Transcript 如何統計分析
台中榮總生統小組 93.11.10 匯入資料 變數分類與命名 變數分類與命名 變數分類與命名 核對資料正確性 資料遺漏 資料屬性歸類（連續型/類別型） 輸入值誤差太大 資料之屬性 分類資料（Categorical data） 類別尺度（Norminal scale） 序位尺度（Ordinal scale ） 連續資料（Continuous data） 等距尺度（Interval scale） 比率尺度（Ratio scale ） 類別尺度（Norminal scale） 彼此間無程度或次序性 依據個案之特性分類 血型 性別 / 國籍 疾病發生與否 存活/死亡 序位尺度（Ordinal scale） 彼此間存在次序性/程度之差異 各類別間不一定有倍數或距離關係 癌症病患期別 （I / II / III / IV） 問卷調查：Likert scale （非常滿意/滿意/無意見/不滿意/極不滿意） 等距尺度（Interval scale） 資料連續，但無絕對零點 可完全表現出程度之大小 具有等距關係 溫度 血壓值 比率尺度（Ratio scale） 資料連續，有絕對零點 可完全表現出程度之大小 具有比率關係 身高 考試成績 卡路里攝取量 種類 使用資料時機 χ2 檢定 類別尺度以上 Spearman 等級相關係數 序位尺度以上 Pearson 相關係數 等距尺度以上 資料之描述 連續性資料 集中趨勢 平均數 (mean) 中位數 (median) 眾數 (mode) 離散趨勢 標準差 (Std) 標準誤 (SEM) 最小值/最大值 (minimum/maximum) 信賴區間 (confidence interval) 比較 定義 標準差 標準誤 資料分布的離散度 對資料的一種描述 研究者無法掌握 （屬於離散趨勢） 平均值標準誤之簡稱 藉由取樣對母體平均值作估計時， 對此估計數值的把握程度 受樣本大小影響 SEM= Std/√n （屬於離散趨勢） mean±std mean±SEM 表示 舉例 20病人：平均年齡40歲，標準差為1.2歲 則其標準誤為1.2/ √20 ＝0.27歲 95％信賴區間：mean ± 1.96×sem （假設為常態分配） 40 ± 1.96 × 0.27＝〔39.47, 40.53 〕 解釋 同時提供集中趨勢與離 散趨勢之訊息 1.集中趨勢與對此平均估計值把握程度 2.樣本愈大，標準誤與信賴區間愈小 亦即對所得之平均值越有把握 類別性資料之檢定（一） 成對/二組相關樣本資料 McNemar test （二分類別變項） 選舉候選人演講前後聽眾反應 三組以上相關樣本 Cochran’s Q test （二分類別變項） 治療前/治療中/治療後的滿意度 McNemar Test 療後 ＋ － Total ＋ O11 O12 O11 +O12 － O21 O22 O21 +O22 Total O11 +O21 O12 +O22 N 療前 χ2 McNemar = (O12 - O21) 2 / (O12+ O21) No. 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 wk0 1 1 0 1 1 1 0 0 1 1 1 1 1 1 1 0 1 1 1 1 wk1 1 1 1 0 1 1 0 0 0 1 0 1 1 1 1 0 0 1 0 0 wk2 0 0 0 0 0 0 0 1 0 0 0 1 0 0 1 1 0 0 0 1 wk3 1 0 1 0 1 0 1 1 0 1 1 1 0 1 1 1 1 1 1 0 Step1. Cochran’s Q Test: p = 0.005 Step2. McNemar Test 檢定統計量b wk0 & wk1 wk0 & wk2 wk0 & wk3 wk1 & wk2 wk1 & wk3 wk2 & wk3 個數 20 20 20 20 20 20 a a a a a 精確顯著性 (雙尾) .125 .007 .754 .146 .508 .012 a a. 使用二項式分配。 b. McNemar 檢定 wk0 wk0 wk1 wk2 wk3 wk1 wk2 wk3 類別性資料之檢定（二） 兩組類別變數（ 2 ×2 Table） Fisher’s exact test （Expectation<5） Yate’s correction of contingency （Expectation>5） 三組以上類別變數（ m ×n Table m,n≧2） Pearson Chi-Square test 血型類型是否因性別不同而有差異 2 χ 疾病 變數 ＋ Test － Total ＋ O11(E11) O12 (E12) a － O21 (E21) O22 (E22) b Total χ2 (1) c = d N 2 / (E ) 〕 〔 ( O – E ) ij ij ij ij 2 χ Test 觀察值（ Oij ） O11 ,O12 , O21 , O22 期望值（ Expectation: E ij ） E11 = ( a × c ) / N E12 = ( a × d ) / N E21 = ( c × b ) / N E22 = ( d × b ) / N χ2 Test : Example 1 性別 * 疾 病 交 叉表 疾病 + 