Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
Nội dung bài giảng "Giới thiệu một số phương pháp thống kê nâng cao" của PGS.TS. Hoàng Văn Minh trình bày về một số phương pháp thống kê nâng cao: hồi quy tuyến tính, hồi quy logistic và phân tích sống còn. | GIỚI THIỆU MỘT SỐ PHƯƠNG PHÁP THỐNG KÊ NÂNG CAO PGS.TS. Hoàng Văn Minh Hà nội- tháng 6 năm 2015 Nội dung: 1. Hồi quy tuyến tính 2. Hồi quy logistic 3. Phân tích sống còn 1 HỒI QUY Hồi qui là mô hình toán học thể hiện sự biến đổi của một biến số (biến phụ thuộc) theo một hay nhiều biến khác (biến độc lập = biến giải thích) Mục tiêu là ước lượng (hay dự đoán) giá trị của biến phụ thuộc trên cơ sở các giá trị đã biết của biến độc lập HỒI QUY TUYẾN TÍNH Y= a +bx1+cx2 +dx3 Biến phụ thuộc là biến định lượng, phân bố chuẩn Biến độc lập (giải thích) có thể là định tính hoặc định lượng Các biến định tính cần chuyến sang các biến giả (có giá trị 1, 0) 2 Thực hành use sl7_huyetap.dta, clear xi: regress hatdtb i.gioitinh i.nhomtuoi HỒI QUY LOGISTIC odds r 0- 1 r r logit log(odds) ln - 1 r r log it ln y b0 b1 x1 b2 x2 . bn xn 1 r 3 HỒI QUY LOGISTIC r log it ln y b0 b1 x1 b2 x2 . bn xn 1 r Biến phụ thuộc là biến nhị phân (1, 0) Biến độc lập có thể là định tính hoặc định lượng, biến định tính HỒI QUY LOGISTIC r log it ln y b0 b1 x1 b2 x2 . bn xn 1 r odds exp( b0 b1 x1 b2 x 2 . bn x n ) e b0 b1 x1 b2 x2 . bn xn e b0 e b1 x1 e b2 x2 .e bn xn odds 1 1 1 ( b0 b1 x1 b2 x 2 . bn x n ) odds 1 1 odds 1 e 4 Thực hành use sl8_logistic.dta, clear xi: logit benhcotim hutthuoc i.gioitinh i.nhomtuoi xi: logistic benhcotim hutthuoc i.gioitinh i.nhomtuoi PHÂN TÍCH SỐNG CÒN • ti: thời gian bệnh nhân ith tử vong • m[t]: số bệnh nhân có ti > t • d[t]: số bệnh nhân có ti ≤ t • Hàm sống còn (survival function) S[t]=Pr[ti>t]: xác suất sống đến ít nhất thời điểm t • Hàm tử vong tích lũy (cum. mortality function) D[t]=Pr[ti ≤ t]: xác suất tử vong trước thời điểm .
