发布时间:2021-06-07 11: 53: 54
相对危险度,又称为危险度比,是暴露组的危险度与对照组的危险度之比, 相对危险度表明暴露组发病率或死亡率是对照组发病率或死亡率的多少倍,通过相对危险度,我们可以得知暴露指标与疾病的关联程度是弱还是强。
在IBM SPSS Statistics 专业统计软件中就集成了相对危险度的计算分析功能,让我们来学习一下吧!
一、交叉表统计设置
要计算相对危险度,首先数据需要满足2个条件,第一:因变量和自变量都是二分类变量;第二:各观测数据之间相互独立。因此,我们采用下图1的数据进行相对危险度计算,它们都是二分类变量,0代表否,1代表是。
在分析菜单的描述统计中,我们找到交叉表项,用它来进行相对危险度的分析计算。
行中填写自变量是否感染病毒,列中填写因变量是否得癌症,这两者不能填反,否则会导致结果错误。随后点击“统计”按钮,勾选上其中的“风险”,表示统计相对危险度。
点击“单元格”按钮,在默认情况下,再勾选百分比项中的“行”,最后点击“继续”和“确定”按钮,生成相对危险度分析结果。
二、相对危险度结果分析
交叉表模型生成的结果图如下图5,从第一个表格中我们可以看出,感染病毒的人患癌症的概率在10%,不感染病毒患癌症的概率在2.6%,因此我们可以得出初步结论为:感染病毒的人,发生癌症的概率更高。
接下来我们看“风险评估”表,这个表我们只需要看等于Yes这一行即可,这一行表示感染病毒的人患癌症的相对危险度为3.889,即它们的概率是不感染病毒的人的3.889倍。
另外,由于95%置信区间为1.898到7.969,不包含1,因此表示我们的统计是具有统计学意义的。
综合上述两个表格,我们可以确定相对危险度计算的准确性,这就是使用交叉表模型,得出疾病相对危险度结果的全部教程了,实际上计算操作步骤简单,需要的数据也不复杂,大家可以自己动手在IBM SPSS Statistics软件中进行尝试。更多关于IBM SPSS Statistic的教程,尽在SPSS中文网站上。
作者署名:包纸
展开阅读全文
︾
读者也喜欢这些内容:
如何在SPSS中设置逻辑回归的哑变量
哑变量,是一个人为设定的变量,通常取值为0到N,以职业分类来说,0代表学生,1代表工人,2代表老师等等,哑变量就是通过这种取值方式,以此来反映某个变量的不同属性。...
阅读全文 >
spss卡方检验结果怎么看 spss卡方检验结果解读
卡方检验是由皮尔逊提出的一种统计检验方法。在一定的置信水平下,通过比较卡方统计量和卡方分布函数概率值,判断实际概率和期望概率是否一致,根据实际概率和期望概率的符合程度,了解两组定类变量的相关性。利用SPSS可以迅速的完成卡方检验,避免进行大量的数学计算。关于SPSS卡方检验结果怎么看,SPSS卡方检验结果如何解读,本文结合实例,向大家作简单的介绍。...
阅读全文 >
SPSS进行多独立样本之间两两比较的非参数检验
一般来说在研究中,我们往往会有多个独立的样本需要进行比较分析,如果样本数据观察值不满足独立性或正态分布的条件,则我们需要使用到多个独立样本的非参数检验。...
阅读全文 >
应用SPSS探索性分析,检验数据的正态性分布
IBM SPSS Statistics探索性分析提供了数据过滤、离群值识别、假设检验等分析功能。在《应用SPSS探索性分析,快速检查数据异常值》一文中,我们应用探索性分析检查到数据中存在着极端值的情况。本节,将会继续应用检验功能检查数据的正态分布情况。...
阅读全文 >