首页 > 文献资料
-
连续变量的相关与回归分析
连续变量的相关与回归分析有时也称为线性相关与线性回归,它们都是分析变量间关系的方法,但侧重目的不同.线性相关是分析变量间的相互依存关系,即两个或多个变量不区分主次关系,重在解释变量间的关联.而线性回归分析的变量有主次之分,侧重分析自变量对因变量的影响.如研究身高与体重的关系,这两个指标是相互关联的,可采用线性相关分析.如果要分析体重对血压值的影响,此时我们侧重观察血压值随体重的变化而变化的趋势,而不是体重随血压值变化的情况,因此需采用线性回归分析.
-
回归分析中回归信息的不可外推性
回归分析是临床研究课题中经常用到的统计分析手段.无论是单变量回归分析,还是涉及多个自变量的多重回归分析,都可以帮助我们了解变量间的关联关系和数量依存性.
-
备战第十一届全运会GD省南拳队运动心理学服务研究
随着国内高水平运动队对运动心理学的重视,越来越多的运动心理学家长期跟随某一个项目或运动队为其提供服务[1-6].但这些研究者们多以实验研究的形式报道他们服务的过程,忽视了其它变量对实验结果的影响.实际上,随队运动心理学服务与一般的实验研究不同,实验研究关注的是自变量对因变量的影响,而运动队服务关注的是运动成绩的提高或个人的成长,或者是两者兼顾.服务效果的好坏也受多种因素的影响,这些因素虽然重要,但往往不能像实验研究那样得到很好的控制.例如,咨访关系[7]、服务的“艺术性”等[8].
-
大学生思维风格与人格特征协同关系的集对分析
人格是一种心理品质,是一个人在思想、情感及行为方面区别于他人的特有的模式[1].思维风格反映一个人的思维偏好.对于人格和思维风格两者之间的联系,目前尚无统一认识[2],文献[3]以某医学院448名学生的问卷调查结果进行研究.本文把思维风格与人格特征看成是一个集对,其中人格为因变量,思维风格为自变量,在此基础上作关于两者协同程度的集对分析[4],得到每一种思维风格都在一定程度上影响到个性特征,前者对于后者有较大协同度的结论.
-
单参数指数模型在医药数据分析中的应用研究
对于因变量Y是0-1变量,当自变量xi是连续型变量的情况,logistic回归模型长期被应用,来解决这类问题,随着非参数和半参数模型的发展以及计算机编程水平的提高,我们可以用非参数模型或者半参数模型来解决这类问题.非参数模型或者半参数模型可以直接建立Y与xi之间的关系,这种关系的函数的具体的表达式未知,但是,我们可以通过计算机软件得出这个函数的估计值,得到预测模型,对于给定的值就可求出预测值.如果这种方法计算的结果与logistic回归模型预测的结果一致,或者比logistic回归模型预测的结果好,可提供一种新的解决因变量Y是0-1变量,xi是连续型变量的关系模型,这种关系模型比logistic回归模型好,能表示出Y与置的直接的函数关系.本文的单参数指数模型就是半参数模型中的一种,目的是说明单参数指数模型的可行性和优越性.
-
农民工群体生命质量影响因素的结构方程分析
结构方程分析,常称为结构方程建模,也称协方程结构模型或线性结构模型,是基于变量的协方差矩阵来分析变量间关系的一种统计方法,它整合了传统多变量统计分析中的因素分析与路径分析方法,同时检验模型中包含的显性变量、潜在变量、干扰或误差变量,进而评估自变量对因变量影响的直接效应、间接效应或总效应~([1]).
-
影响血糖水平因素的偏小二乘回归分析
偏小二乘(partial least squares,PLS)回归分析方法是近年来应实际需要而产生和发展的一种具有广泛适用性的多元统计分析方法,它集多元线性回归分析、典型相关分析和主成分分析的基本功能于一体,将建模预测类型的数据分析方法与非模式的数据认识性分析方法有机地结合在一起,该方法能够在自变量存在严重多重相关性的条件下进行回归建模,更易于分析与因变量相关的因素,使自变量的回归系数更容易解释.
-
多元线性回归系数的图形解析
线性回归分析(linear regression analysis)是研究事物之间线性关系常用的统计分析方法之一,据自变量数目是否单一可分为简单线性回归分析(simple linear regression)和多元线性回归分析(multiple linear regression).简单线性回归的数学模型简单,回归直线形象直观,回归系数的解释也通俗易懂.多元线性回归的数学模型及变量间的关系相对复杂,其回归系数常被解释为"在固定其他自变量或扣除其他自变量影响时,Xi每改变一个单位时应变量Y的平均变化量".但究竟如何固定或扣除,以及扣除的回归贡献的去向,各类参考书籍中少有提及.
-
用SAS软件实现偏比例优势模型
比例优势模型( proportional odds model)是处理有反应资料的常用方法[1,,2],目前在国内医学领域已有较多应用[3,4].但该法必须满足比例优势假定条件,即自变量的回归系数应与分割点k无关.尽管以往有研究认为,比例优势模型对这一条件并不敏感[5],但实际情况可能并非如此.Bender曾对此做过讨论[6],如果不满足比例优势假定条件,比例优势模型跟其他模型的结果可能相反.Lall建议[7],对假定条件不满足的数据,可采用偏比例优势模型( partial proportional odds model)进行分析,而不是比例优势模型.本文通过对一组有序反应变量的分析,介绍如何利用SAS软件实现偏比例优势模型的分析.
