精編資料推薦SPSS詳細(xì)操作廣義估計(jì)方程

1、專業(yè)資料推薦SPSS 詳細(xì)操作：廣義估計(jì)方程SPSS 詳細(xì)操作：廣義估計(jì)方程2017-03-18 17:40 一、問(wèn)題與數(shù)據(jù) 在臨床研究中，經(jīng)常會(huì)比較兩種治療方式對(duì)患者結(jié)局的影響， 并且多次測(cè)量結(jié)局。例如，為了研究?jī)煞N降壓藥物對(duì)血壓的 控制效果是否存在差異，研究者會(huì)對(duì)兩個(gè)人群服藥后在不同 時(shí)間點(diǎn)記錄血壓值，然后評(píng)價(jià)降壓效果?；蛘邔?duì)兩組動(dòng)物分 別施加兩種干預(yù)，連續(xù)記錄多個(gè)時(shí)間點(diǎn)的結(jié)局，然后比較兩 種干預(yù)的效果。這種設(shè)計(jì)可以用如下示意圖表示：另外，有時(shí)研究只需要收集一個(gè)時(shí)間點(diǎn)的數(shù)據(jù)，但是一個(gè)研 究對(duì)象會(huì)提供多個(gè)部位的數(shù)據(jù)點(diǎn)。例如，研究者想評(píng)價(jià)冠心 病患者在冠脈搭橋術(shù)后應(yīng)用阿司匹林是否可以有效降低患

2、 者血管的再堵塞，評(píng)價(jià)的方法是術(shù)后 1 年做冠脈造影觀察血 管是否堵塞，但是每個(gè)患者可能會(huì)在同一次手術(shù)中對(duì)多條冠 狀動(dòng)脈血管進(jìn)行搭橋，因此有的患者可能會(huì)貢獻(xiàn)多組數(shù)據(jù)。 這種設(shè)計(jì)可以用如下示意圖表示：以上兩種設(shè)計(jì)，不管是臨床試驗(yàn)還是動(dòng)物試驗(yàn)都非常常見(jiàn)， 它的特點(diǎn)在于數(shù)據(jù)間非獨(dú)立，同一個(gè)體間數(shù)據(jù)具有相關(guān)性。 對(duì)于這樣的設(shè)計(jì)類型，該如何分析呢？ 今天我們來(lái)介紹另外一種非常好的方法廣義估計(jì)方程(GEE )。GEE既可以處理連續(xù)型結(jié)局變量也可以處理分類 型結(jié)局變量，它實(shí)際上代表了一種模型類別，即在傳統(tǒng)模型 的基礎(chǔ)上對(duì)相關(guān)性數(shù)據(jù)進(jìn)行了校正， 可以擬合 Logistic 回歸、 泊松回歸、 Probit 回

3、歸、一般線性回歸等廣義線性模型。 本文將以阿司匹林預(yù)防冠脈搭橋后血管再堵塞為例介紹運(yùn) 用 SPSS 進(jìn)行 GEE 的操作方法。以下為數(shù)據(jù)格式： 表 1. 數(shù)據(jù)格式每名患者貢獻(xiàn)數(shù)據(jù)量不等。如編號(hào)為 1 的患者只對(duì)一根血管 進(jìn)行了搭橋手術(shù)，編號(hào)為 2 的患者則有兩根血管進(jìn)行搭橋手 術(shù)。表 2. 變量賦值(注：本例中數(shù)據(jù)純屬虛構(gòu)，分析結(jié)果不能產(chǎn)生任何結(jié)論。 性別為待調(diào)整變量。 )二、SPSS 分析方法1. 數(shù)據(jù)錄入 SPSS首先在 SPSS 變量視圖 ( Variable View )中新建上述表 2 中 變量，然后在數(shù)據(jù)視圖( Data View )中錄入數(shù)據(jù)。2. 選擇 Analyze Gene

