intTypePromotion=1
zunia.vn Tuyển sinh 2024 dành cho Gen-Z zunia.vn zunia.vn
ADSENSE
 » 
 » 

Phân tích số liệu bằng Epi Info 2002 - Phần 6

Chia sẻ: Nguyễn Nhi | Ngày: | Loại File: PDF | Số trang:31

Thêm vào BST
Báo xấu
163
lượt xem 36
download
 
  Download Vui lòng tải xuống để xem tài liệu đầy đủ

Tài liệu tham khảo giáo trình Phân tích số liệu bằng Epi Info 2002 bộ môn thống kê tin học trường Đại học Y tế công cộng - Phần 6 Phân tích hồi quy

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Phân tích số liệu bằng Epi Info 2002 - Phần 6

  1. Phân tích s li u b ng Epi Info Phân tích h i quy c tiêu bài h c Sau khi k t thúc bài h c này, sinh viên có kh n ng: 1. Dùng c bi u ch m m bi u di n m i liên quan gi a hai bi n nh ng liên t c 2. Trình bày, tính và phiên gi i ch s t ng quan 3. Xây d ng và phiên gi i c ng h i qui tuy n tính c a hai bi n nh ng 4. Ki m nh c ng h i quy là mô t t t nh t cho m i liên quan gi a hai bi n nh l ng 5. Phiên gi i c các k t qu phân tích s li u b ng ch ng trình Epi Info Gi i thi u Trong các ch ng tr c chúng ta ã xem xét n các ph ng pháp ánh giá m i liên quan gi a các bi n s khác nhau. Các bi n này có th là r i r c ho c liên t c, trong các phân tích ó chúng ta ch c p n vi c các bi n này có liên quan n nhau hay không. Chúng ta ch a xét n li u s thay i c a b i n s này kéo theo s thay i trong bi n khác nh th nào. Ví d : cân n ng, tu i, chi u cao có nh h ng th nào n huy t áp c a i t ng nghiên c u , ho c có nh h ng nh th nào n vi c m c ho c không m c b nh. Nh ng câu h i nghiên c u nh v y có th c tr l i thông qua vi c xây d ng các mô hình h i quy phù h p v i y u t mà chúng ta quan tâm. Phân tích h i quy r t ti n d ng trong vi c kh ng nh m i liên h gi a m t (ho c nhi u ) bi n ph thu c v i m t (ho c nhi u) bi n c l p . M c tiêu cu i cùng c a ph ng pháp này là oán ho c c l ng giá tr c a bi n ph thu c t các giá tr c a m t hay nhi u bi n khác. Chúng ta có 2 d ng phân tích h i quy c b n, vi c s d ng ph ng pháp nào ph thu c vào d ng bi n p h thu c mà chúng ta quan tâm. D ng i quy tuy n tính c s d ng khi chúng ta có bi n ph thu c là bi n liên t c và s d ng i quy logistics khi bi n ph thu c c a chúng ta là bi n i r c d ng nh phân. Trong bài này chúng tôi s h ng d n các b n s d ng c p h n m m Epi Info ti n hành phân tích h i quy. Gi s khi n t v n t i Trung tâm, các khách hàng tr l i m t b ng h i v cu c s ng a h . Nh ng ng i làm nghiên c u c n c vào b ng h i ó và ánh giá m ch t ng cu c s ng cho nh ng khách hàng n v i t rung tâm. Bi n m ch t l ng cu c ng c ký hi u là Qol trong b s li u vtc1.mdb 63
  2. Phân tích s li u b ng Epi Info 1. Mô hình h i quy tuy n tính Mô hình h i quy tuy n tính dùng xem xét m i liên h gi a b i n liên t c Y g i là bi n ph thu c và các bi n c l p Xi. Chúng ta có th có r t nhi u b i n c l p và ây là t mô hình h i quy a bi n, tuy nhiêu trong khoá h c này chúng ta ch c p n mô hình h i quy n gi n ch liên quan n hai bi n X và Y. Khi xây d ng m t mô hình h i quy chúng ta ph i xem xét n m t s gi t huy t sau: • Giá tr c a b i n X là c nh và có m t s l ng gi i h n các giá tr , u này có ngh a là các giá tr c a X c xác nh tr c b i nhà nghiên c u và s l ng các giá tr c a X là gi i h n. ôi khi bi n X còn c g i là bi n không ng u nhiên (mô hình h i quy v n có th xây ng c v i X