p for trend 趋势性检验及spss实现

P for trend是回归模型中线性趋势性检验的结果，P for trend主要是用来检验自变量X的变化与因变量Y的变化之间是否存在一定的线性变化趋势。

一、趋势性分析的意义

对于原始变量本身即为连续型变量时，为什么不将原始变量直接带入到模型中进行分析呢？为什么还要大费周折将其转化为等级变量，然后再做一遍趋势性检验呢？直接带入原始变量时所得的P值不是能更好的说明该变量与因变量之间的变化趋势么？

1、当自变量以连续型变量的形式引入模型时，其意义解释为该自变量每增加1个单位，所引起的因变量Y的变化（β），或结局发生风险的变化（OR/HR），但实际上这种变化效应有时是很微弱的，并没有太大的临床意义，因此需要对连续型变量进行适当的转化。如年龄增加1岁，血压升高0.1mmHg，这种就属于有统计学意义，但没有临床意义。

2. 如果直接将原始的连续型变量带入到回归模型中，其前提是已经假定该连续型自变量与因变量之间存在着一定的线性关系。但是，当自变量与因变量之间的相互变化关系不明确时，以连续型变量带入模型会遗漏一些很重要的信息。有时候变量之间不是线性关系，比如分4组，1:4应该先有统计学意义；然后才可能1;3,再而1:2；如果出现顺序错乱，很可能说明数据并不呈现线性趋势而是U型或其他形式。

二、连续型变量转换。

1、二分类分组

将连续型变量按照某个切点转化为二分类变量。二分类变量有2个分类属性，我们选择其中一个分类作为参照（通常设置变量=0），则另一个分类自动作为比较组（通常设置变量=1）。

那么如何确定二分类分组的切点呢？通常情况下，为了保证以切点划分的两组研究对象，在样本量上能够尽量保持一致，我们可以以该自变量的中位数为切点进行分组，即按照中位水平分为高、低两组来进行比较