大数据最全【SPSS】激素水平项目实战案例(1)，2024年最新不同层级的大数据开发开发者的不同行为

2301_82244122

于 2024-05-11 19:06:05 发布

阅读量748

点赞数 14

分类专栏：程序员文章标签：大数据面试学习

本文链接：https://blog.csdn.net/2301_82244122/article/details/138726944

版权

程序员专栏收录该内容

57 篇文章 0 订阅

订阅专栏

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

②选择变量，点击确定

③结果如下：

绘制激素水平的直方图

操作步骤：

①【图形】–>【旧对话框】–>【直方图】

②选择变量，点击确定

③结果如下：

可以看到激素水平确实是偏态的。大多数值低于4.0， 4.0~10之间到底有没有值。可以查看数据，对数据进行排序。

右键jisu列，选择【降序排序】

可以发现激素数据最大值为10.10，次大数3.2。有一个远远偏离数据的极大值。这个极大值能不能删掉？取决于该数据是否为测量错误，如果发现是测量错误就删掉，如果测量数据所得正确，就不能删除。因为它就代表了整个群体中的一部分情况，本例中不删除。

4.2关联强度探索

关联强度探索指：对每个自变量和因变量做相关性分析。因变量是激素水平，通过前面的分析发现激素水平数据不是正态分布的，假如我们做试验组和对照组两个分组变量与激素水平的分析，我们应该选择两样本T检验，但T检验分析中比较的是均值，对于偏态分布数据，均值没有代表性，应该比较中位数，稳妥起见我们选择非参数检验方法进行分析。

操作步骤：

①【分析】–>【非参数检验】–>【独立样本】

②选择【在各个组之间比较中位数】

③ 点击字段，选择检验字段、组别

④点击设置，选择曼-惠特尼U，点击运行

⑤结果如下：

拒绝了原假设，说明试验组和对照组的激素水平的中位数和分布都不相同。

4.3对数转换分析

很多时候变量的分布并不是人们期望的正态分布（或者接近正态分布），因此，一些数据分布的变换技术被引入。对数转换是常用的一种变换方式，例如本项目的激素水平数据是偏态分布。不能直接做分析，先将数据做对数转换。

操作步骤：

①【转换】–>【计算变量】

②选择目标变量，编写数学表达式

可以发现，源数据中多了一个名为“对数激素水平”的变量

③【图形】–>【图表构建器】

④ 拖拽元素

⑤结果如下：

⑥选择堆积直方图

⑦结果如下：

查看年龄与对数转换激素水平变量的相关性

操作步骤：

①【分析】–>【相关】–>【双变量】

②选择变量

③ 结果如下：

相关性中可以看到sig的值0.997，说明分析中年龄和激素水平没有关系，可以不考虑年龄变量。

4.4 激素水平的方差分析

操作步骤：

①【分析】–>【一般线性模型】–>【单变量】

②选择因变量和固定因子

③结果如下：

从显著性可以看到分组是有统计学意义的；性别是没有统计学意义的；分组和性别的交互作用有统计学意义。这说明男性和女性患者，他们的激素水平在试验组和对照组是不一样的。

4.5 秩变换分析

秩变换分析介绍

秩变换分析是一种非参数检验，把不符合正态分布的变量取它的秩次代替原来变量，再计算检验统计量进行分析。

“秩”的概念：

秩，简单说就是变量值排序的名次。可以将数据按升序排列，每个变量值都会有一个在整个变量值序列中的名次，这个名次就是变量值的秩。变量值有几个，对应的秩便有几个。

操作步骤：

①【转换】–>【个案排秩】

② 选择变量

③点击【确定】，在数据视图中可以看到秩次变量

④【分析】–>【一般线性模型】–>【单变量】

⑤选择因变量和固定因子

⑥ 点击【确定】,查看分析结果

在主体间效应检验中可以看到，修正模型显著性小于0.05，说明总体而言模型中有一些影响因素确实存在的，组别显著性小于0.05有统计学意义。年龄分组、组别和年龄分组的交互作用没有统计学意义，所以，年龄变量可以剔除，不必参加分析。

从主体间效应检验中可以看到，组别有统计学意义；性别没有统计学意义，但是组别和性别的交互作用有统计学意义。

4.6Cox回归分析

Cox回归介绍

从分析的因素上看，有单因素分析和多因素分析。生存分析对应的多因素模型则常用Cox回归模型。

Cox回归又称为比例风险模型，能够同时考虑多个自变量对生存时间分布的影响。探讨到底哪类群体的“死亡”速度更快、到底什么因素影响了“死亡”速度。

Cox模型是针对生存时间和生存状态来建模，生存时间数据一般都是一个偏长尾的正偏态的分布。而我们的因变量激素水平数据分布正好是偏长尾的正偏态分布。将因变量取值看作“生存时间”。定所有观测均在该时点出现结局事件，然后对其影响因素做生存数据的建模。因为Cox模型是针对生存时间和生存状态来建模的，现在将因变量激素水平变量看作“生存时间”，每个观测均在该点要出现结局事件。因此要创建一个生存状态变量。

操作步骤：

①【转换】–>【计算变量】

②选择目标变量

③【分析】–>【生存分析】–>【Cox回归】

④选择时间、状态

⑤定义分类协变量

⑥点击【确定】，在输出窗口查看输出结果

从分类变量编码可以看到，试验组参照编码为1，对照组参照编码为0。以"最后一个"分类为参照变量。也就是拿试验组和对照组相比；男性和女性进行相比。

在模型系数检验中显著性小于0.05，说明变量具有统计学意义。

在方程中的变量可以看到。组别显著性小于0.05是有统计学意义的。性别和年龄显著性大于0.05没有统计学意义。在变量编码中知道组别是试验组和对照组进行相比。系数B值0.82，表明试验组和对照组相比，死亡系数偏高的。Exp(B)等于2.274表明试验组相比对照组在任何时间点，死亡风险都是对照组的2.274倍。这时候我们就很难对应起来，究竟是说试验组的激素水平高还是对照组高，Cox 模型应用到这个领域很不直观。那Cox模型的价值在哪？它主要可以快速的筛选变量，筛选出哪些变量有统计学意义，哪些变量没有统计学意义。Cox模型主要应用是分析灯泡寿命、轮胎使用寿命。在经济领域的使用，比如财务收入，税后的收入。