大数据最新【SPSS】激素水平项目实战案例(2),2024年最新该如何高效实用Kotlin

img
img
img

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

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。

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。

5.总结

img
img
img

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

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。

5.总结

[外链图片转存中…(img-pCTRrGlX-1715770787114)]
[外链图片转存中…(img-9nI4TdTY-1715770787114)]
[外链图片转存中…(img-vegLZciu-1715770787114)]

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

  • 3
    点赞
  • 7
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
SPSS统计分析实用教程第2版》是一本介绍如何使用SPSS软件进行统计分析的实用教程,由邓维斌编写。以下将从教材的特点、内容概述和适用人群等方面回答你的问题。 首先,该教材的特点是系统性强、实用性突出。邓维斌老师在编写教材时,结合自己多教学经验,通过丰富的实例和案例,详细介绍了SPSS软件的基本操作和常用统计分析方法,帮助读者快速掌握SPSS的使用技巧,并能够独立进行统计分析。 教材的内容概述包括SPSS软件介绍、数据录入和数据编辑、数据描述统计、假设检验、方差分析、相关分析、回归分析、非参数统计等内容。每一章节都有清晰的学习目标、详细的步骤说明和示例分析,读者可以通过跟随教材一步步实践,理解和掌握统计分析的基本方法和技巧。 该教材适用于各类需要进行数据分析的读者,尤其是在社会科学研究、市场调查、医学和教育等领域工作的学生、研究人员和专业人士。无论是初学者还是有一定统计背景知识的人士,都可以通过该教材系统地学习SPSS软件的使用和统计分析方法。 综上所述,《SPSS统计分析实用教程第2版》是一本系统而实用的教材,由邓维斌编写。该教材内容丰富,适用于各类需要进行数据分析的读者,帮助他们快速掌握SPSS软件和统计分析的基本方法和技巧。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值