spss实战案例----分析多个变量与因变量之间是否存在关系，
⽅差分析
本案例是IBM SPSS数据分析与挖掘实战案例精粹----第七章的学习记录
案例背景或⽬标：激素⽔平是否在对照组和实验组之间存在差异
分析⽅法：Bootstrap抽样，秩和检验，秩变换⽅法，cox回归
字段包括：性别，年龄，萎缩程度，胃粘膜细胞肠化⽣程度
基本思路：控制变量法，⾸先排除性别，年龄，萎缩程度，胃粘膜细胞肠化⽣程度的影响；
探索性数据分析：观察样本量，样本的分布，是否存在偏态分不等；
样本分布：分析-表
性别萎缩肠化年龄分组
男⼥轻度中度重度⽆轻度中度重度青年组中年组⽼年组
Count Count Count Count Count Count Count Count Count Count Count Count
组别试
验
组2512141671012132151210
对
照
组20110000000101110
查看激素⽔平分布：图形--图表构建程序
激素⽔平呈明显的正偏态分布，必须考虑假设检验⽅法对数据的分布要求；
采⽤Bootstrap抽样进⾏分析：常⽤经典统计学的分析⽅法，⽆⼀例外的需要对变量的分布进⾏假定，然后才能进⾏相应的计算；ootstrap 抽样的基本思想是在全部样本未知的情况下，借助部分样本的有放回多次抽样，构建某个估计的置信区间，抽象地说，通过样本得到的估计并没有榨⼲样本中的信息，bootstrap利⽤重采样，把剩余价值发挥在构建置信区间上。
bootstrap抽样⽅法：分析--⽐较均值--均值--因变量列表（激素⽔平），⾃变量列表（组别，性别，年龄），选项--中位数--加⼊“单元格统计量”，bootstrap⼦对话框中“执⾏bootstrap”
可以观察各个统计量95%区间差异，对某因素的影响进⾏分析；中位数并不重叠，可能存在统计学差异（初步分析）；可以采⽤采⽤秩和检验进⾏更精确的分析：
bootstrap检验方法对因变量变量变换后的建模分析：
常见的变量变换⽅法：1，对数转换；2，平⽅根转换；3，平⽅根正弦转换sin(开⽅)；4：平⽅转化；5，倒数转换；6，Box-Cox变换；
对于正偏态分布，⼀般常⽤的是对数变换：分析----描述统计----P-P图（数据符合指定分布时，P-P图中各点近似呈⼀条直线。）
将字段进⾏转换后，使⽤：
1）分析----⼀般线性模型----单变量
2）将Injisu选⼊“因变量”列表框
3）将组别，性别选⼊“固定因⼦”列表框，年龄选⼊“协变量”列表框
4）“模型”⼦对话框，将组别，性别，年龄的主效应选⼊“模型”列表框
5）“选项”⼦对话框，选择“残差图”和“缺乏拟合优度检验”
6)确定。
上图，总模型p值为0.003，说明整个模型对injisu的预测是有统计学意义的（变量之间相关的），分项来看，只有组别具有统计学意义；秩变换分析：
当变量转换⽆法解决问题时，可以使⽤秩变换：转换----个案排序-----将激素⽔平放⼊“变量”列表框；
将字段进⾏转换后，使⽤：
1）分析----⼀般线性模型----单变量
2）将Rjisu选⼊“因变量”列表框
3）将组别，性别选⼊“固定因⼦”列表框，年龄选⼊“协变量”列表框
4）“模型”⼦对话框，将组别，性别，年龄的主效应选⼊“模型”列表框
5）“选项”⼦对话框，选择“残差图”和“缺乏拟合优度检验”
6)确定。
利⽤Cox模型进⾏分析：秩变换分析会损失⼀些信息，除了⾮参数⽅法外，还可以利⽤⽣存分析中的COX回归模型进⾏分析
总结：性别，年龄对激素⽔平未发现有影响，试验组和对照组之间的激素⽔平存在明显差异；对于同⼀个统计问题，可以使⽤多种模型进⾏解决，没有正确的模型，只有更加适合的模型；当结论不⼀样时，应根据模型的特点以及真实情况，判断那种情况更接近真实；也可以使⽤投票策略进⾏确定（类似与随机森林，选择多数模型结果）

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。