Форум врачей-аспирантов

Здравствуйте, гость ( Вход | Регистрация )

> Монофакторный анализ. Как сделать?
Solo...
сообщение 7.12.2008 - 18:33
Сообщение #1





Группа: Пользователи
Сообщений: 35
Регистрация: 3.10.2008
Из: Москва
Пользователь №: 5369



Уважаемые форумчане!!! Я опять к вам за помощью. На этот раз я опять пользовалась поиском, но что то у меня ничего не нарисовалось почему то.
Есть результат лечения - положительный и отрицательный. И есть несколько факторов - пол, возраст, размеры опухоли, параметры лечения и ряд других. Как провести анализ зависимости результата от каждого в отдельности фактора? В одну колонку я вношу результат, в другие колонки - эти факторы. А как посчитать это с помощью Статистика - 6 или -7?

Подскажите пожалуйста, на какие кнопки жать и какие параметры оценивать? Заранее спасибо.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
 
Открыть тему
Ответов
плав
сообщение 7.12.2008 - 20:28
Сообщение #2





Группа: Пользователи
Сообщений: 1013
Регистрация: 4.10.2006
Пользователь №: 1933



Вообще-то логистическая регрессия. Если бы не менюшный интефейс, то совет можно было бы дать, типа в R
glm(Y~age+sex+size+treat1,family="binomial"), но в Statistica процедура достаточно хорошо описана в хелпе. Идея в том, что вначале можно построить модель попарно с каждым фактором, затем все вместе. Т.е. зависимая переменная - исход (кодируйте 0 и 1), а независимые - изучаемые. Можно и поуродоваться - вначале для качественных переменных построить таблицы сопряженности (crosstables в базовой статистике), для количественных все равно придется делать унивариантную логистическую регрессию.
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Solo...
сообщение 8.12.2008 - 22:01
Сообщение #3





Группа: Пользователи
Сообщений: 35
Регистрация: 3.10.2008
Из: Москва
Пользователь №: 5369



Цитата(плав @ 7.12.2008 - 20:28) *
Вообще-то логистическая регрессия. Если бы не менюшный интефейс, то совет можно было бы дать, типа в R
glm(Y~age+sex+size+treat1,family="binomial"), но в Statistica процедура достаточно хорошо описана в хелпе. Идея в том, что вначале можно построить модель попарно с каждым фактором, затем все вместе. Т.е. зависимая переменная - исход (кодируйте 0 и 1), а независимые - изучаемые. Можно и поуродоваться - вначале для качественных переменных построить таблицы сопряженности (crosstables в базовой статистике), для количественных все равно придется делать унивариантную логистическую регрессию.


Плав, спасибо большое, что откликаетесь. Я с помощью вас все таки провела РОК-анализ, и поняла что это такое. Книгу Флечера, которую вы мне советовали (да и не только вы) в другой теме, я , увы, не могу найти. Кроме того, изучить целую книгу - это не просто в условиях постоянного потока больных и кучи дел. Наука в нашем учреждении - дело прикладное. Так сказать, хобби. Уверена, что в "Статистике" это можно посчитать без глубоких знаний в статистической науке, нажимая на кнопки - знать бы на какие. Не подумайте, что я лишь поверхностно подхожу к делу. Просто мне кажется, что если я примерно понимаю, в чем суть монофакторного анализа, то зная, на что жать в Статистике, я это сделать смогу сама, не дергая людей. И еще понимать бы, что значит куча результатов на выходе. smile.gifsmile.gifsmile.gif

Не могли бы пошагово разъяснить, как это сделать? Я делаю несколько вергикальных колонок - вар.1 - это результат (о - плохой, 1 - хороший - так кодирую), вар.2 - и последующие варианты - это признаки, от которых может зависеть результат. Количественный признак я вношу, как есть (например, размеры опухоли столько то см), а качественный - например, пол - кодирую (м-1, ж-2 допустим). Дальше жму на кнопку "статистика". А дальше что выбирать? ЛИнейные и нелинейные модели? Дальше - общие регрессионные модели? А дальше - простая регрессия? Далеее вносятся варианты, ну, а дальше - там уже я не знаю.

Подскажите, пожалуйста!!
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
плав
сообщение 8.12.2008 - 23:35
Сообщение #4





Группа: Пользователи
Сообщений: 1013
Регистрация: 4.10.2006
Пользователь №: 1933



Цитата(Solo... @ 8.12.2008 - 22:01) *
Не могли бы пошагово разъяснить, как это сделать? Я делаю несколько вергикальных колонок - вар.1 - это результат (о - плохой, 1 - хороший - так кодирую), вар.2 - и последующие варианты - это признаки, от которых может зависеть результат. Количественный признак я вношу, как есть (например, размеры опухоли столько то см), а качественный - например, пол - кодирую (м-1, ж-2 допустим). Дальше жму на кнопку "статистика". А дальше что выбирать? ЛИнейные и нелинейные модели? Дальше - общие регрессионные модели? А дальше - простая регрессия? Далеее вносятся варианты, ну, а дальше - там уже я не знаю.

