流行病学数据的分析处理方法

10
山东大学公共卫生学院
五、数据的整理
（一）数据分组 分类变量：
按其原有的分类进行分组，若有必要，可将性质 相近或差别不大的类别进行合并。如教育程度。 数值变量：
按照实际的生理、病理或临床意义分组，如体重 指数：低体重、正常体重、超重和肥胖
11
山东大学公共卫生学院
按使用的方便程度和专业上惯用的方法分 组，如年龄在某一个合适的范围内每5岁或10岁 分成一组。
（不是对原始数据检验）如：秩和检验 （是对 原始数据的秩次检验）
➢ 检验：正态性检验、方差齐性检验 ➢ 方法：对数变换；平方根变换；倒数变换
13
山东大学公共卫生学院
2、分类变量转换成哑变量
原理：
分类变量是二分类尺度及顺序尺度，则可 直接应用其原有的数量化数值。
名义尺度因为各类别间没有顺序关系，在 进行不同分析（包括多元分析、logistic回归、 Cox回归等）时，不能使用原始的计算机录入 数值，必经进行变量转换。即将该变量转换 成（水平数-1）个哑变量，再将这些新转换的 变量放入多因素模型中。
4
山东大学公共卫生学院
变量数量化
如果调查表的设计是编码式的，则此步骤可省略， 直接将变量取值编码的结果输入计算机。
若不是编码式的调查结果，则需要对变量的取值 结果进行编码(数量化）。
5
山东大学公共卫生学院
常见变量的类型
1、字符型(character type)： 输入字符如中文或英文
2、数值型(numerical type)： 以数值的形式输入
（二）检查各变量的取值情况 查看变量取值范围，有无逻辑错误：如性别应有两个 取值，若有2个以上的取值，说明存在错误 。
对数据变量要检查其最小值(minimum)、最大值 (maximum)、均数(mean)、中位数(median)，并查 看是否有异常取值(outlier)，如极小值及极大值。
异常值若影响显著时应删除
14
山东大学公共卫生学院
方法： 例如：将种族原始取值转换成哑变量（新变量）
表1.
分类变量转换成哑变量的方法
种族 原始取值(x1)
白人
1
黑人
2
亚太裔
3
西班牙裔人 4
其它种族 5
新变量
.
x1-1 x1-2 x1-3 x1-4
0000
1000
01 0 0
00 1 0
00 01
（3）分类变量(categorical variable)及有 序变量(ordinal variable)则可将其取值进行 量化，然后再输入计算机
7
山东大学公共卫生学院
如：分类变量——种族
白人—1
黑人—2
西班牙裔人—3 亚太裔—4
其它种族—5
注意：
分类变量在进行多因素分析时，必须转换成哑变量
（dummy variable），不能直接将前述的取值1、2、
常用的数据分析软件
SAS（Statistical Analysis System）和SPSS （Statistical Package for Social Science）， 它们均具有很强的数据分析和数据管理的功能
2
山东大学公共卫生学院
三、数据的计算机录入
(编号、定义变量名、变量数量化）
编号：给每一个调查表或调查对象一个编号 以识别录入的数据与调查表或调查对象的对应 关系（唯一性）
流行病学数据分析前的准备工作
一、原始数据的检查
在数据分析前需要对原始的流行病学调查研究数据进行一 次审查，发现可能存在的错误、遗漏的研究变量取值和其他问 题，并采取相应的措施进行处理。
若在调查表中发现有缺失的数据，可以通过电话再次询问 研究对象、查阅有关的记录、应用储存的血液标本重新检 测或再次取样等措施进行补充。
3、4、5放入方程中进行分析。
8
山东大学公共卫生学院
有序变量的数量化顺序合理，则可以直接进行分析 如：教育程度 文盲：0 小学：1 中学：2 高中及中专：3 大学：4 硕士及以上：5
9
山东大学公共卫生学院
四、数据的检查与核对
（一）检查数据库结构 数据库样本数（观测数）、变量数、变量名称及定义 等。
若发现逻辑错误，也要及时改正。需要对调查问卷进行编 码或者对已编码的问卷进行核查，避免重复和遗漏。
1
山东大学公共卫生学院
二、选择合适的数据管理和数据分析软件
常用的数据管理软件
Microsoft FoxPro、Microsoft Access、 Microsoft Excel 这些数据管理软件也具有简单 的数据分析功能，Excel的数据分析功能更强，不 仅可实现描述性统计，还可以做t检验、方差分析、 相关回归分析等
3、日期型(data type)： 按照规定的格式输入日期数值
4、逻辑性（logical type）:
Biblioteka Baidu
6
山东大学公共卫生学院
变量数量化时应注意：
（1）除日期型变量外尽量使用数值型变量
（2）某些数值变量(numerical variable)可 直接输入变量的取值，如研究对象的身高、 体重、血压水平等。
使用阿拉伯数字1、2、3…等给每份调查表按照顺 序编号，这样有利于以后对输入的数据进行检查、 核对与修改错误。
可以给编号以时间、地区、单位、调查对象编号等， 如：200501（济南）02（历下）0001（调查对 象）
3
山东大学公共卫生学院
定义变量名称：
命名：可以应用中文、拼音、也可以应用英文，但以 使用拼音或英文为好，这样可以方便输入。
注意：
变量名应简短、易懂易记：如对性别、年龄、身高、体重可 以使用gender, age, height 和weight进行命名。对名称较 长的变量，可以使用简写，如wt表示weight、ht表示height。
标记或说明：有些数据管理和分析软件可变量进行标记或说 明，避免时间长久了而忘记数据库中的变量名字，如对上述 Wt可标记为“weight”。
按分位数分组，即首先找出四分位数
（quartile）或五分位数（quintile）的界值， 然后应用这些界值将研究对象平均分成4组（每 组25%的研究对象）或5组（每组20%的研究对 象）。
12
山东大学公共卫生学院
（二）数据的转换
1、非正态数据的变量转换 ➢ 原理：
正态分布 ——参数检验(parametric test) 非正态数据——非参数检验(non-parametric test)