常用護理研究生物統計方法與操作

(1)

常用護理研究生物統計方法與操作II

臺中榮總

醫學研究部生統小組徐倩儀

2014.02.21

1

(2)

內容大綱

重複測量(Repeated measures)

Paired t test / Wilcoxon Sing Rank test

Repeated Measure ANOVA / Friedman test McNemar test / Cochran’s Q test

迴歸分析(Regression)

線性迴歸(Linear regression)

邏輯斯迴歸(Logistic regression)

2

(3)

延伸閱讀

3

(4)

統計分析方法

資料屬性前後測比較重複測量迴歸分析連續資料 Paired t test

Repeated measures

ANOVA

Linear regression 序位資料

(無母數分析)

Wilcoxon Sign Rank

test

Friedman’s test

類別資料 McNemar test

Cochran’s Q test

Logistic regression

4

(5)

重複測量-1

單一樣本重複測量

前後測

連續資料

– Paired t test / Wilcoxon Sing Rank test

二元類別資料

– McNemar test

重複測量三次以上

連續資料

– Repeated Measure ANOVA / Friedman test

二元類別資料

– Cochran’s Q test

多組樣本重複測量

Repeated Measure ANOVA

5

(6)

重複測量-2

單一樣本重複測量

範例一：衛教介入後，血糖值是否有差異

Paired t test

6

ID GLU_1 GLU_2

01 110 92

02 104 80

03 116 106

04 106 94

05 100 70

… … …

46 102 78

47 110 104

48 108 84

49 102 74

50 110 98

範例一：飲食衛教前後，血糖值是否有差異？

GLU_1 (n=50) GLU_2 (n=50)

改變量 P value Mean SD Mean SD

GLU 106.76 4.71 86.32 10.67 20.44 <0.001**

Paired t test.*P<0.05, **P<0.01

(7)

重複測量-3

單一樣本重複測量

7

1

2

3

4 5

(8)

重複測量-4

單一樣本重複測量

8

1

(9)

重複測量-4

單一樣本重複測量

9

1 2

(10)

重複測量-4

單一樣本重複測量

10

1

(11)

重複測量-5

單一樣本重複測量

11

範例一：飲食衛教前後，血糖值是否有差異？

GLU_1 (n=50) GLU_2 (n=50)

改變量 P value Mean SD Mean SD

GLU 106.76 4.71 86.32 10.67 20.44 <0.001**

Paired t test.*P<0.05, **P<0.01

(12)

重複測量-6

單一樣本重複測量

範例二：同範例一，但血糖值非常態分佈

Wilcoxon Sing Rank test

12

ID GLU_1_n GLU_2_n

01 122 88

02 106 106

03 126 90

04 128 88

05 96 126

… … …

46 100 104 47 128 124

48 120 96

49 100 124 50 126 116

範例二：同範例一，但血糖值呈現非常態分佈 GLU_1 (n=50) GLU_2 (n=50)

P value Median P25 P75 Median P25 P75

GLU 106.00 95.50 120.00 86.00 77.50 100.00 <0.001**

Wilcoxon Sign Rank test.*P<0.05, **P<0.01

(13)

重複測量-7

單一樣本重複測量

13

(14)

重複測量-8

單一樣本重複測量

14

(15)

重複測量-8

單一樣本重複測量

15

2

(16)

重複測量-8

單一樣本重複測量

16

3

(17)

重複測量-9

單一樣本重複測量

17

(18)

重複測量-9

單一樣本重複測量

18

4

(19)

重複測量-9

單一樣本重複測量

19

(20)

重複測量-10

單一樣本重複測量

20

範例二：同範例一，但血糖值呈現非常態分佈 GLU_1 (n=50) GLU_2 (n=50)

P value Median P25 P75 Median P25 P75

GLU 106.00 95.50 120.00 86.00 77.50 100.00 <0.001**

Wilcoxon Sign Rank test.*P<0.05, **P<0.01

(21)

重複測量-11

單一樣本重複測量

範例三：課程前後，認知問答對與錯是否有差異

McNemar test

21

ID Q1_1 Q1_2

01 0 0

02 0 0

03 0 1

04 0 1

05 0 1

… … …

46 0 1

47 0 1

48 0 0

49 0 1

50 0 0

範例三：課程前後，認知問答對與錯是否有差異 Q1_1 (n=50) Q2_2 (n=50)

