泊松回归分析(Poisson Regression Analysis) |
您所在的位置:网站首页 › stata指数函数模型拟合线命令 › 泊松回归分析(Poisson Regression Analysis) |
在前面文章中介绍了泊松回归分析(Poisson Regression Analysis)的假设检验理论,本篇文章将实例演示在Stata软件中实现泊松回归分析的操作步骤。 关键词:Stata; 泊松回归; Poisson回归; 等离散 一、案例介绍某临床医师对39名有胸闷症状的非器质性心脏病男性患者的24小时早搏数(beat)进行了临床研究,记录每个患者的研究因素包括是否喝浓茶(tea)、是否吸烟(smoke)。请利用该资料对24小时早搏数的影响因素进行分析。 创建代表患者编号的变量“ID”;代表患者喝浓茶情况的分类变量“是否喝浓茶(tea)”,赋值为“0”和“1”(0为不喝浓茶1为喝浓茶);代表患者吸烟情况的分类变量“是否吸烟(smoke)”,赋值为“0”和“1”(0为不吸烟,1为吸烟),部分数据见图1。本文案例可从“附件下载”处下载。 ![]() 本案例的分析目的是了解有胸闷症状的非器质性心脏病男性患者24小时早搏数的影响因素。了解单位时间、单位面积或单位空间内某事件发生数的影响因素,可以考虑使用Poisson回归分析。但需要满足以下6个条件: 条件1:观察变量为计数变量。本研究中心脏病男性患者的24小时早搏数为计数变量,该条件满足。 条件2:观察变量的发生相互独立。本研究中各研究对象的每次早搏事件发生都是独立的,不存在互相干扰的情况,该条件满足。 条件3:至少有1个自变量,可以是分类变量,也可以是连续变量。本研究中有两个分类自变量,分别为是否喝浓茶和是否吸烟,该条件满足。 条件 4:观察变量不存在显著的异常值,该条件需要通过软件分析后判断。 条件5:观察变量服从Poisson分布,即满足等离散性,表现为计数值的平均值(近似)等于方差。该条件可以通过数据特征进行初步判断,本研究的观察变量为心脏病男性患者24小时早搏数(计数资料),从专业知识可知,早搏发生频数较低,各单位时间内的发生情况相互独立,基本满足Poisson分布的条件。同时还也可以结合软件分析进行判断。 条件6:自变量之间无多重共线性。该条件需要通过软件分析后判断。 三、软件操作及结果解读 (一) 适用条件判断 1. 条件4判断(异常值检测) (1) 软件操作*绘制箱式图* graph box beat ![]() 异常值通过箱线图和专业知识进行判断,图2箱线图提示存在一个异常值。查看数据表可以发现在早搏数的第14位数值为17,依据专业可判定该值可以保留。综上,本案例未发现需要处理的异常值,满足条件4。 2. 条件5判断(等离散性检验) (1) 软件操作*描述性分析* summarize beat, detail ![]() 图3描述性分析可发现早搏数的均数为7.31,方差为10.692,均数近似等于方差,提示数据满足等离散性。 3. 条件6判断(多重共线性诊断) (1) 软件操作*拟合线性回归模型后计算容忍度及方差膨胀因子* quietly reg beat tea smoke vif![]() 本例中,图4结果显示容忍度均为1,远大于0.1,方差膨胀因子均为1,远小于10,如果“1/VIF(容忍度)”小于0.1或“VIF(方差膨胀因子)”大于10,则表示存在严重共线性。 (二) 统计描述及推断 1. 软件操作*描述性分析* tab tea ![]() tab smoke ![]() sum beat ![]() *拟合具有回归系数的poisson回归模型* poisson beat i.tea i.smoke ![]() *拟合具有IRR效应量的poisson回归模型* poisson beat i.tea i.smoke, irr ![]() *生成模型拟合指标* estat ic ![]() 图5和图6、图7分别是对模型中的分类变量和连续变量的统计描述结果。 (2) 拟合优度检验图8中似然比χ2值为32.88,P |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |