Python全系列 教程
3567个小节阅读:5930.6k
目录
鸿蒙应用开发
C语言快速入门
JAVA全系列 教程
面向对象的程序设计语言
Python全系列 教程
Python3.x版本,未来主流的版本
人工智能 教程
顺势而为,AI创新未来
大厂算法 教程
算法,程序员自我提升必经之路
C++ 教程
一门通用计算机编程语言
微服务 教程
目前业界流行的框架组合
web前端全系列 教程
通向WEB技术世界的钥匙
大数据全系列 教程
站在云端操控万千数据
AIGC全能工具班
A A
White Night
对数转换分析:可用于服从对数正太分布的资料,部分正偏态资料、等比资料。
激素水平的数据是偏态分布。不能直接做分析,先将数据做对数转换。
在变量视图中就多一个变量
查看对数激素变量的分布
查看年龄与对数转换激素水平变量的相关性
点击【确定】,在输出窗口查看结果
相关性中可以看到sig的值0.997,说明分析中年龄和激素水平没有关系,可以不考虑年龄变量。及年龄变量没有统计学意义。
回归模型和方差分析都是一般线性模型的范畴,那应该怎么选择?
方差分析擅长于对付自变量为分类变量这种情况。现在我们数据中大多都是分类变量因此选择方差分析。
因为年龄是连续型变量,不能直接放到固定因子中,应该放到协变量中。
点击【确定】,在输出窗口中查看结果
在主体间效应检验中,修正模型查看总体而言模型中有没有有价值的自变量。看到显著性是0 ,说明总体而言模型中有一些影响因素确实存在的,但是哪些因素不知道。
年龄显著性0.99,同样告诉我们,年龄变量不起作用,可以删掉。
在建模时候,模型越简洁越好,如果发现有没有统计学意义的变量,直接剔除。因此删除年龄变量。
可以看到简化后的主体间效应检验。从显著性可以看到分组是又统计学意义的。性别是没有统计学意义的。分组和性别的交换又有统计学意义。这说明男性和女性患者,他们的激素水平在试验组和对照组是不一样的。可以对男性和女性做一些深入研究了。