性別 女 男 總和 個數 期望個數 性別內的 % 疾病內的 % 總和的 % 個數 期望個數 性別內的 % 疾病內的 % 總和的 % 個數 期望個數 性別內的 % 疾病內的 % 總和的 % - 5 4.95 55.6% 45.5% 25.0% 6 6.05 54.5% 54.5% 30.0% 11 11.0 55.0% 100.0% 55.0% 4 4.05 44.4% 44.4% 20.0% 5 4.95 45.5% 55.6% 25.0% 9 9.0 45.0% 100.0% 45.0% 總和 9 9.0 100.0% 45.0% 45.0% 11 11.0 100.0% 55.0% 55.0% 20 20.0 100.0% 100.0% 100.0% 卡方檢定 漸近顯著 性 (雙尾) .964 1.000 .964 精確顯著 性 (雙尾) 精確顯著 性 (單尾) 1.000 .658 數值 自由度 b Pearson卡方 .002 1 連續性校正a .000 1 概似比 .002 1 Fisher's精確檢定 線性對線性的關連 .002 1 .965 有效觀察值的個數 20 a. 只能計算 2x2 表格 b. 3格 (75.0%) 的預期個數少於 5。 最小的預期個數為 4.05。 χ2 Test : Example 2 Tumo r s iz e * 疾病 交 叉表 疾病 ＋ Tumor size > = 6 cm < 6 cm 總和 個數 期望個數 Tumor size內的 % 疾病內的 % 總和的 % 個數 期望個數 Tumor size內的 % 疾病內的 % 總和的 % 個數 期望個數 Tumor size內的 % 疾病內的 % 總和的 % 9 6.05 81.8% 81.8% 45.0% 2 4.95 22.2% 18.2% 10.0% 11 11.0 55.0% 100.0% 55.0% － 2 4.95 18.2% 22.2% 10.0% 7 4.05 77.8% 77.8% 35.0% 9 9.0 45.0% 100.0% 45.0% 數值 7.103b 4.900 7.560 總和 11 11.0 100.0% 55.0% 55.0% 9 9.0 100.0% 45.0% 45.0% 20 20.0 100.0% 卡方檢定 100.0% 漸近顯著 100.0% 自由度 性 (雙尾) 1 .008 1 .027 1 .006 精確顯著 性 (雙尾) Pearson卡方 連續性校正a 概似比 Fisher's精確檢定 線性對線性的關連 6.748 1 .009 有效觀察值的個數 20 a. 只能計算 2x2 表格 b. 3格 (75.0%) 的預期個數少於 5。 最小的預期個數為 4.05。 .022 精確顯著 性 (單尾) .012 χ2 Test : Example 3 血型 * 疾 病 交叉表 疾病 + 血 型 A B O 總和 個數 期望個數 血型內的 % 疾病內的 % 總和的 % 個數 期望個數 血型內的 % 疾病內的 % 總和的 % 個數 期望個數 血型內的 % 疾病內的 % 總和的 % 個數 期望個數 血型內的 % 疾病內的 % 總和的 % 5 4.4 62.5% 45.5% 25.0% 4 3.3 66.7% 36.4% 20.0% 2 3.3 33.3% 18.2% 10.0% 11 11.0 55.0% 100.0% 55.0% 3 3.6 37.5% 33.3% 15.0% 2 2.7 33.3% 22.2% 10.0% 4 2.7 66.7% 44.4% 20.0% 9 9.0 45.0% 100.0% 45.0% 總和 8 8.0 100.0% 40.0% 40.0% 6 6.0 100.0% 30.0% 30.0% 6 6.0 100.0% 30.0% 30.0% 20 20.0 100.0% 100.0% 100.0% 卡方檢定 漸近顯著 數值 自由度 性 (雙尾) a Pearson卡方 1.650 2 .438 概似比 1.664 2 .435 有效觀察值的個數 20 a. 6格 (100.0%) 的預期個數少於 5。 最小的預期個數為 2.70。 Odds Ratio (勝算比) 疾病（果） 危險因子（果） 有 無 Total 有 a b a+ b 無 c d c+ d Total a+ c b+ d N 暴露於危險因子之勝算比= (a/c)/(b/d) = ad/bc Odds Ratio : Example 風險 估計 值(注意＋/-先後 順序 ） 性別 (女 / 男) 的奇數比 顯示相對風險之估計 疾病 = + 顯示相對風險之估計 疾病 = 有效觀察值的個數 數值 1.042 1.019 .978 20 95% 信賴區間 較低 較高 .177 6.123 .460 2.256 .368 2.595 2) Tumor vs 疾病 95% CI of OR 不含1 Fisher’s exact test: p=0.02 1) 性別 vs 疾病 95% CI of OR 包含1 Fisher’s exact test: p=1.0 風險 估計 值--注 意疾病 （＋ /-）先後 順序 數值 Tumor size (> = 6 cm / < 6 cm) 的奇數比 顯示相對風險之估計 疾病 = + 顯示相對風險之估計 疾病 = 有效觀察值的個數 95% 