P value

n % n %

0 30 60% 20 40% 0.1100

1 20 40% 30 60%

McNemar test.*P<0.05, **P<0.01

(22)

1

重複測量-12

單一樣本重複測量

22

(23)

1

重複測量-12

單一樣本重複測量

23

2

3

(24)

1

重複測量-12

單一樣本重複測量

24

2

3

4

(25)

1

重複測量-12

單一樣本重複測量

25

2

4

(26)

重複測量-13

單一樣本重複測量

26

範例三：課程前後，認知問答對與錯是否有差異 Q1_1 (n=50) Q2_2 (n=50)

P value

n % n %

0 30 60% 20 40% 0.1100

1 20 40% 30 60%

McNemar test.*P<0.05, **P<0.01

(27)

重複測量-14

單一樣本重複測量

範例四：於不同時間點，重複測量三次相同問卷題項(是非題)

Cochran’s Q test

27

ID Q1_1 Q1_2 Q1_3

01 0 0 1

02 0 0 1

03 0 1 0

04 0 1 0

05 0 1 1

… … … …

46 0 1 1

47 0 1 0

48 0 0 0

49 0 1 1

50 0 0 1

範例四：於不同時間點，重複測量三次相同問卷題項(是非題) Q1_1 (n=50) Q2_2 (n=50) Q2_3 (n=50)

P value

n % n % n %

0 30 60% 20 40% 24 48% 0.1496 1 20 40% 30 60% 26 52%

Cochran’s Q test.*P<0.05, **P<0.01

(28)

重複測量-15

單一樣本重複測量

1 28

(29)

重複測量-15

單一樣本重複測量

1 29

2

(30)

重複測量-16

單一樣本重複測量

30

連續資料序列資料

二元類別

資料(0 1)

(31)

重複測量-16

單一樣本重複測量

31

(32)

重複測量-17

單一樣本重複測量

32

範例四：於不同時間點，重複測量三次相同問卷題項(是非題) Q1_1 (n=50) Q2_2 (n=50) Q2_3 (n=50)

P value

n % n % n %

0 30 60% 20 40% 24 48% 0.1496 1 20 40% 30 60% 26 52%

Cochran’s Q test.*P<0.05, **P<0.01

(33)

重複測量-18

單一樣本重複測量

範例五：分別於4個不同時間點，收集血糖值是否有差異

33

ID GLU_1 GLU_2 GLU_3 GLU_4 01 110 102 102 92

02 104 106 82 80

03 116 106 112 106

04 106 96 98 94

05 100 98 90 70

… … … … …

46 102 98 90 78

47 110 106 106 104

48 108 104 86 84

49 102 98 78 74

50 110 106 102 98

範例五：分別於4個不同時間點，收集血糖值是否有差異 GLU_1

(n=50)

GLU_2 (n=50)

GLU_3 (n=50)

GLU_4

(n=50) F P value Mean SD Mean SD Mean SD Mean SD

GLU 106.76 4.71 102.76 4.71 92.32 10.67 86.32 10.67 83.49 <0.001**

Repeated Measure ANOVA.*P<0.05, **P<0.01

常態檢定

Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定

統計量自由度顯著性統計量自由度顯著性

GLU_1 .104 50 .200 ^.937 ⁵⁰ ^.011

GLU_2 .104 50 .200 ^.937 ⁵⁰ ^.011

GLU_3 .083 50 .200 ^.956 ⁵⁰ ^.059

GLU_4 .083 50 .200 ^.956 ⁵⁰ ^.059

(34)

重複測量-19

1

單一樣本重複測量

34

(35)

重複測量-19

單一樣本重複測量

35

(36)

重複測量-19

單一樣本重複測量

36

2

(37)

重複測量-19

單一樣本重複測量

37

3

(38)

重複測量-20

單一樣本重複測量

38

4

(39)

重複測量-20

單一樣本重複測量

39

5

(40)

重複測量-21

單一樣本重複測量

40

5

(41)

重複測量-21

單一樣本重複測量

41

5

6

(42)

重複測量-21

單一樣本重複測量

42

7

(43)

重複測量-22

單一樣本重複測量

43

8

(44)

重複測量-22

單一樣本重複測量

44

8

(45)

重複測量-22

單一樣本重複測量

45

8

(46)

重複測量-22

單一樣本重複測量

46

9

(47)

重複測量-23

單一樣本重複測量

47

4個不同時間點，

血糖值平均值及標準差

(48)

