如何正确运用析因设计——怎样在药物应用与监测研究中正确运用统计学(五)

1 问题的提出 有些实际工作者常凭“想当然”办事，比如，治疗胃病有甲、乙两种药，每种药分为低、高两种剂量，已知甲药为对照药而乙药为新药，于是各种试验条件下各有一组患者接受治疗，共计四组：甲药低剂量（简称甲低，下同）、甲高、乙低、乙高。取能反映胃病治疗效果好坏的定量指标并测其结果，得到4组定量资料。现若要分析甲低疗效好还是乙低疗效好，

如何提高中医药科研课题的科研设计质量

很多科研人员（包括临床医生）在进行科研工作过程中，习惯用专业知识取代一切其他知识。其突出表现是：等科研工作已经完成，甚至论文已写完，因某些数据处理有问题被退稿时，才想起要找统计学工作者帮助处理论文中的实验数据；考虑问题稍周到一些的科研人员在科研工作完成之后，在撰写论文之前就想到要运用统计学知识来分析实验数据。这两种运用统计学的科研人员都是在把统计学当作分析数据的“计算工具”或当作发表学术论文的“敲门砖”，是对统计学重要性认识不足的突出表现。理由很简单，科研数据是否正确可靠、

合理进行多元分析——变量聚类分析

本文目的是介绍与变量聚类分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括变量聚类分析、相似系数、变量聚类方法、类成分和类结构;计算方法涉及相似系数法计算过程和特征值法计算过程;两个实例涉及的资料分别是“60名正常男性10项指标的测定结果”和“36只兔子的7项指标测定结果”;借助SAS对两个实例中的定量资料进行了全面的变量聚类分析,并对输出结果给出了解释。

合理进行多元分析——主成分分析

本文目的是介绍与主成分分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括相关矩阵、特征值与特征向量、主成分变量、主成分表达式和主成分的性质;计算方法涉及特征值与特征向量的求法、主成分分析的计算原理以及系数估计和个数的确定;两个实例中的资料分别为“20例肝病患者的4项肝功能指标的测定结果”和“23种肿瘤类期刊的文献计量学指标的调查结果”;借助SAS对两个实例中的定量资料进行了主成分分析,并基于主成分的计算结果分别实现了样品聚类和样品排序,并对输出结果作出了解释。

合理进行均值比较——单组和配对设计定量资料多元方差分析

本文目的是介绍与单组设计和配对设计定量资料多元方差分析有关的基本概念、计算方法、两个医学实例以及SAS实现。基本概念包括单组设计与配对设计、均值向量、多元方差分析和前提条件;计算方法涉及一般检验统计量和Hotelling’s T2检验统计量;两个医学实例分别为“结核病患者营养状况的调查资料”和“石杉碱甲治疗增龄相关记忆障碍效果的试验资料”。借助SAS对两个医学实例中的定量资料分别进行一元和多元差异性分析,并对这两类分析方法的区别进行讨论。

合理进行多元分析——定量资料对应分析

本文目的是介绍与定量资料对应分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括变量与样品、显变量与隐变量、因子分析、R型分析与Q型分析、对应分析;计算方法涉及基本原理、变量变换、构建R型和Q型协方差矩阵、因子分析;两个实例分别为“某年中国10个省份农村居民家庭人均消费支出数据”和“不同民族的各种基因出现的频率”;借助SAS软件,对两个实例中的定量资料进行了定量资料对应分析,并对SAS输出结果做出了解释。

合理进行多元分析——广义主成分分析

本文目的是介绍与广义主成分分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括合成资料、拟合成资料、部分合成资料和广义主成分分析;计算方法涉及对数中心化,构造协方差矩阵S以及求矩阵S的特征值和特征向量;两个实例分别是“某矿石中5种成分的含量”和“1993年我国30个地区农民家庭消费资料”。借助SAS对两个实例中的定量资料进行广义主成分分析,只需要1个主成分就可包含多个原变量所包含的85%以上的信息,取得了很好的降维效果;在例2中,基于广义主成分的计算结果,还实现了对地区的排序和初步分档。

合理进行均值比较——泊松分布回归模型

本文目的是介绍与泊松分布回归模型有关的6个基本概念、计算方法、一个临床调查实例及其SAS实现。基本概念包括泊松分布、泊松分布回归模型、偏移量、标准化死亡比(SMR)、偏差信息准则和最高后验密度区间。计算方法涉及泊松分布回归参数的经典估算方法和贝叶斯估算方法。临床调查实例涉及1975年-1980年苏格兰56个县的唇癌观察和预期病例的数据。本文给出了采用SAS处理实例中计数资料的全过程,包括基于bglimm过程构建5个泊松分布回归模型和展示预测的SMR与观测的SMR之间的吻合程度。对输出结果作出了解释,并基于模型拟合效果评价统计量,对所构建的多个泊松分布回归模型进行比较,得出了适合本文资料的最优泊松分布回归模型。