信賴區間 較低 較高 15.750 1.754 141.404 3.682 .234 20 1.051 .064 12.897 .859 連續性資料之檢定（一） 二組獨立樣本資料 Independent t test (Parametric test) Mann-Whitney U test (Nonparametric test) 三組以上獨立樣本 ANOVA （One-way, Two-way） Kruskal-Wallis test (Nonparametric test ) 連續性資料之檢定（二） 成對/二組相關樣本資料 Paired t test (Parametric test) Wilcoxon Signed-Rank test (Nonparametric test) 三組以上相關樣本 ANOVA （單因子重複量數變異數分析） Friedman test (Nonparametric test ) Post-Hoc Comparison ( 事後檢定 ) LSD (最小顯著差距) Scheffe Bonferroni Tukey 聯合信賴區間 H0:μ1=μ2=…=μk ANOVA基本假設 常態性 違背時，易犯型一錯誤：可將α定較小 當樣本數夠大（每組＞20人），除非偏 態情形特別嚴重，否則F檢定具有相當 強度的強韌性（robust） 變異數同質性 隨機性 獨立性 F檢定仍具有相當強度的強韌性（robust） 1.每個處理水準觀察個數一樣 2.母體來自常態 3.最大與最小變異數的比值＜3 違反基本假設 之處理 將原始資料加以轉換 目的： 1.符合變異數同質性 2.符合誤差常態化 3.滿足可加性 轉換方法： 1. 平方根 2. 對數 （Log） 3. 倒數 連續性資料：二組獨立樣本 N Start 常態假設成立 Y Independent t test (等距尺度以上） Mann-Whitney U test (序位尺度以上） 二組獨立樣本: Example 常態 檢定 Kolmogorov-Sm irnov檢定a GRP_C 統計量 自由度 顯著性 C_1 1 .127 46 .062 2 .096 50 .200* C_2 1 .164 46 .003 2 .091 50 .200* C_3 1 .138 46 .027 2 .163 50 .002 *. 此為真顯著性的下限。 a. Lilliefors 顯著性校正 Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 .935 46 .013 .951 50 .036 .918 46 .003 .962 50 .109 .909 46 .002 .912 50 .001 Independent t test 變異數相等的 Leven e 檢定 C_1 C_2 C_3 假設變異數相等 不假設變異數相等 假設變異數相等 不假設變異數相等 假設變異數相等 不假設變異數相等 F 檢定 .987 顯著性 .323 4.697 .033 .726 .396 Mann-Whitney U 統計量 Wilcoxon W 統計量 Z 檢定 漸近顯著性 (雙尾) C_1 820.500 1901.500 -2.418 .016 平均數相等的 t 檢定 t -2.696 -2.717 -1.516 -1.498 .238 .236 C_2 865.000 1946.000 -2.090 .037 自由度 94 93.062 94 83.151 94 90.111 C_3 1139.000 2220.000 -.081 .936 顯著性 (雙尾) .008 .008 .133 .138 .813 .814 平均差異 -7.5105 -7.5105 -3.4554 -3.4554 .65 .65 標準誤差異 2.78569 2.76425 2.27960 2.30668 2.72 2.73 差異的 95% 信賴區間 下界 上界 -13.04155 -1.97946 -12.99972 -2.02129 -7.98156 1.07085 -8.04313 1.13242 -4.75 6.04 -4.78 6.07 Mann-Whitney U test 連續性資料：K組獨立樣本 N Start 常態假設成立 Y ANOVA ( F test ) Kruskal-Wallis test K組獨立樣本: Example 1 常態 檢定 Kolmogorov-Sm irnov檢定a GRP_D 統計量 自由度 顯著性 D_1 1 .113 23 .200* 2 .130 27 .200* 3 .076 38 .200* *. 此為真顯著性的下限。 變異數同質性檢定 a. Lilliefors 顯著性校正 D_1 Levene 統計量 分子自由度 分母自由度 顯著性 1.801 2 85 .171 Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 .949 23 .285 .923 27 .046 .958 38 .158 變異數同質性檢定 Step2: Post-Hoc 多重比較 D_1 (依變數: 事後檢定 ) Scheffe Sch effe 法 (I) GRP_D 1 (J) GRP_D 平均差異 (I-J) 2 12.2473* 3 -.9117 2 1 -12.2473* 3 -13.1590* 3 1 .9117 2 13.1590* *. 