在上一篇文章中,筆者介紹了雙變數的趨勢分析(Bivariate analysis / univariate analysis)的SPSS操作程序與報表解讀,不過當我們要考慮控制變項(Control variable or covariate)時,就必須使用多變項分析(Multivariable analysis),本篇文章將介紹在調整其他變項效果之下的趨勢分析。

在開始示範操作程序之前,要先釐清一個重要的觀念,通常我們看到的「P trend」指的都是「線性趨勢」(Linear trend),也就是一次方的直線關係。除了直線關係之外,也有可能存在著曲線關係,常見的有二次方(Quadratic)及三次方(Cubic)的趨勢,在此先不詳細介紹曲線關係,本文焦點在於介紹直線關係的趨勢分析。

在這邊要特別說明,多變項分析的「線性趨勢」無論是任何一種尺度的依變項,無論是Linear regression(連續型的Y)、 logistic regression(類別型的Y)、Poisson regression(計數型的Y)或Cox proportional hazard model(設限資料)其操作方式全部都一樣。

沿用上一篇的例子,自變項仍為代謝症候群的組成成分個數,依變項從連續型的胰島素阻抗以「4分」作為切點,4分(含)以上為高胰島素阻抗,4分以下為低胰島素阻抗。先確定自變項的數值編碼是否等距,本例「1」為0項成分、「2」為1-2項成分、「3」為3-5項成分,因此確認數值編碼為等距。如果輸入「124」,這樣就不是等距,而且就不是正確的編碼;反之,若輸入246,這樣又符合等距編碼了(輸入123跟輸入246的結果會一模一樣)。

 

1.jpg

 

SPSS操作程序如下,先到跑logistic regression的選單。

 

2.jpg

 

到了logistic regression的頁面後,將OutcomeHOMA_4)移至「Dependent」,自變項則是放MetS_3grAge到「Covariates」,此時Age算是控制變項,按下「OK」即完成分析。

 

3.jpg

 

報表中的MetS_3grP值現在就是P for linear trend,而且已經控制或調整了年齡的效果(controlled or adjusted for age)。結果達顯著,再比對之前的卡方分析的報表,因此可知代謝症候群組成個數越多,則HOMA大於4的風險越高。另外,關於其他尺度的依變項的分析,例如線性迴歸或Cox模式,作法全部都一樣。

 

4.jpg

 

最後補充說明,在統計軟體中有所謂的「Polynomial trend」(多項式趨勢檢定),這個並非純粹「線性趨勢」的檢定,而是同時包括「線性與非線性」的檢定,因此並不符合我們本篇文章的需求(只看線性關係)。

 

5.jpg

創作者介紹
創作者 晨晰部落格新站 的頭像
晨晰部落格新站

晨晰統計部落格新站(統計、SPSS、BIG DATA討論園地)

晨晰部落格新站 發表在 痞客邦 留言(0) 人氣()