同济医学院-《医学多元统计》考试总结3

《同济医学院-《医学多元统计》考试总结3》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、一、判别分析与聚类分析在原理及其应用上的区别原理：聚类分析是对于总体分类未知的一群事物依照“物以类聚”的思想，把性质相近的事物归入同一类，而把性质相差较大的事物，归入不同类的一种统计分析方法。判别分析是对样本个体进行分类的另一种统计分析方法，但它是是根据一批分类明确的样本在若干指标上的观察值，建立一个判别函数和判别准则，然后以此准则来对新的样本进行判别分类。应用：1、聚类分析可以对样本进行分类，也可以对指标进行分类；而判别分析只能对样本进行分类。2、聚类分析实现不知道事物的类别，也不知道应分几类；而判别分析必须事先知道事物的类别，也知道应

2、分几类。3、聚类分析不需要分类的历史资料，能直接对样本进行分类；而判别分析需要分类历史资料区建立判别函数，然后才能对样本进行分类。二、logistic回归和COX风险模型在应用上的区别1、Logistic回归模型可以用于多因素预后分析，控制混杂因素效应，并可进行优势比OR(或相对危险度RR)的估计，但不能处理随访中常见的删失数据。另外，Logistic回归模型仅考虑随访结局（生存或死亡，有效或无效），而未考虑出现结局的时间长短。2、Cox比例危险率回归模型的应变量观察结局有关时间，它不仅可以从结局的好坏，而且可以从出现该结局的时间长短进行

3、分析比较，并可进行相对危险度RR的估计，因而Cox回归具有logistic回归模型的所有优点，并可处理删失数据，特别适用于长期随访资料的分析，如肿瘤及慢性病的预后分析。但当数据删失较少或终点时间发生数据少时，宜用logistic回归。三、主成分分析有哪些主要应用？其与多元线性回归分析有何区别？主成分分析在医学中的应用：1、对原始指标进行综合。可以降维，直观明了。从方法学上讲，主成分分析的主要作用是在基本保留原始指标信息的前提下，以互不相关的较少个数的综合指标来反映原始指标所提供的信息，这就为进一步的统计分析奠定了基础。2、可用于判别归类。

4、利用主成分分析还可对样品进行分类。求出主成分后，如果各主成分的专业意义较为明显，可以利用各样品的主成分得分来进行样品的分析。3、可消除多元线性回归中自变量的多重线性——共线性问题。原因在于各成分之间相互独立，不存在因果关系多元线性回归在医学中的应用：1、确定多个指标变量与一个反应变量之间的线性关系。2、筛选疾病的危险因素和有利于健康的健康促进因素。筛选危险因素3、从较易测得的自变量来推测较难测得的自变量。4、从已知发生的X来预测将发生的Y。5、用于建立专家辅助诊断系统。校正混杂因子四、谈谈你对多元统计方法在医学科研数据分析中应用的重要性多

5、元统计方法作为一种更复杂的统计学方法，它在医学科研中具有很高的应用价值，主要包括以下三方面的作用（1）统计描述①均数向量②组间比较（2）关联性分析①线性相关与回归：在大量的医学科研与实践中，经常会遇到对两个变量或多组指标变量与一个反应变量之间关系的研究，例如糖尿病人的血糖与其胰岛素水平的关系如何，此时可用回归与相关分析，包括直线线性回归与直线相关，多元线性回归等。②非线性回归：A医学科研中经常需要分析分类型变量的问题（二分类、多分类），研究者关心的问题如哪些因素导致人群中有些人患某种病，有些人不患某种疾病的问题，不能用线性回归分析方法解决

6、，但可以用logistic回归来分析。B医学研究中常常用追踪的方式来研究事物发展的规律，例如了解手术后的存活时间，了解某药物的疗效。这种追踪研究都要经过一段时间，此时可用生存分析方法对资料进行分析。生存分析具有重要的应用价值，它对人群寿命的研究，各种慢性病的现场追踪研究等随访资料的处理起着举足轻重的作用。C某些研究如毒理试验具有安全期参数，此时可用Wwibull回归。D此外还可用泊松回归（对数线性回归模型），负二项回归等方法对医学科研数据进行分析处理。（3）综合评价①专家诊断系统：可用聚类分析、判别分析方法建立专家诊断系统，总体分类未知，

7、没有先验信息的情况下，用聚类分析去进行判定分类，有先验信息，事先知道总体的分类时，再去归类则可用判别分析。②变量结构分析：可利用主成分分析和因子分析③量表的研制和评价：信度和效度评价④预测：用神经网络、时间序列模型进行预测⑤宏观评价：包络分析五、试述二判别分析的基本原理总体分类已知的一群事物，根据已有的分类信息把性质相近的事物归入同一类，而把性质差异较大的事物归入不同类的一种统计方法。根据一批分类明确的样本在若干指标上的观察值，建立一个关于指标的判别函数和判别准则，然后根据这个判别函数和判别准则对新的样本进行分类，并且根据回代判别的准确率

8、估计它的实用性。六、试述系统聚类法的基本思想系统聚类法的基本思想：先将n个样品各自看成一类，然后选择相似程度最大（距离系数d最小或相关系数最大）的样品归为一类，再选择相似程度次大的样品归为一类