目前日期文章:201403 (7)

瀏覽方式: 標題列表 簡短摘要

 

http://www14.software.ibm.com/webapp/download/search.jsp?pn=SPSS+Statistics出現以下畫面後,請選擇IBM SPSS Statistics Desktop下載SPSS第22版。


01

 

 

2. 請選擇您的電腦作業系統(Mac、Linux、Windows),並請在以下畫面進行點選。 

02

 

文章標籤

estat 發表在 痞客邦 留言(1) 人氣()

 

今天要介紹臨床上經常發表在期刊論文的 Odds Ratio (OR)及其95% CI的不對稱誤差長條圖,這種圖比傳統用表格呈現多變項Logistic regression的方式,更能讓期刊讀者一目瞭然地看見影響疾病的主要因素,以及各因素與疾病間的相關強度,甚至標示信賴區間的寬度。除此之外,對於OR較大,且95% CI較寬的情形,而導致OR較小的數據被擠到圖的左邊,而無法清楚顯示,此時,將搭配破裂線(Break)的使用,範例圖檔如下:

 

OR20

 

1.首先打開SigmaPlot V12,將範例資料輸入,利用標題列之Worksheet下的Titles將變項名稱寫入。

 

OR1-1

 

2.

文章標籤

estat 發表在 痞客邦 留言(0) 人氣()

 

臺北市輻射污染建築物民眾,任一年所受輻射劑量在1毫西弗以上,若有罹患惡性腫瘤、再生不良性貧血、早發性白內障或死亡者,自今日起,檢具申請書、曝露證明、醫療或死亡證明文件,可向臺北市政府衛生局申請罹病或死亡慰問金。

臺北市政府為慰問及關懷臺北市輻射污染建築物民眾,罹患惡性腫瘤、再生不良性貧血及早發性白內障或死亡者,於103121發布「臺北市輻射污染建築物事件慰問金申請辦法」,並於123正式施行。

該辦法針對居住、就業或就學處所在臺北市輻射污染建築物,致身體遭輻射曝露,任一年所受輻射劑量在1毫西弗以上,不幸罹患惡性腫瘤、再生不良性貧血、早發性白內障或死亡之民眾,發給一次性定額之罹病或死亡慰問金;其中惡性腫瘤或再生不良性貧血每人5萬元、早發性白內障每人3萬元、死亡每人2萬元(各項慰問金每人限申請1),估計將有2,700餘人。

經醫師診斷罹患惡性腫瘤、再生不良性貧血、早發性白內障或死亡之臺北市輻射屋民眾,須於診斷或死亡日起1年內,檢具申請書、曝露證明、醫療或死亡證明文件,以掛號郵寄、親自或委任代理人向衛生局提出申請。該辦法可追溯自8497日至103120日期間罹病或死亡之民眾,若發生於前述時間,其申請日至104121日止,逾期則不予受理。相關申請表單及資訊可至臺北市政府衛生局網站(http://www.health.gov.tw/)主題專區/健康促進/輻射健康照護項下查詢,或撥臺北市民當家熱線1999(外縣市請撥02-27208889)1861洽詢。

實施辦法: http://www.health.gov.tw/Default.aspx?tabid=36&mid=442&itemid=32304 (請點開本頁下方之相關附件: 說明圖表)

文章標籤

estat 發表在 痞客邦 留言(0) 人氣()

 

上次以PREFIX=指定轉置後的欄位名稱為以流水號型式命名的名稱,今日將介紹的是以ID指定轉置後的欄位名稱。

[程式一在資料檔中AA中包含CLASS(班級), SEX, 成績(SCORE)等欄位。


程式一]


data aa;
input class $ sex $ score;
cards;
文章標籤

estat 發表在 痞客邦 留言(0) 人氣()

 

卡方檢定(Chi-Square test)


主要適用於兩個類別或次序變數的差異分析,常用的以下四種:(1)適合度檢定(Goodness-of-fit test)(2)同質性檢定、(3)獨立性檢定、(4)顯著性檢定,其中較常見的分析為獨立性檢定,其目的在考驗兩個類別變項是否相關?例如:運動與心血管疾病是否相關?



[
程式]


文章標籤

estat 發表在 痞客邦 留言(0) 人氣()

 

函數說明:
>>>>平均值:AVERAGE(A2:A30)
>>>>中位數:MEDIAN(A2:A30)

>>>>眾數: MODE(A2:A30)

>>>>標準差:STDEV(A2:A30)

>>>>變異數:VAR(A2:A30)

>>>>峰度:KURT(A2:A30)

>>>>偏態: SKEW(A2:A30)
>>>>最小值:MIN(A2:A30)

文章標籤

estat 發表在 痞客邦 留言(0) 人氣()


  在資料探勘(Data mining)領域中,決策樹(Decision Tree)和類神經網路(Artificial Neural Network),都是常見的方法。隨著電腦資訊科技的發展,大型資料的分析已成了必然的趨勢,而資料探勘即是將大型資料中,較具有代表性之變數萃取出的技術。例如在醫學研究上,對某種特定的疾病(糖尿病,代謝症候群等)找出可以前期篩檢分類,或是預測的因子時,就常以決策樹的方法來進行。如同類神經網路方法,在進行分析的過程中,通常也會先以建模資料建立模式,再將驗證資料代入建立完成的模式以確認其預測力高低。而決策樹較爲不同之處在於以圖像化來呈現結果,即使不了解背後理論,仍可解讀及下判斷。

 常見的決策樹分析方法有兩種:CART(Classification And Regression Tree)CHAID(Chi-squared Automatic Interaction Detection),其最大的差異在於CART可以處理連續或是類別型的變項,而CHAID僅能處理類別變項;所以如果連續型變項要使用CHAID方法,要先轉成類別型資料。進行決策樹分析要注意的是,當樣本數太少,類別太多時,不易正確分類。在實際執行上,統計分析軟體大多都有可進行決策樹分析的套件,如常見的SAS, R, SPSS.

Reference:
Hastie, T., Tibshirani, R., Friedman, J. H. (2001). The elements of statistical learning : Data mining, inference, and prediction. New York: Springer .
Rokach, Lior; Maimon, O. (2008). Data mining with decision trees: theory and applications. World Scientific Pub Co Inc.


文章標籤

estat 發表在 痞客邦 留言(1) 人氣()