GIỚI THIỆU VÀ XÂY DỰNG FORM NHẬP DỮ LIỆU TRONG SPSS TƯƠNG QUAN VÀ HỒI QUY TIN HỌC ỨNG DỤNG TRƯỜNG ĐẠI HỌC Y DƯỢC HUẾ BỘ MÔN THỐNG KÊ – DÂN SỐ SỨC KHỎE SINH SẢN 1 Mục tiêu 1 Xác định được ý nghĩa và cách sử dụng phân tích tương quan, mô hình hồi quy thích hợp. 2 Thực hiện được cách lệnh phân tích tương quan, mô hình hồi quy trong SPSS. 3 Đọc phiên giãi ý nghĩa và trình bày kết quả phân tích.
TIN HỌC ỨNG DỤNG TƯƠNG QUAN VÀ HỒI QUY TRƯỜNG ĐẠI HỌC Y DƯỢC HUẾ BỘ MÔN THỐNG KÊ – DÂN SỐ - SỨC KHỎE SINH SẢN Mục tiêu 1/ Xác định ý nghĩa cách sử dụng phân tích tương quan, mơ hình hồi quy thích hợp 2/ Thực cách lệnh phân tích tương quan, mơ hình hồi quy SPSS 3/ Đọc phiên giãi ý nghĩa trình bày kết phân tích Tin học ứng dụng - NCKH Bộ môn: TKYT – DS -SKSS PHÂN TÍCH TƯƠNG QUAN Thường xét đến biến NC biến định lượng Chú ý đến tính phân bố số liệu định lượng Xác định ngưỡng ý nghĩa hệ số tương quan (r ) r0,7 : tương quan chặt chẽ Ví dụ: tính hệ số tương quan tuổi chiều cao Thực hiện: Analyze/ Correlate/Bivariate Biến số Kết thực Hệ số tương quan r Ngưỡng ý nghĩa p value Số trường hợp quan sát Thể mối tương quan biểu đồ scatter plot: graph/legacy Dialogs/Scatter plot Biến phụ thuộc Biến độc lập Chú ý : • • Lựa chọn hệ tương quan pearson số liệu có phân bố chuẩn Hệ số tương quan Spearman số liệu có phân bố khơng chuẩn MƠ HÌNH HỒI QUY Phân loại: (dựa vào kiểu biến số phụ thuộc ) • Thơng thường có nhiều mơ hình hồi quy khác tùy thuộc vào kiểu biến số biến phụ thuộc • Một số mơ hình hay gặp phân tích thống kê: Hồi quy tuyến tính, hồi quy logistic, hồi quy Cox ( kiện theo thời gian) MƠ HÌNH HỒI QUY • Chương trình chúng tơi đề cập đến mơ hình hồi quy tuyến tính (linear regression) mơ hình logistic với biến phụ thuộc nhị phân (Binary logistic) • Dựa vào số lượng biến độc lập đưa vào mô hình hồi quy đơn biến ( biến độc lập) Hồi quy đa biến ( ≥ biến độc lập) 10 Ví dụ: Hồi quy tuyến tính đơn biến Viết phương trình tuyến tính t score cổ xương đùi với tuổi nghiên cứu 15 Phương pháp đưa biến độc lập vào mơ hình Tóm tắt mơ hình ( lưu ý ý nghĩa hệ số R2) Kiểm định tồn có ý nghĩa mơ hình 16 Coefficients a Model Standardized Unstandardized Coefficients B Std Error (Constant) 1.146 612 tuoi -.051 009 Coefficients Beta -.408 95.0% Confidence Interval for B t Sig Lower Bound Upper Bound 1.872 063 -.062 2.354 -5.960 000 -.069 -.034 a Dependent Variable: tscore_coxdui *Lưu ý hệ số B, sig ( giá trị p) 95% hệ số B Phương trình : Tscore cổ xương đùi = 1,1146 – 0,051*tuổi 17 Mơ hình hồi quy binary logistic đơn biến • • • • Với biến phụ thuộc nhị phân ( mã 0;1) Thường sử dụng để đo lường số nguy (OR) Biến độc lập định lượng định tính Phương pháp nguyên tắc tương tự mơ hình tuyến tính Sử dụng hàm log • Dạng : Logit = ln(Odds) = ln[p/(1 - p)] = a + bx 18 Đo lường hệ số nguy ( OR) Bệnh Không bệnh Tổng Phơi nhiễm a b a+b Không phơi nhiễm c d d+d a+c b+d a+b+c+d Tổng Theo lý thuyết odds tính sau : Odd nhóm bệnh = tỷ lệ có phơi nhiễm nhóm bênh/ tỷ lệ khơng phơi nhiễm nhóm bệnh = a/(a+c) / c/(a+c) = p/ (1-p) = a/c Tương tự Odd nhóm khơng bệnh = p’/(1-p’) = b/d OR = odds bệnh/ Odds không bệnh = ad/bc 19 Trong mơ hình hồi quy logistic OR ? (SỬ DỤNG THUẬT TỐN LOGIT OR log số e hệ số hồi quy B) 20 Ví dụ: xây dựng mơ hình logistic tình trạng lỗng xương (cổ xương đùi) với trình trạng giảm chiều cao (có; khơng ) Analyze/ Regression/Binary logistic Biến phụ thuộc Biến độc lập Phương pháp lựa chọn biến 21 Biến định tính Lưu ý: Chọn nhóm reference tùy thuộc vào mong muốn giải thích kết qua Biến định lượng Chọn nhóm đối chứng 22 Test kiểm định mơ hình Chọn khoảng 95% OR Ngưỡng ý nghĩa biến số đưa vào mơ hình 23 Đọc từ dịng Số trường hợp tham gia vào mơ hình, số mising Mã code biến phụ thuộc 24 Mơ hình chưa đưa biến độc lập 25 Phương pháp đưa biến độc lập vào mơ hình Kiểm định mức ý nghĩa mơ hình p>0,05 mơ hình tồn 26 Phương trình mơ hình: Ln(Odds) = -0,421 +0,853 *giam chieu cao Lưu ý : Hệ số hồi quy B Sig: giá trị p ý nghĩa hệ số B Exp(B) tỷ suất chênh OR 95% CI (OR) : Khoảng tin cậy 95% OR 27 Phiên giải kết có nhiều cách để phiên giải kết qua khác : Trong nhóm khơng giảm chiều cao: Odds (x=0) = e(- 0.421+0,853*0) = e(-0.421)= 0.656 p=0,656/1.656= 0.396 Hay mô hình giúp tiên đốn 39,6% người khơng bị giảm chiều cao bị lỗng xương Trong nhóm có giảm chiều cao: Odds(x=1) = e(-0.421 +0,853*1) = e(0,432)=1.54 p=1,54/2.54=0,606 hay mô hình giúp tiên đốn 60,6% người bị giảm chiều cao bị loãng xương OR = Odds(x=1)/ Odds (x=0) = 1,54/0,656 = 2,347 Như nhóm có giảm chiểu cao có khả lỗng xương cao gấp 2,35 lần so với người không giảm chiều cao 28 BÀI TẬP Tính hệ số tương quan giải thích ý nghĩa mối tương chiều cao, cân nặng, tuổi BMI đối tượng nghiên cứu Viết phương trình tuyến tính hb số BMI vẽ biểu đồ thích hợp Xây dựng mơ hình thích hợp nhóm thiếu máu nhóm khơng thiếu máu (hb>=11) với yếu tố gan to tình trạng lách giới 29 ... khơng giảm chiều cao: Odds (x=0) = e(- 0.421+0,853*0) = e(-0.421)= 0 .65 6 p=0 ,65 6/1 .65 6= 0.3 96 Hay mơ hình giúp tiên đốn 39 ,6% người khơng bị giảm chiều cao bị lỗng xương Trong nhóm có giảm chiều... Upper Bound 1.872 063 -. 062 2.354 -5. 960 000 -. 069 -.034 a Dependent Variable: tscore_coxdui *Lưu ý hệ số B, sig ( giá trị p) 95% hệ số B Phương trình : Tscore cổ xương đùi = 1,11 46 – 0,051*tuổi... tương quan chặc chẽ r>0,7 : tương quan chặt chẽ Ví dụ: tính hệ số tương quan tuổi chiều cao Thực hiện: Analyze/ Correlate/Bivariate Biến số Kết thực Hệ số tương quan r Ngưỡng ý nghĩa p value