SPSS混合线性模型在生物医药统计中的应用——杏花开生物医药统计

我们曾讲到了重复测量的方差分析与回归分析：

《SPSS重复测量方差分析在生物医药中的应用》

前者是对某指标进行重复测量，后者是研究多个单一的自变量对因变量的影响关系，而现实中当研究中这两者都存在，混杂在一起的时候，就需要用到混合模型来分析了。

下面通过实际案例来讲解混合线性模型在医学统计中的应用与操作。

我们搜集了366例患者的AS数据以及一些相关指标，其中对Na、Ka、Ca等指标进行了每日的干预前后的测量，且进行了3天的重复测量，而年龄、性别、APACHE等则非重复测量指标。要混合分析这些指标对AS的影响（图1）

图1

SPSS中的操作与步骤：

①首先要将数据整理一下，将重复测量的前后测和天数也要单独定义成变量（图2）

图2

②点击“分析”–“混合模型”–“线性”（图3）

图3

③将所有样本也就是编 选入“主体”，将重复测量的指标“前后测（Pre-Post）”、“天数（Day）”选入“重复”（图4），点击继续

图4

④将“AS”选入因变量，将分类自变量选入“因子”，将连续自变量选入“协变量”（图5）

图5

⑤设置参数。点击右侧“固定”按钮，将所有变量添加主效应到模型内（图6）

图6

⑥再点击“组别”和“PrePost”添加交互效应（图7），点击继续

图7

⑦点击右侧“保存”按钮，勾选“固定预测值”下面所有选项（图8）

图8

⑧点击右侧“统计”按钮，勾选模型统计下的“参数估算值”（图9），点击确定

图9

⑨分析结果

图10

分析结果见图10

1.组别会显著影响AS（P<0.05），估算值为-1.5<0，说明实验组的AS显著低于对照组1.5

2.PrePost和组别的交互效应会显著影响AS（P<0.05），估算值为1.08>0，说明实验组*前测的AS显著高于其他三个交互的

3.Day会显著影响AS（P<0.05），估算值为0.76>0，说明D1的AS显著高于D3的0.76

4.利尿剂会显著影响AS（P<0.05），估算值为0.86>0，说明未使用利尿剂的AS显著高于使用利尿剂的0.86

5.APACHE会显著影响AS（P<0.05），估算值为0.07>0，说明APACHE越高，AS随之越高

6.Na会显著影响AS（P<0.05），估算值为0.07>0，说明Na越高，AS随之越高

7.PrePost、性别、年龄、Ka、Ca、净平衡则不能显著影响AS，他们的著性水平P>0.05

以上就是今天讲解的SPSS混合线性模型在生物医药统计中的应用与操作，今后，我们将推出更多SPSS相关教程，敬请大家关注！

本期课程就到这里哦，感谢大家耐心观看！每日更新，敬请关注！

【杏花开生物医药统计】相关文章：

· SPSS无序Logistic回归在生物医药统计分析中的应用

· AMOS处理生物医药问卷中的中介效应分析

· AMOS进行问卷分析效度分析之验证因子分析

· SPSS调节回归分析在生物医药统计分析中应用

· SPSS重复测量方差分析在生物医药中的应用

· SPSS进行组间差异比较及其两两比较

· SPSS独立样本T检验与SPSS单因素方差分析

· GraphPad Prism绘制ROC曲线具体操作步骤

· SPSS进行连续型数据的正态分布检验

· SPSS有序Logistic回归的具体操作

· SPSS生存分析在生物医药统计中的应用之COX风险比例回归

· SPSS二元Logistic回归在生物医药统计分析中的应用

· Medcalc软件精准比较多个指标诊断准确率

· SPSS多元线性回归的应用操作及分析

· SPSS和GraphPad如何比较组内和组间差异

· AMOS结构方程进行医学问卷量表分析教程

· SPSS生存分析在生物医药统计中的应用

· GraphPad Prism统计绘图之柱状图、箱式图

· SPSS中对问卷数据进行探索因子分析的详细操作与结果解读

· SPSS问卷数据统计分析之项目分析

· Excel进行线性回归模型分析的操作

· SPSS中常用的参数和非参数检验方法

· ROC曲线在SPSS中的操作及应用

· 一文读懂R语言如何实现逐步回归分析

· R语言中如何绘制散点图和箱线图？

· SPSS中的Variable数据变量类型介绍

· 相关性分析在SPSS中的操作，相关系数含义

· 一文读懂SPSS单因素方差分析及方差分析

· 线性回归决定系数R方的计算方法及具体意义

· 医学和生物统计全过程

· 生物和医学统计中的假设检验

· GraphPad Prism绘制生存曲线详细教程