4、ralized Linear ModelsGeneralized Estimating Equations3. 選項(xiàng)設(shè)置 在 Repeated 模塊中，將患者 ID 選入 Subject variables 框，搭橋血管 Num 選入 Within-subject variables 框。在Working Correlation Matrix 的 Structure 下拉列表中選擇同 一患者貢獻(xiàn)數(shù)據(jù)的相關(guān)性結(jié)構(gòu)。其有 5 個(gè)選項(xiàng)，分別為：Independent ：各數(shù)據(jù)間獨(dú)立，即同一患者貢獻(xiàn)的數(shù)據(jù)可以 視為來(lái)源于不同個(gè)體。AR(1) ：自相關(guān)，用于不同時(shí)間點(diǎn)的數(shù)據(jù)，相鄰時(shí)間點(diǎn)相關(guān) 性最大，時(shí)間

5、間距越大相關(guān)性越小。Exchangeable ：等相關(guān)，各數(shù)據(jù)點(diǎn)的相關(guān)性均相等。M-dependent ：相鄰相關(guān)，僅臨近的 M+1 個(gè)數(shù)據(jù)相關(guān)。 Unstructured ：不限定相關(guān)結(jié)構(gòu)，由數(shù)據(jù)本身決定。本例中，同一患者搭橋的血管互相之間應(yīng)等同看待，兩兩間 相關(guān)性應(yīng)相等，因此選擇等相關(guān)更合適。其他維持默認(rèn)。 在 Type of Model 模塊中設(shè)置模型類型在此界面有 6 種模型類型可選：Scale Response ：結(jié)局變量為連續(xù)型變量Ordinal Response ：結(jié)局變量為有序分類變量Counts ：結(jié)局變量為計(jì)數(shù)Binary Response or Events/Trials

6、 Data ：結(jié)局變量為二分類 變量Mixture ：結(jié)局變量為 Tweedie 分布變量Custom ：自定義以上 6 大類類型下還需選擇連接函數(shù)。本例中結(jié)局變量為二 分類變量， Logistic 回歸應(yīng)用更加普遍，因此我們選擇 Binary logistic 來(lái)擬合校正數(shù)據(jù)相關(guān)性的 Logistic 回歸模型。 在 Response 模塊指定結(jié)局變量將 Outcome 變量選入 Dependent Variable ，在 Reference Category 中選擇最小值作為參考值 （本例中 0 為最小值，代 表未發(fā)生結(jié)局） 。 在 Predictors 模塊中將要納入模型的 Treatm

7、ent 和 Sex 變量選入 Covariates 中。 Covariates 應(yīng)放入連續(xù)型變量，F(xiàn)actors 中放入分類變量，但是本例中兩自變量均為二分類 變量，放入 Covariates 處也可。 在 Model 模塊中將 Treatment 和 Sex 選入 Model 框內(nèi)， 還可納入交互項(xiàng)，本例中不納入。 在 Statistics 模塊中除默認(rèn)外，另外勾選 Include exponential parameter estimates 以獲得 OR 值，然后點(diǎn)擊 OK。三、結(jié)果解讀 結(jié)果中首先給出的是一些模型基本信息，在此略過(guò)。這里僅 介紹模型參數(shù)估計(jì)值結(jié)果：從結(jié)果可以看到，Tre

8、atment變量的系數(shù)值(B)為-1.077 ,Exp(B)為0.341，即OR值，P=0.046，說(shuō)明術(shù)后使用阿司匹林的患者 1 年后發(fā)生血管再堵塞的風(fēng)險(xiǎn)是使用安慰劑組的0.341 倍且有統(tǒng)計(jì)學(xué)意義，即阿司匹林具有保護(hù)作用。另外 我們納入校正的性別變量 Sex OR 值為 0.692 ，但 P=0.531 未達(dá)顯著水平。如果我們不考慮數(shù)據(jù)間的相關(guān)性，直接采用傳統(tǒng)的 Logistic 回歸模型，那么將得到以下結(jié)果：從結(jié)果中可以看到，盡管 Treatment 的 OR 值與 GEE 模型 中相差不大，但其 P 值卻不再顯著。從本例中可以看到，如 果在數(shù)據(jù)分析中方法選用錯(cuò)誤將可能得不到正確結(jié)論。四