là bi n ng u nhiên) • Bi n X c thu th p không có sai s , ho c sai s r t bé và có th b qua c. • i v i m i giá tr c a b i n X t hì ta s xác nh c m t t p h p giá tr c a bi n Y. i v i quy trình c l ng và ki m nh th ng kê, t p p giá tr c a b i n Y s ph i có phân b chu n. • t c các ph ng sai c a các t p h p giá tr Y là b ng nhau. • t c các giá tr trung bình c a t p h p giá tr Y u n m trên m t ng th ng, gi thuy t này c bi t n là gi thuy t tuy n tính, và c bi u hi n b ng µ y | x = α + βx trong ó µy|x là giá tr trung nó có th bình c a t p h p các giá tr Y ng v i m t giá tr c a X. α và β c i là các h s h i quy, v m t hình h c các h s này c g i là m c t – hay giao m (intercept) và d c (slope) c a ng h i quy. • Các giá tr c a Y là c l p v i nhau. Nói m t cách khác i, các giá tr a Y t ng ng v i m t giá tr nh t nh c a X không ph thu c vào các giá tr khác c a Y d a trên m t giá tr khác c a X. Các gi thuy t nói trên có th c tóm t t thành m t p h ng trình nh sau, ph ng trình này c g i là m t mô hình h i quy: y = a + bx + e trong ó y là m t giá tr t m t trong các t p h p các qu n th c a b i n Y; a, b là các giá tr c nh ngh a trong các gi thuy t trên. e là sai s . 1.1Xây d ng mô hình h i quy c tiêu c a các nhà nghiên c u là mong mu n xây d ng m t p h ng trình h i quy mô t m i liên h th c gi a bi n c l p X và bi n ph thu c Y. xác nh ph ng trình h i quy c a hai bi n nh l ng, chúng ta có r t nhi u cách ti p c n và ph ng 64
  3. Phân tích s li u b ng Epi Info pháp tính toán. Tuy nhiên các b c sau ây có th c s d ng ti n hành m t phân tích h i q uy m t cách chu n t c. 1.2 Các b c ti n hành m t phân tích h i quy • ánh giá xem các gi thuy t v m i liên h t ng quan tuy n tính trong s li u p hân tích có tho mãn không. • Xác nh ph ng trình ng h i quy mô t b s li u ó m t cách chính xác nh t • ánh giá ph ng trình h i quy xác nh m c c am it ng quan và tính áp d ng c a nó trong vi c d o án và c l ng. • u các s li u c th hi n t t trong mô hình tuy n tính v a xây ng, s d ng ph ng trình h i q uy d o án và c l ng các giá tr . • Khi chúng ta s d ng ph ng trình h i quy oán chúng ta s d oán các giá tr c a Y khi ta có các giá tr c a X. Khi ta s d ng ph ng trình h i q uy c l ng, chúng ta c l ng giá tr trung bình c a m t t p h p các giá tr c a Y d a trên các giá tr c a X. tìm hi u và th c hành ph ng pháp phân tích h i quy chúng ta s th o lu n m t ví d c th nh sau: 1.3 Bi u ch m m c u tiên trong vi c ánh giá m i quan h gi a hai bi n là chúng ta s ti n hành v bi u phân tán d ng ch m m c a các s li u gi ng nh trong hình d i ây. Các m trên th c xác nh b ng cách gán các giá tr c a b i n c l p X trên tr c hoành c a th và giá tr c a b i n p h thu c Y trên tr c tung c a th . Trong ph n này chúng ta s v bi u ch m m cho m i t ng quan gi a bi n tu i và m ch t ng cu c s ng. 1. Ch n l nh Graph t cây l nh 2. Trong ô Graph type ch n lo i bi u lo i Scatter XY 3. Nh p n3 và qol t ng ng vào ô các bi n 65
  4. Phân tích s li u b ng Epi Info Ngoài ra b n có th nh p các th ng s khác nh tên trang và kích OK th c hi n l nh. Bi u v ra c hi n lên m t c a s riêng bi t m i. B n có th ch nh s a l i các ng c a bi u b ng cách s d ng menu trên c a s u ra. K t qu u ra trong ví d a chúng ta có d ng nh sau: . 66