重複測量-23

單一樣本重複測量

48

重複測量分析，必須符合球面性假設

Mauchly’s W值為0.207 近似卡方值為75.109 P value<0.001

表示此資料不符合球面性假設

(49)

重複測量-24

單一樣本重複測量

49

(50)

重複測量-25

單一樣本重複測量

50

血糖值平均值有逐步降低的情形

來源 F 顯著性

GLU ^{假設為球形} ^83.493 ^.000

Greenhouse-Geisser 83.493 .000

Huynh-Feldt 83.493 .000

下限 83.493 .000

成對比較測量:MEASURE_1

(I) GLU (J) GLU 平均差異 (I-J) 標準誤差顯著性a 差異的 95% 信賴區間a

下界上界

1 2 4.000 ^.816 .000 ^2.360 ^5.640

3 14.440 ^1.607 .000 ^11.210 ^17.670 4 20.440 ^.925 .000 ^18.580 ^22.300 2 ¹ -4.000 ^.816 .000 ^-5.640 ^-2.360 3 10.440 ^1.516 .000 ^7.393 ^13.487 4 16.440 ^1.504 .000 ^13.419 ^19.461 3 ¹ -14.440 ^1.607 .000 ^-17.670 ^-11.210

2 -10.440 ^1.516 .000 ^-13.487 ^-7.393 4 6.000 ^2.000 .004 ^1.981 ^10.019

4 1 -20.440 ^.925 .000 ^-22.300 ^-18.580

2 -16.440 ^1.504 .000 ^-19.461 ^-13.419

3 -6.000 ^2.000 .004 ^-10.019 ^-1.981

(51)

重複測量-26

單一樣本重複測量

51

(52)

重複測量-27

單一樣本重複測量

52

範例五：分別於4個不同時間點，收集血糖值是否有差異

GLU_1 (n=50) GLU_2 (n=50) GLU_3 (n=50) GLU_4 (n=50)

F P value Mean SD Mean SD Mean SD Mean SD

GLU 106.76 4.71 102.76 4.71 92.32 10.67 86.32 10.67 83.49 <0.001**

Repeated Measure ANOVA.*P<0.05, **P<0.01

(53)

重複測量-28

單一樣本重複測量

範例六：同範例五，但血糖值非常態分佈

Friedman test

53 ID GLU_1_n GLU_2_n GLU_3_n GLU_4_n

01 122 88 81 100

02 106 106 75 80

03 126 90 103 106

04 128 88 83 100

05 96 126 89 72

… … … … …

46 100 104 93 78

47 128 124 81 106

48 120 96 109 84

49 100 124 87 74

50 126 116 107 104

P value Median P25 P75 Median P25 P75 Median P25 P75 Median P25 P75

GLU 108.00 97.50 122.00 104.00 93.50 118.00 89.00 80.50 103.00 86.00 77.50 100.00 <0.001**

Friedman test.*P<0.05, **P<0.01

常態檢定

Kolmogorov-Smirnov檢定a Shapiro-Wilk 常態性檢定

統計量自由度顯著性統計量自由度顯著性

GLU_1_n .171 50 .001 ^.907 ⁵⁰ ^.001

GLU_2_n .171 50 .001 ^.907 ⁵⁰ ^.001

GLU_3_n .195 50 .000 ^.893 ⁵⁰ ^.000

GLU_4_n .195 50 .000 ^.893 ⁵⁰ ^.000

(54)

重複測量-29

單一樣本重複測量

1 54

(55)

重複測量-29

單一樣本重複測量

55

(56)

重複測量-29

單一樣本重複測量

56

2

(57)

重複測量-29

單一樣本重複測量

57

3

(58)

重複測量-29

單一樣本重複測量

1 58

3

(59)

重複測量-29

單一樣本重複測量

59

(60)

重複測量-30

單一樣本重複測量

60 範例六：同範例五，但血糖值非常態分佈

GLU 108.00 97.50 122.00 104.00 93.50 118.00 89.00 80.50 103.00 86.00 77.50 100.00 <0.001**

描述性統計量

個數平均數標準差最小值最大值

百分位數 第 25 個 第 50 個

(中位數) 第 75 個

GLU_1_n 50 108.74 12.900 92 130 97.50 108.00 122.00

GLU_2_n 50 104.74 12.900 88 126 93.50 104.00 118.00

GLU_3_n 50 90.68 11.636 75 109 80.50 89.00 103.00

GLU_4_n 50 87.68 11.636 72 106 77.50 86.00 100.00 檢定統計量^a

個數 50

卡方 67.922

自由度 3

漸近顯著性 .000

aFriedman 檢定

(61)