合理进行多元分析——定性资料对应分析和Shannon信息量分析

本文目的是介绍与定性资料对应分析和Shannon信息量分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括列联表与Burt表、边缘概率、行剖面与列剖面、信息和信息量、熵;计算方法涉及定性资料对应分析和Shannon信息量分析;两个实例分别为“某医院3年间不同季节4种甲状腺疾病的检出情况”和“不同专业学生的4种气质类型分布”;借助SAS软件,对两个实例中的数据分别进行了定性资料对应分析和Shannon信息量分析,并对SAS输出结果做出了解释。

合理进行均值比较——重复测量设计定量资料方差分析

本文目的是介绍与混合模型有关的5个基本概念、计算方法、一个临床试验实例及其SAS实现。基本概念包括固定效应、随机效应、随机系数、混合模型和多水平模型。计算方法涉及混合模型的经典计算方法和贝叶斯计算方法。临床试验实例涉及三种药物对哮喘患者呼吸功能的影响。本文给出了采用SAS处理实例中定量资料的全过程,包括基于mixed过程和bglimm过程构建6个重复测量设计定量资料混合模型,对输出结果作出了解释,并基于模型拟合效果评价统计量,对所构建的多个混合模型进行了比较,得出了适合本例资料的最优混合模型。

合理进行均值比较——具有组间异质性的增长重复测量模型

本文目的是介绍与具有组间异质性的增长重复测量模型有关的5个基本概念、计算方法、一个临床试验实例及其SAS实现。基本概念包括重复试验与重复测量、方差协方差结构、均衡性与异质性、先验分布与后验分布、混合模型与多水平模型。计算方法涉及抽样方法和先验分布。临床试验实例涉及具有异质性的两组增长重复测量数据。本文呈现了采用SAS处理实例中增长重复测量资料的全过程,包括呈现两组儿童口腔内一特定指标(简称距离)随年龄变化的增长图、构建两组儿童线性重复测量模型、构建一个既考虑到异质性又能估计性别效应的模型、直接获得与性别有关的截距和斜率的后验分布,以及基于后验估计值直接推断概率。对输出结果作出了解释,并讨论了改用多水平模型所产生的效果。

合理进行均值比较——随机区组设计定量资料多元方差分析

本文目的是介绍与随机区组设计定量资料多元方差分析有关的基本概念、计算方法、一个实例以及SAS实现。基本概念包括区组因素、如何选定区组因素、随机区组设计和不完全随机区组设计;计算方法涉及一般统计量和检验统计量;一个实例涉及“长期饲喂高锌日粮对断奶仔猪免疫机能影响的动物试验及其多元定量资料”。借助SAS实现随机区组设计定量资料的一元方差分析和多元方差分析。并讨论当区组因素对结果的影响无统计学意义时,合理的统计分析方法是不考虑区组因素,直接采用单因素多水平设计一元和多元定量资料方差分析。

合理进行多元分析——典型相关分析

本文目的是介绍与典型相关分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括典型变量、典型相关系数、典型相关分析、典型变量个数的确定以及典型变量的性质;计算方法涉及典型相关变量中系数的估计和典型相关系数的假设检验;两个实例涉及的资料分别是“受试者的身体形态以及健康指标的测定结果”和“人力资源管理实践变量与组织绩效变量的测定结果”;借助SAS对两个实例中的定量资料进行了典型相关分析,并对输出结果给出了解释。

合理进行均值比较——析因设计定量资料多元方差分析

本文目的是介绍与析因设计定量资料多元方差分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括交互作用、析因设计、含区组因素的析因设计和分式析因设计;计算方法涉及一般统计量和检验统计量;两个实例分别涉及“制造塑料胶片过程中挤压度和添加剂剂量对其性能的影响”和“寻找挤压塑料胶卷的最优工艺条件”。借助SAS对两个实例中的定量资料进行多元方差分析,并对如何确定最终的方差分析模型进行讨论。

合理进行均值比较——含区组因素的两因素析因设计定量资料方差分析

本文目的是介绍与均值比较有关的6个基本概念、计算方法、一个医学试验实例及其SAS实现。基本概念包括参数检验与非参数检验、前提条件、设计类型、交互作用以及方差分析的基本思想。计算方法涉及单因素两水平设计定量资料t检验、单因素多水平设计定量资料方差分析和含区组因素的析因设计定量资料方差分析。医学试验实例涉及如何考察可待因和针刺对男性受试者术后牙痛的影响。本文给出了采用SAS处理实例中定量资料的全过程,包括单因素分析、两因素分析和三因素分析,对输出结果作出解释,并明确给出合理选择统计分析方法进行定量资料差异性分析的关键点。

合理进行多元分析——度量型多维尺度分析

本文目的是介绍与度量型多维尺度分析有关的基本概念、计算方法、两个实例以及SAS实现。基本概念包括度量型与多维尺度、应用场合、距离矩阵与相似系数矩阵、研究对象、拟合构图与构图、多维尺度分析的基本思想;计算方法涉及经典多维尺度分析和最小平方多维尺度分析;两个实例分别为“甘肃省12个主要城市之间的距离”和“8个测试项目之间的相关系数矩阵”;借助SAS软件,对两个实例分别进行了多维尺度分析,并对SAS输出结果做出了解释。