  5. Phân tích s li u b ng Epi Info ng phân tán c a các ch m m trên th có th g i ý cho chúng ta c m i quan t nhiên c a hai bi n. Nh chúng ta nhìn th y trên th các m c h m d ng nh p hân tán xung quanh m t ng th ng nào ó . N u ch nhìn vào th các ch m m chúng ta có th v các ng th ng th hi n m i liên h gi a X (tu i) và Y( m ch t ng cu c s ng), và n u m i ng i v m t ng th ng b t k b ng m t t h ng thì khó có th x y ra tr ng h p hai ng i nào ó v hai ng th ng trùng khít lên nhau. Câu h i t ra cho chúng ta là: v y ng th ng nào trong các ng th ng ó cho phép mô t t t nh t v m i liên h gi a hai bi n X và Y. Chúng ta không th có c câu tr i ch b ng cách xem xét các ng th ng c v b ng tay và m t t h ng, vì khi ti n hành v b ng m t th ng chúng ta s b nh h ng b i nh ng gì chúng ta nhìn th y và do ó ng th ng mà chúng ta xây d ng nên, ch a ch c ã là mô t t t nh t cho m i quan h gi a hai bi n ó 1.4 ng bình ph ng t i thi u (least-square line) Ph ng pháp có c ng th ng mô t t t nh t m i liên h gi a hai bi n s c i là ph ng pháp bình ph ng t i thi u, và ng th ng thu c t ph ng pháp này c g i là ng bình ph ng t i thi u. Ph ng trình ng bình ph ng t i thi u có th c tính toán t các s li u m u thông qua các phép tính s h c c b n. Tuy nhiên chúng ta có th s d ng ch ng trình Epi Info tính các h s c a ng i quy. Gi s mô hình h i quy cho bi n m ch t l ng cu c s ng và bi n tu i 1.Ch n l nh Linear Regression t cây l nh. Ch ng trình s m ra m t h p tho i c a nh Linear Regression nh sau: 2. Nh p bi n Qol là bi n outcome variable và bi n n3 vào ô other variable 3. Ch n kho ng tin c y cho h s h i quy là 95%; kích vào ô confidence limit 95%. 67
  6. Phân tích s li u b ng Epi Info 4. Kích Ok th c hi n l nh Ch ng trình trong Epi s cho k t qu nh sau: REGRESS qol = n3 PVALUE=95% Previous Procedure Next Procedure Current Dataset Linear Regression Variable Coefficient Std Error F-test P-Value n3 0.254 0.134 3.5968 0.058951 CONSTANT 56.986 4.308 174.9680 0.000000 Correlation Coefficient: r^2= 0.01 Source df Sum of Squares Mean Square F-statistic Regression 1 1520.319 1520.319 3.597 Residuals 273 115393.848 422.688 Total 274 116914.167 k t qu trên chúng ta có c các h s c a ph ng trình ng h i quy nh d i ây, h s a = 56,986(constant), h s b = 0 ,254 (tu i): y =56.986+0,254 x tu i Ph ng trình ng th ng ch ra cho chúng ta th y r ng giá tr a là d ng, ng th ng c t tr c tung t i m d i g c to và giá tr d c b là d ng, ng th ng s kéo dài t góc d i bên trái c a tr c to lên góc trên bên ph i c a tr c to . Và chúng ta th y c m i m t n v t ng c a x thì giá tr c a y s t ng thêm 0.254 n v . Ký hi u y bi u th giá tr y c tính t công th c ch không ph i giá tr y q uan sát c. nh R2 (R square) 1.5 H s xác Chúng ta có th ánh giá m nh c a m i liên quan trong ph ng trình h i qui thông qua vi c so sánh p hân tán c a các m s li u so v i ng h i qui và p hân tán a các m này so v i ng trung bình y (trung bình c a bi n Y). N u chúng ta s ng th phân tán trong ví d trên và v ng th ng c t tr c tung giá tr trung bình 68