9、、結(jié)果匯總 冠脈搭橋術(shù)后患者應(yīng)用阿司匹林可以有效降低發(fā)生血管堵 塞的風(fēng)險(xiǎn)。服用阿司匹林組患者發(fā)生血管堵塞風(fēng)險(xiǎn)是服用安 慰劑組患者的 0.341 倍( P=0.046 )。五、總結(jié)與拓展 對(duì)于文首提及的兩個(gè)例子，常見(jiàn)的分析方法有重復(fù)測(cè)量方差 分析和多水平模型，但是重復(fù)測(cè)量方差分析要求結(jié)局變量為 連續(xù)變量，不適用于分類變量。多水平模型處理相關(guān)性數(shù)據(jù) 時(shí)非常靈活，結(jié)局可以為連續(xù)變量，也可以為分類變量，應(yīng) 用非常廣泛。GEE 的應(yīng)用似乎沒(méi)有前兩種廣泛，但其具有非常好的特性。GEE 既可以處理連續(xù)型結(jié)局變量也可以處理分類型結(jié)局變 量，其優(yōu)勢(shì)在于， 即使設(shè)定的數(shù)據(jù)間相關(guān)結(jié)構(gòu)與實(shí)際有偏差， 在樣本量較大時(shí)其

10、模型估計(jì)參數(shù)仍然具有無(wú)偏性。 GEE 模型 中自變量系數(shù)估計(jì)值準(zhǔn)確性的論證相較于多水平模型更加 充分，因此部分研究者更加推薦使用 GEE 。雖然 GEE 模型中數(shù)據(jù)間相關(guān)結(jié)構(gòu)指定錯(cuò)誤時(shí)模型系數(shù)也具 有無(wú)偏性，但前提是樣本量要足夠大。在同樣的樣本量下，正確的相關(guān)結(jié)構(gòu)更可能得到準(zhǔn)確的參數(shù)估計(jì)和置信區(qū)間，因 此應(yīng)仔細(xì)分析數(shù)據(jù)類型，選擇最可能正確的相關(guān)結(jié)構(gòu)。 關(guān)于 GEE 的內(nèi)容較為復(fù)雜， 在此無(wú)法詳述， 對(duì) GEE 有興趣 的讀者或需要使用 GEE 模型的讀者，推薦閱讀專業(yè)書籍和 文獻(xiàn)。 SPSS 詳細(xì)操作：廣義估計(jì)方程2017-03-18 17:40 一、問(wèn)題與數(shù)據(jù) 在臨床研究中，經(jīng)常會(huì)比較兩種治

11、療方式對(duì)患者結(jié)局的影響， 并且多次測(cè)量結(jié)局。例如，為了研究?jī)煞N降壓藥物對(duì)血壓的 控制效果是否存在差異，研究者會(huì)對(duì)兩個(gè)人群服藥后在不同 時(shí)間點(diǎn)記錄血壓值，然后評(píng)價(jià)降壓效果?；蛘邔?duì)兩組動(dòng)物分 別施加兩種干預(yù)，連續(xù)記錄多個(gè)時(shí)間點(diǎn)的結(jié)局，然后比較兩 種干預(yù)的效果。這種設(shè)計(jì)可以用如下示意圖表示：另外，有時(shí)研究只需要收集一個(gè)時(shí)間點(diǎn)的數(shù)據(jù)，但是一個(gè)研 究對(duì)象會(huì)提供多個(gè)部位的數(shù)據(jù)點(diǎn)。例如，研究者想評(píng)價(jià)冠心 病患者在冠脈搭橋術(shù)后應(yīng)用阿司匹林是否可以有效降低患 者血管的再堵塞，評(píng)價(jià)的方法是術(shù)后 1 年做冠脈造影觀察血 管是否堵塞，但是每個(gè)患者可能會(huì)在同一次手術(shù)中對(duì)多條冠 狀動(dòng)脈血管進(jìn)行搭橋，因此有的患者可能會(huì)貢獻(xiàn)