在 .05 水準上的平均差異很顯著。 標準誤 4.31832 4.02054 4.31832 3.83053 4.02054 3.83053 Step1: One-Way ANOVA ( F test ) D_1 組間 組內 總和 平方和 3085.624 19686.562 22772.186 顯著性 .021 .975 .021 .004 .975 .004 自由度 平均平方和 1542.812 231.607 2 85 87 95% 信賴區間 下界 上界 1.4881 23.0065 -10.9289 9.1056 -23.0065 -1.4881 -22.7028 -3.6151 -9.1056 10.9289 3.6151 22.7028 F 檢定 6.661 顯著性 .002 K組獨立樣本: Example 2 檢定統計量a, b Step1: Kruskal-Wallis test Step2: Post-Hoc 檢定統計量 D_1 卡方 12.476 自由度 2 漸近顯著性 .002 a. Kruskal Wallis 檢定 b. 分組變數：GRP_ D Mann-Whitney U test 檢定統計量 1 vs 2 Mann-Whitney U 統計量 Wilcoxon W 統計量 Z 檢定 漸近顯著性 (雙尾) 188.000 566.000 -2.385 .017 檢定統計量 1 vs 3 Mann-Whitney U 統計量 Wilcoxon W 統計量 Z 檢定 漸近顯著性 (雙尾) 398.000 674.000 -.580 .562 2 vs 3 Mann-Whitney U 統計量 Wilcoxon W 統計量 Z 檢定 漸近顯著性 (雙尾) 251.500 629.500 -3.482 .000498 相關性資料：二組樣本 N Start 常態假設成立 Y Paired t test Wilcoxon Signed - Rank test 二組相關樣本: Example 常態 檢定 Kolmogorov-Smirnov 檢定a 統計量 自由度 顯著性 e1_ 前 .076 46 .200* e1_ 後 .099 46 .200* e2_ 前 .118 46 .116 e2_ 後 .079 46 .200* e3_ 前 .092 46 .200* e3_ 後 .141 46 .022 *. 此為真顯著性的下限。 a. Lilliefors 顯著性校正 Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 .990 46 .953 .954 46 .066 .949 46 .044 .952 46 .055 .971 46 .302 .912 46 .002 Paired t test 成對樣本檢定 成對變數差異 成對 1 成對 2 成對 3 e1_ 後 - e1_ 前 e2_ 後 - e2_ 前 e3_ 後 - e3_ 前 平均數 3.5111 -.5726 -15.4774 標準差 21.10437 18.19518 15.74762 平均數的 標準誤 3.11167 2.68273 2.32186 差異的 95% 信賴區間 下界 上界 -2.7561 9.7783 -5.9759 4.8307 -20.1539 -10.8009 t 1.128 -.213 -6.666 自由度 45 45 45 顯著性 (雙尾) .265 .832 .0000000 檢定統計量 e1_ 前 - e1_ 後 e2_ 前 - e2_ 後 e3_ 前 - e3_ 後 Z 檢定 -.923 -.311 -5.009 漸近顯著性 (雙尾) .356 .756 .000001 Wilcoxon Signed-Rank test 相關性資料：K組樣本 N Start 常態假設成立 Y ANOVA ( Repeated ) Friedman test K組相關樣本: Example I 常態 檢定 0週 1週 2週 3週 Kolmogorov-Smirnov 檢定 統計量 自由度 顯著性 .134 44 .046 .168 44 .003 .134 44 .047 .089 44 .200 Shapiro-Wilk 常態性檢定 統計量 自由度 顯著性 .918 44 .004 .915 44 .003 .918 44 .004 .956 44 .095 檢定統計量a Step1:Friedman test Step2: Post Hoc Wilcoxon Signed-Rank test 個數 44 卡方 23.836 自由度 3 漸近顯著性 .00003 a. Friedman 檢定 檢定統計量 Z 檢定 漸近顯著性 (雙尾) 1週 - 0週 -1.622 .105 2週 - 0週 -1.914 .056 3週 - 0週 -2.719 .00654 2週 - 1週 -.047 .963 3週 - 1週 -3.781 .00016 3週 - 2週 -3.980 .00007 K組相關樣本: Example II Step1:單因子重複量數 變異數分析 受試者內效應項 的檢定 測量: MEASURE_1 來源 F4 假設為球形 