  7. Phân tích s li u b ng Epi Info y và song song v i tr c hoành, chúng ta có th thu c m t hình nh v m c phân tán c a các m th so v i ng trung bình và ng h i quy. Hình nh th hi n trên th cho th y, p hân tán c a các m th so v i ng h i quy s nh h n p hân tán so v i ng trung bình. Tuy v y chúng ta c ng ch a th t lu n r ng ng h i q uy là m t b i u d i n t t nh t cho m i liên h gi a hai bi n, do ó chúng ta s ph i s d ng m t giá tr khác c g i là s xác nh (coefficient of 2 determination) R . Trong ví d này thì R2= 0,01 Giá tr h s xác nh o l ng s phù h p c a mô hình ng h i q uy trong vi c lý gi i các giá tr quan sát c a b i n Y. Khi giá tr (yi - y ) nh , t c là kho ng cách t giá tr quan sát t i ng h i quy nh thì t ng bình ph ng không c lý gi i s nh . u 2 này d n n giá tr t ng bình ph ng c lý gi i s l n h n, và do ó R s l n h n. Giá tr R2 l n nh t s b ng 1, và k t qu là t t c các m quan sát s n m trên ng th ng h i quy. Trong tr ng h p ng h i quy hoàn toàn không lý gi i c s bi n 2 2 thiên c a Y, giá tr R s b ng 0. Trong tr ng h p giá tr R l n, ng h i quy gi i thích c p h n l n s bi n thiên c a giá tr Y, và chúng ta s ti n hành xem xét n ng h i q uy. N u giá tr R2 nh ngh a là ph ng trình ng h i q uy này không gi i thích c s bi n t hiên c a các giá tr quan sát Y – hay nói cách khác ng h i qui này không giúp gì trong vi c mô t m i liên quan gi a hai bi n s , và do ó chúng ta có th a ra k t lu n r ng không th dùng ph ng trình h i quy này trong vi c d oán và c l ng cho b s li u. Tuy nhiên chúng ta ch có th lo i b gi thuy t sau khi ã thông qua các ki m nh th ng kê. 1.6 ánh giá ph ng trình h i quy t khi ã xác nh c ph ng trình h i q uy, chúng ta c n p h i xem xét, ánh giá xem li u nó có mô t m i liên h gi a hai bi n không, và vi c dùng nó d o án ho c c l ng có hi u qu không. Chúng ta s ti n hành ki m nh h s h i q uy b và chúng ta s có 2 tr ng h p nh sau: - Khi H0: b=0 không b bác b : N u trong m t qu n th , m i liên h gi a hai bi n X và Y là tuy n tính, giá tr b , d cc a ng bình ph ng t i thi u , có th là d ng, âm ho c b ng không. N u b b ng 0, thì các s li u qu n th ó s cho ta m t ph ng trình ng h i quy không có tác ng ho c ít giá tr trong vi c d oán ho c c l ng k t qu . H n th a, m c dù chúng ta gi thuy t r ng m i quan h gi a hai bi n X và Y là tuy n tính, nh ng trên th c t r t có th m i q uan h này là không tuy n tính. V y n u nh trong ki m nh mà gi thuy t H0 là b b ng 0 không b bác b , chúng ta có th a k t lu n (gi nh r ng chúng ta không m c ph i sai l m lo i II) là m t trong hai tình hu ng sau: 1) m c dù quan h c a hai bi n X và Y là tuy n tính nh ng m i quan h này ch a m nh có 69
  8. Phân tích s li u b ng Epi Info th d o án ho c c l ng c các giá tr Y t các giá tr X; ho c 2) m i quan h gi a bi n X và Y có th không ph i là tuy n tính, m i quan h này có th là m t m i quan h a th c nào ó. - Khi H0: b=0 b bác b : Bây gi chúng ta s xét n tr ng h p chúng ta bác b gi thuy t H0 là b = 0. Gi s r ng chúng ta không m c ph i sai l m lo i I, chúng ta có th d n n m t trong các k t lu n sau: (1) m i liên h tuy n tính gi a bi n X và Y m nh và chúng ta có th s d ng mô hình i q uy d oán ho c c l ng giá tr c a Y t b i n X; ho c (2) mô hình tuy n tính có th là m t c l ng t t cho các s li u này, nh ng c ng có th còn có các mô hình a th c khác cho phép c l ng t t h n. i nh ng phân tích nh v y chúng ta th y r ng, tr c khi s d ng mô hình h i quy o án và c l ng các giá tr , chúng ta c n ph i ti n hành ki m nh gi t huy t th ng kê H0 : b=0. Chúng ta có th s d ng ki m nh F .Tr c khi ti n hành các ki m nh gi thuy t cho giá tr chúng ta s xem xét n vi c xác nh l n c a m i