最新【SPSS】激素水平项目实战案例，2024年最新大数据开发高级工程师面试实战

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

文末福利

---

1.研究背景

在某个消化内科的科研项目中，研究者认为某种激素水平可能 会对胃癌的发生有一定的作用，因此设计了此项研究，将病人按照临床病理诊断结果分为对照组和试验组（出现病变组）两组，并采集了如下指标：

• 性别：男、女
• 年龄：除记录实际年龄外，还根据临床研究的习惯，按照<45岁、45~59岁、60岁及以上分为青 年、中年、老年三组

此外，对于试验组，还进行了如下实验室检查：

• 萎缩程度：分为轻、中、重度三级
• 胃粘膜细胞肠化程度：分为无、轻度、中度、重度四级

2.研究问题

在控制了其他因素的作用之后，激素水平是否的确在两组间存在差异

3.分析思路

本例是一个比较典型的要求控制其余影响因素下的两组数据比较。 因此从基本思路上应当属于影响因素发现与确认的范畴，绝大多数 情况下，此类问题的分析流程如下：

1.在数据理解的基础上，先进行单个因素对因变量的影响大小分析，对可能需要控制的其他影响因素进行筛选。

2.根据单因素分析的结果，尝试构建多因素模型，从而在控制其余影响因素的同时，得到分组变量是否对因变量有影响的结论。

4.研究过程

4.1单变量分析

分类变量：做频数分析

操作步骤：

①【分析】–>【描述统计】–>【频率】

② 选择变量，点击确定

③ 结果如下:

连续变量：做描述统计

操作步骤：

①【分析】–>【描述统计】–>【描述】

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。

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！

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。

[外链图片转存中…(img-tpEd0lsQ-1715500603430)]
[外链图片转存中…(img-Rt8JI3DS-1715500603430)]

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！