Greenhouse-Geisser Huynh-Feldt 值 下限 誤差 (F4) 假設為球形 Greenhouse-Geisser Huynh-Feldt 值 下限 型 III 平方和 5182.284 5182.284 5182.284 5182.284 20185.660 20185.660 20185.660 20185.660 自由度 3 2.565 2.742 1.000 129 110.299 117.897 43.000 平均平方和 1727.428 2020.318 1890.116 5182.284 156.478 183.009 171.215 469.434 F 檢定 11.039 11.039 11.039 11.039 顯著性 .000002 .000 .000 .002 平均平方和 683.432 .593 7831.914 228.117 200.322 394.922 F 檢定 2.996 .003 19.832 顯著性 .091 .957 .00006 受試者內對比 的檢定 測量: ME ASURE_1 來源 F4 F4 水準 1 vs. 水準 2 比較： wk0 vs wk1 wk1 wk2 水準vs 3 vs. 水準 4 wk2 vs wk3 水準 1 vs. 水準 2 水準 3 vs. 水準 4 型 III 平方和 683.432 .593 7831.914 9809.013 8613.827 16981.654 自由度 1 1 1 43 43 43 Parametric vs Nonparametric 優點： 缺點： 計算簡單 缺乏廣泛的機率表 利用簡單機率原理， 解釋有關之抽樣分配 推論效率較母數統計 差 限制條件少 無法解決交互用 之問題 資料尺度較低 Pathology characteristic < 30 days ( n= 56 ) > 30 days ( n= 63 ) 0.987 Y Sex Male Female Age # Okuda I II III Total bil Hb PVT No Yes P valve 49 ( 87.5 % ) 7 ( 12.5 % ) 62.8 ± 12.6 ( 31 - 81 ) 54 ( 85.7 % ) 9 ( 14.3 % ) 61.9 ± 11.5 ( 38 - 90 ) 0.388 M 0.00004 P 4 ( 7.1 % ) 19 ( 33.9 % ) 33 ( 58.9 % ) 8.6 ± 8.7 8.6 ± 1.7 17 ( 27.0 % ) 33 ( 52.4 % ) 13 ( 20.6 % ) 3.4 ± 4.3 9.8 ± 1.9 25 ( 44.6 % ) 31 ( 55.4 % ) 36 ( 57.1 % ) 27 ( 42.9 % ) #: mean±std ( range) T: Independent Student's t test M: Non-parametric method: Mann-Whitney U test Y: Yate's correction of contingency F: Fisher's exact test (used when expectation < 5) P: Peason chi-square test 0.00013 M 0.0005 T 0.239 F Linear Regression vs Logistic Regression 比較 Multiple Regression 因變數 Y必須為連續性資料 自變數 注意 事項 可為連續性或類別資料 類別資料需以虛擬變數 表示（Dummy variable） K個水準的類別資料需設 K-1個虛擬自變數 Ex:性別（0/1） 1個 血型（A/B/O/AB） 3個 x1 x2 x3 x1 x2 x3 A: ( 0 0 0 ) B: ( 1 0 0 ) O: ( 0 1 0 ) AB: ( 0 0 1 ) Logistic Regression Y必須為類別性資料（是/否） 可為連續性或類別資料 類別資料需設定參考組 Odds Ratio 95% CI of Odds Ratio P value (Wald statistic) Accuracy of model=85.9% Nagelkerke R2 Linear Regression Linear Regression Linear Regression Linear Regression 模式摘要 模式 1 R .7 55 a R 平方 .5 70 調過後的 R 平方 .566 估計的標準誤 87.99 a. 預測變數：(常數), reg_x 未標準化係數 模式 B 之估計值 標準誤 1 (常數) 9.641 25.777 reg_x 24.170 2.089 a. 