quan gi a hai bi n này nh th nào. Trong ví d trên ta có k t qu ki m nh mô hình h i quy nh sau: Ho: b=0, S d ng ki m nh F: F=3,597 và p>0,05 à không bác b gi t huy t Ho. Hay nói m t cách khác chúng ta ch a th k t lu n c có m t m i quan h gi a m ch t ng cu c s ng và bi n tu i u này c ng phù h p v i k t lu n c a chúng ta khi giá tr 2 r nh ( = 0.01) Chúng ta c ng có th ki m nh h s a, tuy nhiên trên th c t , vi c ki m nh ý ngh a và xác nh kho ng tin c y i v i giá tr a không c quan tâm nhi u , vì giá tr a ch cho chúng ta bi t giao mc a ng h i quy v i tr c tung và ây là giá tr kh i m a Y mà thôi. u chúng ta quan tâm là giá tr b, giá tr b cho chúng ta bi t v m i quan h gi a hai bi n X và Y nhi u h n. Khi hai bi n X và Y có liên h t ng quan thì t giá tr b d ng s cho chúng ta th y m i quan h tuy n tính thu n n u giá tr X t ng thì giá tr c a Y s t ng . Ng c l i, m t giá tr b âm s cho th y m t m i quan h tuy n tính ngh ch, giá tr c a Y s gi m khi X t ng và ng c l i. Khi không có m i quan h tuy n tính gi a hai bi n thì giá tr b s b ng 0. Kho ng tin c y cho giá tr b Khi ã xác nh c giá tr c a b là khác 0, chúng ta s xác nh kho ng tin c y cho giá tr b. Trong bài toán c a chúng ta ki m nh b 0 không có ý ngh a nên chúng ta không ti p t c tính kho ng tin c y cho giá tr β; N u b n mu n tính kho n g tin c y cho giá tr β b n có th d ng công th c β+ 1,2896 (S.E) 70
  9. Phân tích s li u b ng Epi Info 1.7 S d ng mô hình h i quy cl ng và d oán u các ki m nh th ng kê cho th y ph ng trình h i quy bi u di n m i liên h gi a hai bi n q uan sát mà ta quan tâm, chúng ta có th s d ng ph ng trình này vào t s ng d ng th c t . Chúng ta có th s d ng ph ng trình h i quy ó d o án giá tr c a Y t các giá tr c a X cho tr c, ngoài ra chúng ta c ng có th c l ng kho ng d oán cho giá tr Y. Chúng ta c ng có th s d ng ph ng trình h i quy c l ng trung bình c a t p p các giá tr Y d a trên các giá tr X cho tr c, t ng t chúng ta c ng có th c ng kho ng d oán cho các giá tr trung bình Y. Vì trong ví d c a chúng ta phép ki m nh không có ý ngh a nên chúng tôi ch gi i thi u cho các b n các công th c tính b n có th áp d ng trong các tr ng h p th c t oán giá tr c a Y khi bi t g iá tr c a X: Khi các gi thuy t v h i quy c áp ng cho ph ng trình h i quy, tính toán giá tr d oán Y, ta ch c n thay giá tr X và ph ng trình và tính toán. Chúng ta có th tính toán kho ng tin c y (100-α) ph n tr m cho giá tr Y d a trên công th c sau: trong ó xp là m t giá tr b t k c a x mà chúng ta s d ng d oán kho ng tin c y cho giá tr Y, b c t do cho vi c tính toán t là (n-2). 2. H i quy logistics Trong r t nhi u nghiên c u chúng ta s có bi n ph thu c là nh ng bi n r i r c, ví d nh chúng ta quan tâm n s ki n ó có x y ra hay không, i t ng có b b nh hay không b b nh, t vong hay không b t vong. Và t t c nh ng bi n s nh v y là nh ng bi n r i r c d ng nh phân, chúng ta c ng có nh ng bi n khác d ng nh danh ho c th c trong ó các giá tr c a bi n này có nhi u h n 2 lo i và trong ph m vi khoá h c này chúng ta ch a xem xét n các phân tích h i quy cho nh ng d ng s li u ó . Chúng ta ch quan tâm n ph ng pháp phân tích h i quy logistic cho bi n nh phân. D ng bi n này th ng c mã hoá d i d ng 0 và 1, t ng ng v i vi c có ho c không x y ra s ki n. Chúng ta s d ng d li u Oswego vào d ng bài t p này. Chúng ta quan tâm n b i n là t ng i có b b nh hay không b b nh n u trong b a n ó ng i ó có n kem Vanilla. Chúng ta c ng có th a ra m t câu h i "T i sao không dùng ph ng pháp bình ph ng t i thi u phân tích h i quy cho câu h i này”. â y là m t câu h i mà r t nhi u ng i ã t ra, tuy nhiên lý do chúng ta không th dùng là nh sau: Nh l i chúng ta có ph ng trình ng th ng h i quy nh trên Y = a + bX Trong ó: 71