12、多組數(shù)據(jù)。這種設(shè)計(jì)可以用如下示意圖表示：以上兩種設(shè)計(jì)，不管是臨床試驗(yàn)還是動(dòng)物試驗(yàn)都非常常見(jiàn)， 它的特點(diǎn)在于數(shù)據(jù)間非獨(dú)立，同一個(gè)體間數(shù)據(jù)具有相關(guān)性。 對(duì)于這樣的設(shè)計(jì)類型，該如何分析呢？ 今天我們來(lái)介紹另外一種非常好的方法廣義估計(jì)方程(GEE )。GEE既可以處理連續(xù)型結(jié)局變量也可以處理分類 型結(jié)局變量，它實(shí)際上代表了一種模型類別，即在傳統(tǒng)模型 的基礎(chǔ)上對(duì)相關(guān)性數(shù)據(jù)進(jìn)行了校正， 可以擬合 Logistic 回歸、 泊松回歸、 Probit 回歸、一般線性回歸等廣義線性模型。 本文將以阿司匹林預(yù)防冠脈搭橋后血管再堵塞為例介紹運(yùn) 用 SPSS 進(jìn)行 GEE 的操作方法。以下為數(shù)據(jù)格式： 表 1. 數(shù)據(jù)

13、格式每名患者貢獻(xiàn)數(shù)據(jù)量不等。如編號(hào)為 1 的患者只對(duì)一根血管 進(jìn)行了搭橋手術(shù)，編號(hào)為 2 的患者則有兩根血管進(jìn)行搭橋手 術(shù)。表 2. 變量賦值(注：本例中數(shù)據(jù)純屬虛構(gòu)，分析結(jié)果不能產(chǎn)生任何結(jié)論。 性別為待調(diào)整變量。 )二、SPSS 分析方法1. 數(shù)據(jù)錄入 SPSS首先在SPSS變量視圖(Variable View )中新建上述表 2中 變量，然后在數(shù)據(jù)視圖( Data View )中錄入數(shù)據(jù)。2. 選擇 Analyze Generalized Linear ModelsGeneralized Estimating Equations3. 選項(xiàng)設(shè)置 在 Repeated 模塊中，將患者 ID 選

14、入 Subject variables 框，搭橋血管 Num 選入 Within-subject variables 框。在Working Correlation Matrix 的 Structure 下拉列表中選擇同 一患者貢獻(xiàn)數(shù)據(jù)的相關(guān)性結(jié)構(gòu)。其有 5 個(gè)選項(xiàng)，分別為：Independent ：各數(shù)據(jù)間獨(dú)立，即同一患者貢獻(xiàn)的數(shù)據(jù)可以 視為來(lái)源于不同個(gè)體。AR(1) ：自相關(guān)，用于不同時(shí)間點(diǎn)的數(shù)據(jù)，相鄰時(shí)間點(diǎn)相關(guān) 性最大，時(shí)間間距越大相關(guān)性越小。Exchangeable ：等相關(guān)，各數(shù)據(jù)點(diǎn)的相關(guān)性均相等。 M-dependent ：相鄰相關(guān)，僅臨近的 M+1 個(gè)數(shù)據(jù)相關(guān)。Unstructur

