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「1、2、4」，這樣就不是等距，而且就不是正確的編碼；反之，若輸入2、4、6，這樣又符合等距編碼了（輸入1、2、3跟輸入2、4、6的結果會一模一樣）。
SPSS操作程序如下，先到跑logistic regression的選單。
到了logistic regression的頁面後，將Outcome（HOMA_4）移至「Dependent」，自變項則是放MetS_3gr跟Age到「Covariates」，此時Age算是控制變項，按下「OK」即完成分析。
報表中的MetS_3gr的P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。
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）。
留言列表
{{ article.title }}