  10. Phân tích s li u b ng Epi Info - Y là bi n p h thu c và trong tr ng h p bi n benh thì nó s có giá tr , =1 n u có b nh, =0 n u không có, - a là h ng s , - b là h s h i quy c a b i n c l p, - X là bi n c l p - e là sai s u s d ng cách phân tích theo ph ng trình bình ph ng t i thi u chúng ta s b m c t s sai l m sau : - Giá tr sai s s b sai l nh, u này x y ra do ph ng sai c a bi n c l p khác v i p h ng sai c a b i n p h thu c: var(e)= p(1-p), trong ó p là xác su t xu t hi n s ki n =1. - e không có phân b chu n vì p ch có m i 2 giá tr . Do ó gi thi t i quy không t c - Giá tr d oán n u s d ng h i quy tuy n tính có th cho chúng ta các giá tr l n h n 1 ho c nh h n 0 và u này là sai vì bi n ph thu c c a chúng ta ch có th nh n m t trong hai giá tr là 0 và 1. 2.1 Mô hình h i quy logistics Mô hình h i quy logistics nh d i ây s giúp cho chúng ta kh c ph c nh ng sai m trên, ph ng trình c a mô hình h i quy logistics c vi t nh sau: p p  = a + bX + e ho c 1 − p = exp[a + bX + e] ln  1 − p  trong ó - ln là logarit t nhiên, logexp, i exp=2,71828… - p là xác su t s ki n Y x y ra, P(Y=1) - p/(1-p) là giá tr t su t chênh "odds ratio" - ln[p/(1-p)] là giá tr log c a odds ratio - các thành ph n khác c a mô hình thì c ng gi ng nh mô hình h i quy tuy n tính. Mô hình h i quy logistics th c ch t là m t b i n i c a mô hình h i quy tuy n tính. Nó cho phép chúng ta c l ng xác su t n m trong kho ng giá tr [0,1]. Ví d , chúng ta có th c l ng xác su t exp[a + bX ] 1 p= ho c p = 1 + exp[a + bX ] 1 + exp[−a − bX ] i mô hình này, n u chúng ta a + bX =0, thì p = 0,5 u a + b X càng l n thì p s d n t i 1 72
  11. Phân tích s li u b ng Epi Info u a + b X càng nh thì p s d n t i 0. y=1 i quy tuy n tính i quy logistics y=0 x Trên ây là hình nh so sánh 2 mô hình h i quy Chúng ta th c hi n phân tích h i quy trong Epi Info nh sau: 1. Ch n l nh Logictic regression t cây l nh. Ch ng trình s hi n th m t h p tho i nh sau: 2. Ch n bi n Ill vào ô outcome variables, ch n bi n Vanilla, sex và ô other variable 3. Ch n kho ng tin c y là 95 % vào ô confidence limits 4. Kích Ok th c hi n câu l nh t qu c a b n s có d ng nh sau 73
  12. Phân tích s li u b ng Epi Info LOGISTIC ILL = SEX VANILLA Next Procedure Unconditional Logistic Regression Odds Z- P- Term 95% C.I. Coefficient S. E. Ratio Statistic Value SEX (M/F) 0.2657 0.0729 0.9683 -1.3253 0.6597 -2.0089 0.0446 VANILLA 32.4765 7.0446 149.7213 3.4805 0.7797 4.4637 0.0000 (Yes/No) CONSTANT * * * -1.4254 0.6459 -2.2069 0.0273 Convergence: Converged Iterations: 6 Final -2*Log-Likelihood: 67.3710 Test Statistic D.F. P-Value Score 29.9991 2 0.0000 Likelihood Ratio 32.7140 2 0.0000 Phiên gi i k t qu Có m i liên quan gi a vi c nh ng ng i n kem Vallina và b ng c (p< 0,001) và và v i OR =32,47 chúng ta có th nói r ng t l nh ng ng i n kem Vallina b ng c p 32 nh ng ng i không n. Trong mô hình này chúng tôi có a y u t gi i (nhi u vào ây) và ki m nh có ý ngh a nên t su t ng c ây c a nh ng ng i n và không n khác nhau hai gi i 74