-
基于数学模型的加拿大心绞痛严重度分级与理化指标的相关性研究
背景:目前缺乏加拿大心绞痛严重度分级与理化指标之间的相关性研究,且对加拿大心绞痛严重度分级的判别缺乏利用现代科学技术指导的系统研究.目的:通过多中心、随机、大样本横断面调查法建立基于数学模型的加拿大心绞痛严重度分级判别函数式,明确加拿大心绞痛严重度分级的相关理化指标之间的相关性.方法:本研究选择国内12所医院作为分中心,采用流行病学调查法采集不同地区人群的数据资料.样本数为1788,经过严格质量控制数据录入.用统计学方法选取变量,用Logistic回归及判别分析方法建模,从而得到加拿大心绞痛严重度分级的判别方程极其主要特征.结果与讨论:29个理化指标经过因子分析得出13个公因子.建立的Logistic回归及判别模型是对加拿大心绞痛严重度分级进行评判,拟合度比较差.加拿大心绞痛严重度分级的主要相关理化指标为ST段下降总和、I、V5、AVL、V4、V6、V3、心脏彩超、颈动脉彩超、凝血酶原时间、射血分数.
关键词: 加拿大心绞痛严重度分级 流行病学调查 自变量 logistic回归模型 因子分析 判别分析 -
外科临床研究中常用的统计分析方法
选择临床研究中统计分析方法时择,必须了解研究的目的 、研究的设计、资料的类型、资料的分布和样本量的大小.否则常会造成统计分析方法的误用,严重影响科研的质量.应根据实验设计类型和目的 ,结合应变量和自变量的数据类型、数据分布来选定适当的统计分析方法.外科医生应了解如何合理实验设计,选择合适的统计方法来回答临床问题.
-
社区获得性肺炎疗效影响因素探讨
社区获得性肺炎是常见住院治疗的呼吸道疾病,其疗效受年龄、病情、体质等因素影响而呈现多样化.回归模型常用以探索影响疗效的因素,定量检测指标通常直接反映病情并提示预后.在住院病史中通常可见一种生理病理状况由多个指标共同判断,它们之间往往存在多重共线性,造成自变量权重偏倚,影响模型预测精度[1].主成分分析通过提取这些指标的公因子,并将原指标与因子的相关系数作为权数,以加权方式计算因子标化总分来替代原指标.本文旨在应用主成分分析结合回归模型来探索某医院社区获得性肺炎疗效的影响因素.
-
线性模型中自变量相对重要性估计方法研究进展
线性回归分析有2个主要任务:一是建立线性回归方程,用自变量预测因变量;二是分析和解释各自变量对因变量的作用和意义.对各自变量相对重要性估计,分析和解释自变量对因变量的作用和意义是线性回归分析的首要任务,它在医学、生物学、心理学和经济学等领域中有着广泛的应用.
-
经典统计的回归模型概述
本文目的是系统全面地总结和归纳经典统计中的回归模型及其合理选用的要领.具体方法是先按因变量的性质分为定量因变量与定性因变量两大类,再分别按自变量所具备的不同前提条件,并基于经典统计思想构建相应的回归模型.初步结果为:在定量因变量的场合下,经典回归模型大致有16种不同情形;而在定性因变量的场合下,经典回归模型大致有6种不同情形.总之,在构建经典回归模型时,应当依据因变量的性质和自变量所具备的前提条件,选择合适的回归模型,才能达到比较理想的统计分析目的.
-
在高于米氏常数的底物浓度下用积分法测定尿酸酶活性
目的:以尿酸酶为模型,考察在底物浓度高于酶米氏常数(Km)时用积分法测定酶活性(Vm)的可靠性. 方法:用293 nm光吸收记录尿酸酶反应曲线. 用以反应时间为自变量的积分速度方程,以尿酸酶Km为常数而本底为非线性参数拟合尿酸酶反应曲线,搜寻对应好拟合的Vm. 结果:此积分法测定Vm主要受剩余底物浓度影响,本底基本没有干扰. 剩余底物低于2.5 μmol/L时用10~70 μmol/L起始底物所得Vm无差异. 用25和70 μmol/L起始底物浓度时初速度和Vm都与酶量呈正比. 在此两种底物浓度下积分法的下限相同,且与初速度法下限无明显差异. 但用积分法测定酶活性的上限明显高于初速度法,而且起始底物浓度越低则差异越显著. 结论:在积分法中使用以反应时间为自变量的积分速度方程拟合酶反应曲线,在高于Km的底物浓度下能可靠测定酶活性.
-
无意识目标启动的定义、机制及应用
无意识目标与社会态度、刻板印象和图式等一样,是行为的满意状态或结果在个体头脑中的一种表征,包含有目标设定、追求情境和追求手段等内容。这些内容能够被环境中的刺激自动激活,在意识不到的情况下影响人的心理和行为。无意识目标启动的概念和其他心理表征的启动不同,无意识目标启动能够促使带有动机性的行为出现,启动线索的影响不会随着时间的推移而消失。无意识目标启动的自变量与自身心理状态和环境中他人的影响有关,无意识目标启动的因变量与任务表现和社会关系的处理有关。“知觉-行为模型”、“无意识行为选择模型”、“评价准备模型”和“情感因素模型”能够分别从“无意识”和“目标”两个角度对无意识目标启动的心理机制进行解释。无意识目标启动原理在商业、教育、医疗等领域当中有着广泛的应用前景,为了更好地完善理论研究和进行实际应用,今后应该更加重视无意识目标启动的脑机制研究。