15、ed ：不限定相關(guān)結(jié)構(gòu)，由數(shù)據(jù)本身決定。本例中，同一患者搭橋的血管互相之間應(yīng)等同看待，兩兩間相關(guān)性應(yīng)相等，因此選擇等相關(guān)更合適。其他維持默認(rèn)。 在 Type of Model 模塊中設(shè)置模型類型在此界面有 6 種模型類型可選：Scale Response ：結(jié)局變量為連續(xù)型變量Ordinal Response ：結(jié)局變量為有序分類變量Counts ：結(jié)局變量為計(jì)數(shù)Binary Response or Events/Trials Data ：結(jié)局變量為二分類 變量Mixture ：結(jié)局變量為 Tweedie 分布變量Custom ：自定義以上 6 大類類型下還需選擇連接函數(shù)。本例中結(jié)局變量為二

16、分類變量， Logistic 回歸應(yīng)用更加普遍，因此我們選擇 Binary logistic 來(lái)擬合校正數(shù)據(jù)相關(guān)性的 Logistic 回歸模型。 在 Response 模塊指定結(jié)局變量將 Outcome 變量選入 Dependent Variable ，在 Reference Category 中選擇最小值作為參考值 （本例中 0 為最小值，代 表未發(fā)生結(jié)局） 。 在 Predictors 模塊中將要納入模型的 Treatment 和 Sex 變量選入 Covariates 中。 Covariates 應(yīng)放入連續(xù)型變量， Factors 中放入分類變量，但是本例中兩自變量均為二分類 變量，放

17、入 Covariates 處也可。 在 Model 模塊中將 Treatment 和 Sex 選入 Model 框內(nèi)， 還可納入交互項(xiàng)，本例中不納入。 在 Statistics 模塊中除默認(rèn)外，另外勾選 Include exponential parameter estimates 以獲得 OR 值，然后點(diǎn)擊 OK。三、結(jié)果解讀 結(jié)果中首先給出的是一些模型基本信息，在此略過(guò)。這里僅 介紹模型參數(shù)估計(jì)值結(jié)果：從結(jié)果可以看到，Treatment變量的系數(shù)值(B)為-1.077 ,Exp(B)為0.341，即OR值，P=0.046，說(shuō)明術(shù)后使用阿司匹林的患者 1 年后發(fā)生血管再堵塞的風(fēng)險(xiǎn)是使用安慰劑

18、組的0.341 倍且有統(tǒng)計(jì)學(xué)意義，即阿司匹林具有保護(hù)作用。另外 我們納入校正的性別變量 Sex OR 值為 0.692，但 P=0.531 未達(dá)顯著水平。Logistic如果我們不考慮數(shù)據(jù)間的相關(guān)性，直接采用傳統(tǒng)的 回歸模型，那么將得到以下結(jié)果： 從結(jié)果中可以看到，盡管 Treatment 的 OR 值與 GEE 模型 中相差不大，但其 P 值卻不再顯著。從本例中可以看到，如 果在數(shù)據(jù)分析中方法選用錯(cuò)誤將可能得不到正確結(jié)論。四、結(jié)果匯總 冠脈搭橋術(shù)后患者應(yīng)用阿司匹林可以有效降低發(fā)生血管堵 塞的風(fēng)險(xiǎn)。服用阿司匹林組患者發(fā)生血管堵塞風(fēng)險(xiǎn)是服用安 慰劑組患者的 0.341 倍( P=0.046 )。五、總結(jié)與拓展 對(duì)于文首提及的兩個(gè)例子，常見(jiàn)的分析方法有重復(fù)測(cè)量方差 分析和多水平模型，但是重復(fù)測(cè)量方差分析要求結(jié)局變量為 連續(xù)變量，不適用于分類變量。多水平模型處理相關(guān)性數(shù)據(jù) 時(shí)非常靈活，結(jié)局可以為連續(xù)變量，也可以為分類變量，應(yīng) 用非常廣泛。GEE 的應(yīng)用似乎沒(méi)有前兩種廣泛，但其具有非常好的特性。 GEE 既可以處理連續(xù)型結(jié)局變量也