统计学基本知识

Logistic回归模型的适用条件
• 1 因变量为二分类的分类变量或某事件的发生率，并且是数值型变量。但是需要注意，重复 计数现象指标不适用于Logistic回归。 • 2 残差和因变量都要服从二项分布。二项分布对应的是分类变量，所以不是正态分布，进而 不是用最小二乘法，而是最大似然法来解决方程估计和检验问题。 • 3 自变量和Logistic概率是线性关系 • 4 各观测对象间相互独立。
• 1、相互独立的各指标大小用直条图。 • 2、表示全体中各部分比重百分直条图或者圆形图。 • 3、表示连续性资料的发展变化或者一事物随另一事物变迁的情 况用线图。 • 4、比较事物发展的速度用半对数图。 • 5、表示连续性资料频数分布用直方图。 • 6、表示两事物的相关关系散点图。 • 7、表示某种现象的数量在地域上的分布用统计地图。
一般四格表卡方检验
• 卡方检验使用条件： • 两个独立样本比较可以分以下3种情况： • 1.所有的理论数T≥5并且总样本量n≥40，用Pearson卡方进行检验。 • 2.如果理论数T＜5但T≥1，并且n≥40，用连续性校正的卡方进行检 验。 • 3.如果有理论数T＜1或n＜40，则用Fisher’s检验。
3统计分析
4、分析-非参数检验-两相关样本（配对样本 ）
Biblioteka Baidu
logistics回归
• logistics回归对反应变量为分类变量所进行多变量分析
• logistic回归是一种广义线性回归（generalized linear model），因此与多重线 性回归分析有很多相同之处。它们的模型形式基本上相同，都具有 w‘x+b， 其中w和b是待求参数，其区别在于他们的因变量不同，多重线性回归直接 将w‘x+b作为因变量，即y =w‘x+b，而logistic回归则通过函数L将w‘x+b对 应一个隐状态p，p =L(w‘x+b),然后根据p 与1-p的大小决定因变量的值。如 果L是logistic函数，就是logistic回归，如果L是多项式函数就是多项式回归。 [1]
1、在菜单上执行:analyse-regression( 回归)-binary （双重） logistic
2、将患病率作为因变量，将其他三个作为自 变量，设置好这几个
3、点击OK,开始处理数据
4、结果。
统计图
• 常用的统计图有：直条图、圆形图、线图、 半对数图、直方图、散点图、统计地图。
统计图的选择
统计学基本方法
卡法检验（Chi-square test/Chi-Square Goodness-of-Fit Test）
• 卡方检验是用途非常广的一种假设检验方法，它在分类 资料统计推断中的应用，包括：两个率或两个构成比比 较的卡方检验；多个率或多个构成比比较的卡方检验以 及分类资料的相关分析等。
秩和检验的应用条件
• （1）总体分布形式未知或分布类型不明；
• （2）偏态分布的资料； • （3）等级资料：不能精确测定，只能以严重、优劣等级、次序先后等表示 • （4）不满足参数检验条件的资料：各组方差明显不齐； • （5）数据的一端或者两端是不确定数值，如“>50mg”
例题
1建立变量名
2、录入数值
卡方检验的SPSS操作步骤
1 打开软件，设置数据格式，四格表卡方检验固定数据为4行3列，前两列分 别表示行与列，最后一列表示每一种出现的频数。
2、分析前，要对数据进行频数变量，点击Data,依次找到 weight cases.
3、弹出对话框，选择weight case ,把频数变量f 送 入右边的框中，点击OK.
4、卡方检验，点击Analyze,依次找到 Descriptive Statistics-Crosstabs
5、弹出对话框中，分别把r和c送入对应的行和列的框中， 并点击Statistics，弹出框中选择Chi-square。
6、最后点击OK.
秩和检验（signed-rank test）
• 在实践中我们常常会遇到以下一些资料，如需比较患者和正常人 的血清铁蛋白、血铅值、不同药物的溶解时间、实验鼠发癌后的 生存日数、护理效果评分等，我们将非参数统计中一种常用的检 验方法--秩和检验，其中“秩”又称等级、即上述次序号的和称 “秩和”，秩和检验就是用秩和作为统计量进行假设检验的方法。
直条图
事故发生率
60
50
40
30
20
10
0 小学 初中 高中 大学
饼状图
事故发生率
折线图
事故发生率
60
50
40
30
20
10
0 小学 初中 高中 大学
散点图
事故发生率
60
50
40
30
20
10
0 0 0.5 1 1.5 2 2.5 3 3.5 4 4.5