Регрессия Кокса Опции

[Alex_Z]

Немного запутался. Подскажите, пожалуйста.

Есть две группы больных. Основная и сравнения. Для обеих групп определяю факторы риска смерти по методу регрессии Кокса. Получаю коэффициент регресии и его ст.ошибку, хи-квадрат, р-значение, отношение шансов и 95%. Так вот, в основной группе фактором риска является высеваемая флора (метод высоко эффективен при грамотрицательной флоре) - это закономерно и ожидаемо. Больных с грамотрицательной флорой умерло на самом деле меньше. В группе сравнения летальность при грам-, грам+, грам+/- примерно одинаковая и флора фактором риска не является. Могу ли я сказать, что у больных основной группы достоверно снизилась вероятность умереть при грам- сепсисе? Как выразить это численно?

2. Еще вопрос по регрессии. Можно ли одновременно задавать в качестве предикторных переменных переменные, которые тесно коррелируют между собой. Как я понял из литературы - это крайне нежелательно. А что тогда делать? Просто у меня в анализе выжимаемости регрессией Кокса факторами риска являются как локализация первичного очага, так и высеваемая микрофлора. Разумеется, часто (хоть и не всегда) определенной локализации процесса соответвует определенная конкретная микрофлора. Что более важно и удобно с клинической точки зрения - флора или локализация - сказать сложно. У меня четыре градации признака "локализация" и три градации признака "флора". Что делать? Использовать простой регрессионный анализ отдельно для каждого фактора?

Сообщение отредактировал Alex_Z - 10.01.2012 - 00:48

[Alex_Z]

Я правильно понимаю, что поскольку сравниваю именно наминативные признаки, то беру только первую строку в таблице "симметричные меры"?

И нужно ли все таки оценивать связь между признаками, прежде чем оценивать их как факторы риска в регрессионном анализе?

Эскизы прикрепленных изображений

 

[Игорь]

Я правильно понимаю, что поскольку сравниваю именно наминативные признаки, то беру только первую строку в таблице "симметричные меры"?

Никогда с SPSS (да и другими проприетарными пакетами) сам не работал - не смогу помочь.

И нужно ли все таки оценивать связь между признаками, прежде чем оценивать их как факторы риска в регрессионном анализе?

Вообще говоря, никто этого не требует. Корреляционная связь между количественными признаками или связь типа корреляции между неколичественными или разнородными признаками при ее наличии начинает "мешать" корректному проведению расчета. Если расчет проходит без ошибок, я бы проверять не стал.

Но вот если корреляционные связи существенны, тогда необходимо выявить такие факторы - называется "проблема мультиколлинеарности". Для этого есть специальные методы (не помню уже, рассматривалась ли проблема на данном форуме). Удобный метод называется "алгоритм Фаррара-Глаубера, который фактически представляет собой совокупность трех методов, о которых подробно рассказано в ряде источников. Есть источники на английском и на украинском языках. Программно метод реализован в бесплатном пакете ME.com, доступном для скачивания с сайта проекта AtteStat (у этих двух проектов - общая математическая библиотека). Там же есть необходимые ссылки.

Сообщение отредактировал Игорь - 12.01.2012 - 16:36