依變數\：reg_y R 平方改變量 .570 變更統計量 分子自由度 1 F 改變 133.879 分母自由度 101 顯著性 F 改變 .0 00 0 00 係數a 標準化係 數 Beta 分配 t .374 11.571 .755 顯著性 .709 .000 迴歸係數 B 的 95% 信賴 區間 下限 上限 -41.494 60.776 20.026 28.313 零階 .755 相關 偏 部分 .755 .755 共線性統計量 允差 VIF 1.000 700 y = 24.17x + 9.641 2 600 R = 0.57 r = 0.755 P < 0.0001 500 400 y 300 200 100 0 0 5 10 15 x 20 25 1.000 Logistic Regression Logistic Regression Logistic Regression Logistic Regression 模式摘要 步驟 1 2 3 4 -2 對數概似 60.659 52.051 46.586 41.895 Cox & Snell R 平方 .151 .252 .309 .355 N ag el kerk e R 平方 .231 .386 .475 .5 45 分類表a 步驟 1 步驟 2 步驟 3 步驟 4 觀察 orig.(V/P) : Y1 概要百分比 orig.(V/P) : Y1 概要百分比 orig.(V/P) : Y1 概要百分比 orig.(V/P) : Y1 概要百分比 a. 分割值為 .500 V PU 預測 orig.(V/P) : Y1 V PU 49 4 8 7 V PU 50 8 3 7 V PU 52 8 1 7 V PU 50 7 3 8 百分比修正 92.5 46.7 82.4 94.3 46.7 83.8 98.1 46.7 86.8 94.3 53.3 8 5. 3 Logistic Regression 變數在方程式中 步 a 驟1 步 b 驟2 D8(1) 常數 C1 D8(1) 常數 B 2.372 -1.812 .097 2.687 S.E. .734 .381 .037 .848 -8.174 Wal d 顯著性。 自由度 Exp (B) 10.453 22.590 6.783 10.051 1 1 1 1 .001 .000 .009 .002 10.719 .163 1.101 14.686 2.586 9.987 1 .002 .000 C1 .092 .040 D6(1) 1.835 .873 D8(1) 3.053 1.010 常數 -9.042 2.810 步 d C1 .105 .044 驟4 D5(1) 1.916 1.003 D6(1) 1.975 .912 D8(1) 3.565 1.166 常數 -11.405 3.427 a. 在步驟 1 中選入的變數\：D8. b. 在步驟 2 中選入的變數\：C1. c. 在步驟 3 中選入的變數\：D6. d. 在步驟 4 中選入的變數\：D5. 5.362 4.420 9.129 10.353 5 .66 7 3 .64 7 4 .69 1 9 .35 2 1 1.0 7 7 1 1 1 1 1 1 1 1 1 .021 .036 .003 .001 1.096 6.263 21.175 .000 1 .11 1 6 .79 3 7 .20 6 3 5.3 5 7 .0 00 步 c 驟3 .0 17 .0 56 .0 30 .0 02 .0 01 E X P (B ) 的 9 5 .0% 信 賴區間 下界 上界 2.545 45.148 1.024 2.789 1.184 77.323 1.014 1.132 2.923 1.185 34.644 153.416 1 .01 9 .9 51 1 .20 6 3 .59 8 1 .21 1 4 8.5 3 1 4 3.0 4 1 3 47 .4 77 Logistic Regression Table 4-new. Stepwise Logistic Regression Analysis for Y1: orgi (n=78) Varialbe (cutoff) Regression coefficient S.E Odds ratio 95% CI of odds ratio P value － 1.221 － － － － 0.861 1.276 1.001 0.369 0.0063** 0.7197 0.9043 0.9259 0.9291 0.0338* 0.0872 0.1264 0.0032** 0.9787 AGE 0.116 0.043 1.123 1.033 CHILD CHILD(A) -4.408 36.679 0.012 CHILD(B) -3.410 36.683 0.033 CHILD(C) -3.264 36.687 0.038 HAME(+) -1.952 0.920 0.142 0.023 ENCEPH(+) -1.671 0.977 0.188 0.028 AMM -0.005 0.003 0.995 0.988 SPLEN(+) -2.967 1.006 0.052 0.007 Constant -0.9829 36.7829 Tested by Wald statistic. *:P< 0.05 **: P< 0.01 Accuracy of model = 85.9% Model I: use regression: backward stepwise 其他常用之統計分析法 信度分析 Logistic Regression 單變量/多變量線性迴歸 Kaplan-Meier Survival analysis Cox proportional-harzard model Thank You For Your Attention !