医学数据缺失的处理方法——spss回归估计法

2018.11.15 15:35
800 0 0

        医务人员在实际工作中经常会遇到样本数据丢失的问题。数据的缺乏可能导致统计结果的偏差。特别是对于样本量小的数据,大量的数据甚至会影响最终的结论。因此,有必要对缺失数据进行补充。下面我们来详细讲解如何在spss中用回归估计法处理医学数据的缺失值。

  回归估计法(regression),即是以存在缺失值的变量为因变量,以其他全部或部分变量为自变量,用无缺失的数据拟合回归方程:以方程的预测值作为该记录缺失值的初步估计值,再以全部数据拟合回归方程;如此迭代,直至两次方程预测值基本一致,并以此作为缺失值的估计值。

  本例以“舒张压”和“心率”为因变量,以“组别”、“性别”、“年龄”、“身高”、“体重”、“收缩压”为自变量,采用回归估计法对存在缺失值的医学数据在SPSS中进行了缺失值的补充步骤展示。回归估计法在进行缺失值填补时较为客观,但可能存在对方差的低估,适用于有适合的“自变量”完整数据存在时。

  1、数据概况

  数据具体如下(仅展示存在缺失值数据列),其中,“……”表示该处数据值存在缺失,从数据表可以看出,缺失值主要出现在“舒张压”和“心率”数据列,共存在7处缺失。

医学数据缺失.png


  2、在SPSS中的操作步骤

  ①依次点击“分析——缺失值分析”


医学数据缺失的处理方法——spss回归估计法步骤一.png


  ②将变量分别选入“定量变量”和“分类变量”中——勾选“回归”方法。


医学数据缺失的处理方法——spss回归估计法步骤二.png


  ③点击“回归”选项——勾选“保存完成数据”,并命名新的插补后的数据。


医学数据缺失的处理方法——spss回归估计法步骤三.png


  ④得到插补后的数据列及具体补充数据。


医学数据缺失的处理方法——spss回归估计法步骤四.png


医学数据缺失的处理方法——spss回归估计法.png

投诉文章 ©著作权归作者所有
喜欢  |  0
0/200字
没有更多评论了~
悬赏问题
给科研问题设置一定金额,将更容易获得关注与回答哦~
  • 1元
  • 3元
  • 5元
  • 8元
  • 18元
  • 自定义
选择支付方式
  • 微信支付
  • 支付宝支付
  • 余额支付

旗下网站

晟斯医学- 临床医生学术科研发展平台 2014-2019 晟斯医学版权所有
Copyright © 2014-2019 晟斯医学 All Rights Reserved. 备案号:苏ICP备11037034号-5 版权所有:南京孜文信息咨询有限公司