Professional Documents
Culture Documents
1
Mục tiêu
2
Tin học ứng dụng - NCKH Bộ môn: TKYT – DS -SKSS
PHÂN TÍCH TƯƠNG QUAN
3
Ví dụ: tính hệ số tương quan giữa tuổi và chiều cao
Thực hiện: Analyze/ Correlate/Bivariate
Biến số
4
Kết quả thực hiện
5
Thể hiện mối tương quan trên biểu đồ scatter plot:
graph/legacy Dialogs/Scatter plot
6
Biến phụ thuộc
7
Chú ý :
• Lựa chọn hệ tương quan pearson khi số liệu có phân bố
chuẩn
• Hệ số tương quan Spearman khi số liệu có phân bố không
chuẩn
8
MÔ HÌNH HỒI QUY
9
MÔ HÌNH HỒI QUY
10
Mô hình hồi quy tuyến tính đơn biến
11
Mô hình hồi quy tuyến tính
Thực hiện:
Analyza/ Regression/ Linear
Lưu ý: Các giả định số liệu phải có phân bố chuẩn, các
quan sát độc lấp
12
Biến phụ thuộc
13
+ Một số phương pháp phân tích:
- Enter : tất cả các biến đưa vào đều góp mặt trong mô
hình (1 mô hình duy nhất)
- Backward: Loại bỏ dần các biến không đóng góp cho
mô hình (số biến độc lập giảm dần theo các mô hình)
- Forward: Tăng dần các biến trong mô hình
- Stepwise: Kết hợp
14
Ví dụ: Hồi quy tuyến tính đơn biến
Viết phương trình tuyến tính giữa t score cổ xương đùi với
tuổi nghiên cứu
15
Phương pháp đưa biến độc lập vào mô
hình
Tóm tắt mô hình ( lưu ý ý
nghĩa hệ số R2)
17
Mô hình hồi quy binary logistic đơn biến
18
Đo lường hệ số nguy cơ ( OR)
Bệnh Không bệnh Tổng
Phơi nhiễm a b a+b
Không phơi nhiễm c d d+d
Tổng a+c b+d a+b+c+d
20
Ví dụ: xây dựng mô hình logistic giữa tình trạng loãng xương
(cổ xương đùi) với trình trạng giảm chiều cao (có; không )
Analyze/ Regression/Binary logistic
Biến phụ
thuộc
Phương pháp
lựa chọn biến 21
Biến định tính
23
Đọc từ dòng này
24
Mô hình khi chưa đưa biến độc lập
25
Phương pháp đưa biến độc
lập vào mô hình
26
Phương trình của mô hình:
Ln(Odds) = -0,421 +0,853 *giam chieu cao
Lưu ý :
Hệ số hồi quy B
Sig: giá trị p ý nghĩa của hệ số B
Exp(B) chính là tỷ suất chênh OR
95% CI (OR) : Khoảng tin cậy 95% của OR
27
Phiên giải kết quả có nhiều cách để phiên giải kết qua khác nhau
:
Trong nhóm không giảm chiều cao:
Odds (x=0) = e(- 0.421+0,853*0) = e(-0.421)= 0.656 p=0,656/1.656=
0.396
Hay mô hình giúp tiên đoán 39,6% người không bị giảm chiều cao sẽ bị
loãng xương.
Trong nhóm có giảm chiều cao:
Odds(x=1) = e(-0.421 +0,853*1) = e(0,432)=1.54 p=1,54/2.54=0,606
hay mô hình giúp tiên đoán 60,6% người bị giảm chiều cao sẽ bị loãng
xương
OR = Odds(x=1)/ Odds (x=0) = 1,54/0,656 = 2,347
Như vậy nhóm có giảm chiểu cao thì có khả năng loãng xương cao gấp
2,35 lần so với người không giảm chiều cao. 28
BÀI TẬP
29