  13. Ph l c CH N KI M NH THÍCH H P Bi n u ra là LIÊN T C ho c KHO NG
  14. Phân tích s li u b ng Epi Info Phân b c a bi n u ra có tuân theo phân ph i chu n hay không ? Có Không Bao nhiêu nhóm s c so sánh? Bao nhiêu nhóm s c so sánh? 1a 1b 1c 1a 1b 1c 2 3+ 2 3+ u ra là liên So sánh v i ol ng l p Bi n u ra So sánh v i ol ng l p c giá tr có s n i trên cùng là liên t c giá tr có s n i trên cùng t nv t nv Các th ng hst ng TB & LC TB s khác TB & LC TB & LC Hst ng TV & S khác Các TV & Các TV & d kê mô t quan Pearson bi t & LC quan kho ng nhau gi a kho ng kho ng a s khác Spearman các TV và s bi t khác nhau a kho ng Các ki m Ki m nh tm tm u KD t-ghép c p K t- không phân tích Ki m nh Ki m nh ki m nh d u Ki m nh Ki m nh nh th ng ng quan ghép c p ph ng sai ng quan u ho c ki m ho c ki m Mann- Kruskal- kê (ANOVA) nh d u h ng nh d u h ng Whitney Wallis Wilcoxon d Wilcoxon d ANOVA G i thuy t ng quan = TB = giá tr khác bi t TB 1 = TB 2 TB1 = TB2 = T ng quan khác bi t khác bi t TV1 = TV2 TV1 = TV2 (H0) 0 chu n gi a hai TB = TB3= .v.v. =0 gi a TV và gi a các TV = = TV3 =.v.v. 0 giá tr so sánh 0 =0 Các gi nh Hai bi n có Bi n u ra khác bi t Bi n u ra Bi n u ra Hai bi n này Không Không Các Các ph ng quan h tuy n tuân theo phân tuân theo phân tuân theo tuân theo phân có quan h ph ng sai sai là ng tính ph i chu n ph i chu n phân ph i ph i chu n và tuy n tính là ng nh t ph76 g sai chu n và n nh t ph ng sai ng nh t ng nh t
  15. Phân tích s li u b ng Epi Info a) ây không ph i là nhóm mà ch là m t bi n c l p liên t c b) ây không ph i là bi n c l p mà ch là m t th ng kê mô t mà c so sánh v i m t qu n th chu n hay giá tr c tính c) Là thi t k nghiên c u trong ó nhi u o l ng c ti n hành l p l i trên cùng m t n v quan sát d) Không l n v i ki m nh t ng h ng Wilcoxon (t ng t nh ki m nh Mann-Whitney) e) Vi t t t: LC: l ch chu n, TB: trung bình, TV: Trung v , K : Ki m nh 77
  16. Phân tích s li u b ng Epi Info CH N KI M NH THÍCH H P Bi n u ra là BI N PHÂN LO I Có bao nhiêu phân nhóm trong bi n u ra 2 3+ o các bi n c so sánh nh th nào o c a các bi n so sánh nh th nào? Phân lo i – 2 Phân lo i – Liên t c Liên t c ho c Phân lo i l p l i phân lo i – Phân lo i – Liên t c ho c L iên t c ho c Các lo i c phân nhóm 3 phân ho c kho ng kho ng – trong m t nv 2 phân 3 phân kho ng nh ng kho ng - p l i t rong nhóm tr – phân b không ph i là quan sát nhóm nhóm tr có phân ph i không có t nv lên chu n phân b lên chu n phân ph i quan sát chu n chu n % ho c ORa Các th ng % ho c OR TB & LC TV và kho ng % phù h p, % % TB & LC c a TV & kho ng % kê c b n a các bi n a các bi n bi n liên t c a bi n liên liên t c trong liên t c trong trong các phân c trong các s kappa v tính s kappa v các phân các phân nhóm nhóm c a bi n phân nhóm c a phù h p và sai s tính phù h p và nhóm c a bi n a bi n u ra u ra bi n u ra chu n sai s chu n u ra 78
