更优尺度回归(CATREG)的SPSS分析

2017-05-29 MedSci MedSci原创

回归SPSS

1、什么是最优尺度回归？英文简称CATREG，也称分类回归。　普通线性回归对数据的要求十分严格，当遇到分类变量时，线性回归无法准确地反映分类变量不同取值的距离，比如性别变量，男性和女性本身是平级的，没有大小、顺序、趋势区分，若直接纳入线性回归模型，则可能会失去自身的意义。最优尺度回归就是为了解决类似问题，它擅长将分类变量不同取值进行量化处理，从而将分类变量转换为数值型进行统计分析。可以说有了最优尺

1、什么是最优尺度回归？英文简称CATREG，也称分类回归。　普通线性回归对数据的要求十分严格，当遇到分类变量时，线性回归无法准确地反映分类变量不同取值的距离，比如性别变量，男性和女性本身是平级的，没有大小、顺序、趋势区分，若直接纳入线性回归模型，则可能会失去自身的意义。最优尺度回归就是为了解决类似问题，它擅长将分类变量不同取值进行量化处理，从而将分类变量转换为数值型进行统计分析。可以说有了最优尺度回归方法，将大大提高分类变量数据的处理能力，突破分类变量对分析模型选择的限制，扩大回归分析的应用能力。最优尺度回归分析的功能与意义自变量为分类变量的时候，比如收入级别，学历等等，通常做法是直接将各个类别定义取值为等距连续整数，但是等距的假设显然有些草率，最有尺度回归便可解决这一问题。相关数据颜色偏好与年龄、性别、职业之间的关系。分析过程第一步：打开主菜单。在SPSS数据视图下，在菜单栏中选择【分析】【回归】【最优尺度】选项，调出SPSS分类回归主菜单界面。分析-回归-最佳尺度第二步：定义尺度。为因变量和所有自变量指定最合适的测度类别。首先从左侧的变量栏中选择“颜色偏好”，按箭头按钮方向移入因

作者：MedSci



版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
评论区 (6)
#插入话题
  1. 2018-08-28 Yvonneyzf

    如果我没记错的话，颜色应该选择名义尺度。年龄应该选择数字尺度吧？？？？楼主？？？

    0

  2. 2017-06-16 hanchunhee

    我也正在用

    0

  3. 2017-05-31 12498484m48(暂无昵称)

    #Treg#

    0

  4. 2017-05-30 184****9840

    学习了谢谢分享。

    0

  5. 2017-05-30 189****7206

    学习了谢谢分享。

    0

相关资讯

Logistic回归如何校正的RR，而不是OR？

流行病学研究中，有两个非常重要的，衡量暴露与结局的关联指标：OR和RR。OR（Odds Ratio）中文里通常译为比值比，优势比。Odds是一个源于赌博的概念，比如猜色子大小，硬币正反面时 大 v.s.小 ， 正 v.s.反 的概率的比值叫Odds, 两个odds之间再取比值叫Odds Ratio。 针对Odds Ratio具体而言，又分暴露比值比，患病比值比，发病比值比。RR（Rate Rat

logistic回归还是log-binomial回归？RR如何正确估计？

当结局发生率较大时，再使用OR来估计RR时会不准确，建议当结局发生率大于10%时，使用log-binomial回归方法替代logistic回归。 Log-binomial 回归模型是广义线性模型的一种特殊类型，由于它很容易得到某一因素率比( rate ratio, RR) 的最大似然估计值，因此，能够作为干预效应评价的选择方法。流行病学暴露于结局的关联性研究中（队列研究），当结局事件发生率较为罕

分层回归分析理论及意义，以及SPSS操作演示

分层回归（hierarchical multiple regression），也称层次回归，其实是对两个或多个回归模型进行比较。我们可以根据两个模型所解释的变异量的差异来比较所建立的两个模型。一个模型解释了越多的变异，则它对数据的拟合就越好。假如在其他条件相等的情况下，一个模型比另一个模型解释了更多的变异，则这个模型是一个更好的模型。两个模型所解释的变异量之间的差异可以用统计显著性来估计和检验

用局部加权回归散点平滑法（LOWESS）观察二维变量之间的关系

二维变量之间的关系研究是很多统计方法的基础，例如回归分析通常会从一元回归讲起，然后再扩展到多元情况。局部加权回归散点平滑法（locally weighted scatterplot smoothing，LOWESS或LOESS）是查看二维变量之间关系的一种有力工具。 LOWESS主要思想是取一定比例的局部数据，在这部分子集中拟合多项式回归曲线，这样我们便可以观察到数据在局部展现出来的规律和趋势；

样本量过少回归分析如何分析处理与解释

回归是统计学中最常用的模型，但是，有时使用回归后发现结果难以解释，或者与临床实际并不符合，十分困惑。这可能是什么原因呢？ 虽然，实际原因很多，但是重要原因之一是样本量太小！很小小样本得出回归的结果，其实并不"回 归"，因此，在处理小样本做多因素回归分析时，要慎重。传统一般认为在logistic回归时，变量与样本量之比为至少5倍，即纳入5个变量时，样本量至少也需要25例，实际上，这是保守估计。如果

有序多分类Logistic回归SPSS实战操作教程

1、问题与数据 在某胃癌筛查项目中，研究者想了解首诊胃癌分期（Stage）与患者的经济水平的关系，以确定胃癌筛查的重点人群。为了避免性别因素对结论的混杂影响，研究者将性别（Sex）也纳入分析（本例仅为举例说明如何进行软件操作，实际研究中需控制的混杂因素可以更多）。研究者将所有筛查人群的结果如表1，变量赋值如表2。 表1. 原始数据 表2. 变量赋值情况 2、对数据结构的分析