Подскажите, пожалуйста!!

Итак, Вы ввели все данные.
Далее ищите логистическую регрессию. 6 версии Statistica она находится в Statistics - Advanced linear/Nonlinear Models - Nonlinear Estimation - Quick Logit Regression
т.е. в русской версии должно быть что-то типа (у меня русской под рукой нет) Статистика- ...линейные/нелинейные модели - нелинейная оценка - быстрая логит-регрессия (логистическая регрессия)
Оставляет без изменений Codes and no counts
Жмете на кнопку Variables (переменные)
Появляется окно с двумя окошками - слева для зависимой переменной, справа - для независимых
В левом кликаете вар1
В правом кликаете по вар2, вар3 и т.д.
Жмете на ОК и еще раз ОК
В появившемся окошке удостоверяетесь, что стоит птичка около Asymptotic Standard Errors
Жмете ОК
В появившемся окошке проверяете, что модель "работает":
-2*log(Likelihood): for this model = 29,70874 intercept only: 98,30010
Chi-square = 68,59136, df = 3, p = ,0000000
р должно быть, понятно, меньше 0.05
Далее жмете на кнопку summary:parameters & standard errors
Получаете основной результат:
оценки коэффициентов регрессии для всех вар2, вар3 и т.п., их стандартные ошибки и р, доверительные интервалы.

Уфф. И люди еще говорят, что в Statistica проще работать... В R все сводится к
summary(glm(var1~var2+var3+var4,family="binomial"))
И можно переходить к анализу результатов...
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
Solo...
сообщение 9.12.2008 - 22:07
Сообщение #5





Группа: Пользователи
Сообщений: 35
Регистрация: 3.10.2008
Из: Москва
Пользователь №: 5369



Цитата(плав @ 8.12.2008 - 23:35) *
Получаете основной результат:
оценки коэффициентов регрессии для всех вар2, вар3 и т.п., их стандартные ошибки и р, доверительные интервалы.

Уфф. И люди еще говорят, что в Statistica проще работать... В R все сводится к
summary(glm(var1~var2+var3+var4,family="binomial"))
И можно переходить к анализу результатов...



Плав, спасибо большое!!! Ну, это просто нельзя не осилить. Я все сделала. Пожалуйста, можно еще вопрос? Я получила табличку с основными результатами - у меня там пока 2 независимых переменных - это вар.2 и вар.3. Как оценить эти результаты? Что значит первый столбец Const BO ? и дальше - estimate, final-loss, t(75), p-level, +95%, -95%, Wold s Chi-square, другой p-level и Odds ratio ?

К сожалению, я пыталась - пыталась загрузить табличку с результатами, но она сюда не грузится. Я ее и в виде файла Статистика-6, и в виде вордовского документа, и в виде экселевского пыталась - не выходит.

Пожалуйста, помогите мне!!! Что бы я это дело уже до конца смогла довести. Заранее спасибо!!
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 
DoctorStat
сообщение 9.12.2008 - 22:25
Сообщение #6





Группа: Пользователи
Сообщений: 381
Регистрация: 18.08.2008
Из: Москва Златоглавая
Пользователь №: 5224



Цитата(Solo... @ 9.12.2008 - 22:07) *
Что значит первый столбец Const BO

Это значение константы B0. Если число красного цвета, то эта переменная значима p<0,05.
Цитата(Solo... @ 9.12.2008 - 22:07) *
и дальше - estimate, final-loss, t(75), p-level, +95%, -95%, Wold s Chi-square, другой p-level и Odds ratio ?

estimate - оценки коэффициентов регрессии B0, B1, B2, смотри уравнение в самом низу
p-level - это уровень значимости. Если он <0,05, то данная пременная значима и показана красным цветом
+95%, -95% - это 95% доверительный интервал для показателя, расположенного строкой выше
Цитата(Solo... @ 9.12.2008 - 22:07) *
и Odds ratio ?

Odds ratio=exp(Bi) - это отношение шансов (заболеть или выздороветь) при увеличении i-ой переменной на 1, когда все другие независимые переменные не изменяются. Чем это отношение шансов больше, тем важнее данная переменная для прогноза. Окончательно уравнение логистической регрессии выглядит так:

ln(p/1-p)=B0+B1*var2+B2*Var3

Сообщение отредактировал DoctorStat - 9.12.2008 - 22:38


Signature
Просто включи мозги => http://doctorstat.narod.ru
Вернуться в начало страницы
 
+Ответить с цитированием данного сообщения
 

Сообщений в этой теме


Добавить ответ в эту темуОткрыть тему