  17. Phân tích s li u b ng Epi Info nh χ2 nh χ2 nh χ2 nh χ2 Các ki m Ki m Ki m K t không Ki m nh Ki m nh Ki m Ki m Phân tích Kruskal-Wallis Ki m nh nh th ng ghép c p Mann-Whitney McNemar ph ng sai ANOVA kappa cho m c kê (ANOVA) ý ngh a ho c ki m nh kappa cho m c ý ngh a Gi thuy t %1 = %2 tc % TB1 = TB2 TV1 = TV 2 S không phù n s các ô n s các ô t c các TB t c TV S không (H0) ng nhau p c a các phân quan sát g i quan sát g i là t ng t ng t phù h p c a ho c ho c nhóm cùng ý r ng hai ý r ng hai nhau nhau các phân OR = 1 ng bi n là c bi n là c nhóm cùng t c ORa p p ng =1 C ác gi Các quan sát Các quan sát Bi n u ra Bi n u ra Các n v quan Các quan sát Các quan sát Bi n u ra Bi n u ra Các nv nh là cl p là cl p tuân theo tuân theo phân sát là cl p là cl p là cl p tuân theo phân tuân theo phân quan sát là c phân ph i ph i chu n; ph i chu n ph i chu n; p chu n các ph ng sai các ph ng sai ng nh t ng nh t a OR: t s chênh 79
  18. ng mã b s li u MÃ KHÁCH HÀNG Tên tr ng: ClientCode Format: Text Length: 10 Description: M t mã duy nh t g n cho m i khách hàng. Nó là s k t h p c a 4 ký t mã huy n và s có 6 ch s , ví d : HP12-3456768. MÃ T NH Tên tr ng: ProvinceCode Format: Text Length: 2 Description: M t mã g m 2 ký t , phân bi t duy nh t cho 7 t nh Vi t Nam. MÃ HUY N Tên tr ng: SiteCode Format: Text Length: 4 Description: là mã t h p bao g m 4 ký t phân bi t duy nh t cho m i huy n trong t nh. Mã huy n là 2 ký t c theo là 2 s , ví d HP12 NGÀY TR C XÉT NGHI M Tên tr ng: DateInitialSession Format: Date, DD-MM-YYYY Length: 10 Description: Ngày u tiên khách hàng n trung tâm VCT. MÃ T V N V IÊN Tên tr ng: CounsellorCodeInitialSession Format: Text Length: 7 Description: bao g m 7 ký t
  19. Phân tích s li u b ng Epi Info TR C XÉT NGHIÊM Field Name: PretestSessionMinutes Format: Number Length: 3 Description: Th i gian t v n, tính theo phút. NGÀY T V N SAU XÉT NGHI M Tên tr ng: DateofSecond Format: Date, DD-MM-YYYY Length: 10 Description: Ngày khách hàng quay tr l i VCT sau xét nghi m. MÃ T V N V IÊN Tên tr ng: CounsellorCodeSecondSession Format: Text Length: 7 Description: G m 7 ký t nó có th khác mã t v n viên c a l n xét nghi m tr c. SAU XÉT NGHI M Field Name: PostTestSession Format: Number Length: 3 Description: Th i gian t v n sau xét nghi m, tính theo phút. 1. IC TRÚ i mà khách hàng hi n ang s n g, có th là n i có d ch v VCT, t nh ngoài ho c n c khác. Câu tr l i là n l a ch n. FIELD NAME FIELD TYPE VALUE 1 – Th tr n/ thành ph N1C1 Checkbox Missing or 1 2 – Nông thôn N1C2 Checkbox Missing or 1 81
  20. Phân tích s li u b ng Epi Info 3 – T nh khác (trong Vi t Nam) N1C3 Checkbox Missing or 1 4–N c ngoài N1C4 Checkbox Missing or 1 2. GI I TÍNH Câu tr l i là n l a ch n FIELD NAME FIELD TYPE VALUE 1 – Nam N2C1 Checkbox Missing or 1 2–N N2C2 Checkbox Missing or 1 3. TU I Tu i, tính theo n m c a khách hàng FIELD NAME FIELD TYPE VALUE Tu i N3 Number 00 - 99 4. N M IH C n m tính n th i m khách hàng ng n g h c FIELD NAME FIELD TYPE VALUE n m ih c N4 Number 00 - 99 5. TÌNH TR NG HÔN NHÂN Tình tr ng hôn nhân c a khách hàng t i th i m khách hàng n xét nghi m. Câu tr l i là n a ch n. FIELD NAME FIELD TYPE VALUE 82
ADSENSE

CÓ THỂ BẠN MUỐN DOWNLOAD

THÔNG TIN
TRỢ GIÚP
HỖ TRỢ KHÁCH HÀNG
Theo dõi chúng tôi

Chịu trách nhiệm nội dung:

Nguyễn Công Hà - Giám đốc Công ty TNHH TÀI LIỆU TRỰC TUYẾN VI NA

LIÊN HỆ

Địa chỉ: P402, 54A Nơ Trang Long, Phường 14, Q.Bình Thạnh, TP.HCM

Hotline: 093 303 0098

Email: support@tailieu.vn

Giấy phép Mạng Xã Hội số: 670/GP-BTTTT cấp ngày 30/11/2015 Copyright © 2022-2032 TaiLieu.VN. All rights reserved.

 

Đồng bộ tài khoản
2=>2