级变量ranked variable)[1].
关键词： 定量变量 定性变量 哑变量 logistic回归模型 -
回归分析中定性变量的赋值
回归分析中对自变量的要求比较宽松,可以是服从正态分布的随机变量,也可以是分类变量及有序变量,参与回归方程的估计时需首先对分类变量和有序变量赋值.实际应用中,分类变量的赋值存在较多的误用,势必导致错误的分析结果.本文给出了普遍发生的定性变量被错误赋值的情形,剖析了错误的原因,指出对分析结果的严重歪曲.文中阐述了哑变量设置的具体方法和结果的解释,旨在指导读者采用正确的赋值方法,对分类变量采用多个派生的哑变量参与建模计算,从而得到合理的回归分析结果.
-
包含分类变量的COX模型及其应用
目的总结和推广包含分类变量的COX模型.方法建立理论模型并通过实例进行分析. 结果分别以连续变量的方式和分类变量的方式估计分类变量的系数,并加以比较.结论将分类变量转化为哑变量分析是比较合理的方法.
