Phân Tích Số Liệu Bằng SPSS - 123doc

Phân tích số liệu bằng SPSS

 Thực hiện tính toán các biến số mới: chỉ số BMI, phân độ cân nặng dựa trên BMI, phân loại mức độ đường huyết dựa trên HbA1c

 Xử lý thống kê mô tả: tỉ lệ (giới tính), trung bình, trung vị,

độ lệch chuẩn (của tuổi, chiều cao, cân nặng, HbA1c, BMI)

 So sánh hai trung bình bằng t-test: HbA1c giữa hai nhóm theo biến số giới tính (nam, nữ)

Các mục tiêu thực hành

 Thực hiện phép kiểm chi-bình phương:

so sánh tỉ lệ thừa cân, tỉ lệ kiểm soát tốt HbA1c theo giới tính

 Phân tích tương quan Pearson và

Spearman: giữa BMI và HbA1c, giữa tuổi và HbA1c, giữa giới tính và HbA1c

 Hồi qui logistic với biến số phụ thuộc là (HbA1c

=< 7) hoặc (HbA1c > 7), biến số độc lập bao gồm: tuổi, giới và BMI

Tính toán các biến số mới: BMI, mức HbA1c

4 Phân tích mô tả: tỉ lệ, trung bình, độ lệch chuẩn

5 So sánh trung bình: t-test

6 So sánh tỉ lệ: chi-bình phương

7 Phân tích tương quan: Pearson và Spearman

8 Hồi qui logistic và chỉ số OR

3 Nhập số liệu trực tiếp

Nhập tên biến số

Nhập tên biến số: không có

khoảng trắngChọn tab Variable view

3 Nhập số liệu trực tiếp

Định dạng biến số

Chọn số lượng chữ số thập phân

3 Nhập số liệu trực tiếp

Gán giá trị cho biến định tính

Chọn Values của biến số Gender:

Gán định nghĩa 1 = Male, 2 = Female

3 Nhập số liệu trực tiếp Chọn loại thang đo

Chọn thang đo lường: Ordinal, Nominal

hay Scale cho từng biến số

3 Nhập số liệu trực tiếp

Biến số dạng văn bản (họ tên)

Biến số dạng chữ viết (như họ tên):

chọn Type là String và Width phù hợp

3 Nhập số liệu trực tiếp

Nhập số liệu vào Data view

Chọn tab Data view

Thực hiện nhập số liệu vào các ô

3 Nhập số liệu từ Excel

Chọn File -> Open -> Data …

Chọn Files of type: Excel

3 Nhập số liệu từ Excel

Sau đó, chọn Variable view để chỉnh sửa

các đặc tính của biến số

3 Nhập số liệu

Tính toán biến số mới

 Tạo biến số mới:

– BMI = (cân nặng-kg)/(chiều cao-m)^2

– A1c_7: có 2 giá trị

= 1: nếu HbA1c <= 7%

= 0: nếu HbA1c > 7%

Transform -> Compute Variable…

3 Nhập số liệu

Tính biến số mới Nhập tên biến sốXây dựng biểu thức tính

3 Nhập số liệu

Tính biến số mới: A1c_7

 Tên biến số: A1c_7

3 Nhập số liệu

Tính biến số mới

 Tự thực hành: tạo biến số mới

 Tên biến số: Weight_grade

4 Phân tích mô tả

Frequencies

Chọn các biến số từ danh sách

4 Phân tích mô tả

Frequencies: kết quả

Vào Options… để chọn

5 So sánh trung bình: t-test

Vào Define Groups… để

chọn nhóm so sánh

Chọn Gender vào Grouping Variable

Chọn HbA1c vào Test Variable(s)

6 So sánh tỉ lệ:

Phép kiểm Chi-bình phương

 Mục tiêu: so sánh tỉ lệ đạt HbA1c <= 7% của hai giới, nam và nữ

 Analyze -> Descriptive Statistics…-> Crosstabs…

6 So sánh tỉ lệ:

Phép kiểm Chi-bình phương

Chọn các biến số đưa vào ô

Row(s) và Column(s) Nhấn vào nút Statistics… để mở cửa sổ và chọn Chi-square

6 So sánh tỉ lệ:

Phép kiểm Chi-bình phương

Giá trị p-value của phép kiểm Chi-square

7 Phân tích tương quan

hệ số tương quan r-Pearson và Spearman

 Nhiệm vụ: Tính hệ số tương quan r-Pearson giữa BMI

và HbA1c

 Analyze -> Correlate -> Bivariate…

7 Phân tích tương quan

hệ số tương quan r-Pearson và Spearman

Chọn các biến (HbA1c, BMI) đưa vào ô Variables

Chọn hệ số tương quan phù hợp (trường hợp này

là Pearson)

Bấm vào nút OK sau khi chọn xong

7 Phân tích tương quan

hệ số tương quan r-Pearson và Spearman

Kết quả: hệ số tương quan

r và trị số p (2 đuôi)

Cách làm tương tự với hệ

số tương quan Spearman (phi tham số)

7 Phân tích tương quan

hệ số tương quan r-Pearson và Spearman

Tự thực hành:

 Tính hệ số tương quan giữa:

– Tuổi và HbA1c

– Giới và HbA1c

8 Phân tích hồi qui logistic

Các điều kiện và khái niệm

 Biến số phụ thuộc: phải có hai giá trị 0 và 1

– A1c_7: gồm có 0 (HbA1c > 7%) và 1 (HbA1c <=7%)

– Phân tích hồi qui logistic đơn biến với từng biến độc lập

– Phân tích hồi qui logistic đa biến

8 Phân tích hồi qui logistic

Phân tích đơn biến

 Analyze -> Regression -> Binary Logistic…

8 Phân tích hồi qui logistic

Phân tích đơn biến

1.Chọn biến số phụ thuộc (A1c_7)2.Chọn biến số độc lập (Gender)

3 Chọn Categorical… để gán đặc

tính cho biến Gender

4 Vào Options để chọn 95%CI cho OR

8 Phân tích hồi qui logistic

kết quả đơn biến OR và 95%CI

Kết quả: OR chính

là Exp(B) và 95%CI

P-value của OR

8 Phân tích hồi qui logistic

Phân tích đơn biến

Tự thực hành:

 Phân tích đơn biến với hai biến số còn lại:

– BMI

– Tuổi

8 Phân tích hồi qui logistic

Phân tích đa biến: chú ý bước (2)

1.Chọn biến số phụ thuộc (A1c_7)

2.Chọn các biến số độc lập (Gender, Age, BMI)

3 Chọn Categorical… để gán đặc

tính cho biến Gender

4 Vào Options để chọn 95%CI cho OR

8 Phân tích hồi qui logistic

Kết quả đa biến OR và 95%CI

Kết quả: OR = Exp(B) của các biến số và 95%CI

P-value của OR của từng biến số

Q & A

Câu hỏi và Thảo luận