重複測量-30

單一樣本重複測量

GLU 108.00 97.50 122.00 104.00 93.50 118.00 89.00 80.50 103.00 86.00 77.50 100.00 <0.001**

描述性統計量

個數平均數標準差最小值最大值

百分位數 第 25 個 第 50 個

(中位數) 第 75 個

GLU_1_n 50 108.74 12.900 92 130 97.50 108.00 122.00

GLU_2_n 50 104.74 12.900 88 126 93.50 104.00 118.00

GLU_3_n 50 90.68 11.636 75 109 80.50 89.00 103.00

GLU_4_n 50 87.68 11.636 72 106 77.50 86.00 100.00 檢定統計量^a

個數 50

卡方 67.922

自由度 3

漸近顯著性 .000

aFriedman 檢定

四組血糖值不全等

(P<0.001)，但不知

道是哪兩組有差異?

(62)

重複測量-31

單一樣本重複測量

P value

Median Median Median Median

GLU 108.00 104.00 89.00 86.00 <0.001**

(63)

重複測量-31

單一樣本重複測量

P value

Median Median Median Median

GLU 108.00 104.00 89.00 86.00 <0.001**

(64)

重複測量-32

多組樣本重複測量

範例七：不同性別於4個不同時間點，收集血糖值是否有差異

64

ID sex GLU_1 GLU_2 GLU_3 GLU_4 01 0 110 102 102 92

02 1 104 106 82 80

03 1 116 106 112 106

04 1 106 96 98 94

05 1 100 98 90 70

… … … … … …

46 1 102 98 90 78

47 0 110 106 106 104

48 0 108 104 86 84

49 0 102 98 78 74

50 1 110 106 102 98

(65)

重複測量-33

多組樣本重複測量

65

(66)

重複測量-33

多組樣本重複測量

66

(67)

重複測量-33

多組樣本重複測量

67

1

2

不同個體、分組組別(如：性別、

實驗組對照組)

(68)

重複測量-33

多組樣本重複測量

68

1

2

3

(69)

重複測量-33

多組樣本重複測量

69

(70)

重複測量-33

多組樣本重複測量

70

4

(71)

重複測量-34

多組樣本重複測量

71

5

(72)

重複測量-34

多組樣本重複測量

72

(73)

重複測量-34

多組樣本重複測量

73

6

(74)

重複測量-34

多組樣本重複測量

74

(75)

重複測量-35

多組樣本重複測量

75

7

(76)

重複測量-35

多組樣本重複測量

76

7

(77)

重複測量-35

多組樣本重複測量

77

7 8

(78)

重複測量-35

多組樣本重複測量

78

9

(79)

重複測量-35

多組樣本重複測量

79

(80)

重複測量-36

受試者間因子個數 sex 0 17

1 33

敘述統計

sex 平均數標準離差個數

GLU_1 0 106.12 3.120 17

1 107.09 5.364 33

總數 106.76 4.710 50

GLU_2 0 103.41 3.519 17

1 102.42 5.238 33

總數 102.76 4.710 50

GLU_3 0 89.76 10.146 17

1 93.64 10.845 33

總數 92.32 10.670 50

GLU_4 0 85.65 9.253 17

1 86.67 11.453 33

總數 86.32 10.670 50

80

(81)

重複測量-36

受試者間因子個數 sex 0 17

1 33

敘述統計

sex 平均數標準離差個數

GLU_1 0 106.12 3.120 17

1 107.09 5.364 33

總數 106.76 4.710 50

GLU_2 0 103.41 3.519 17

1 102.42 5.238 33

總數 102.76 4.710 50

GLU_3 0 89.76 10.146 17

1 93.64 10.845 33

總數 92.32 10.670 50

GLU_4 0 85.65 9.253 17

1 86.67 11.453 33

總數 86.32 10.670 50

81

(82)

重複測量-37

82

(83)

重複測量-37

83

血糖值與性別的交互作用(F=0.848, P=0.423)，得知不同時間點測量的血糖值不會因為性別不同而有差異

(84)

重複測量-38

84

不同性別間血糖值檢定 結果(F=0.582, P=0.449)，

得知不同性別不會造成血糖值的不同

(85)

重複測量-38

85

(86)

重複測量-38

86

(87)

重複測量-39

87

調整不同測量時間點下，男女性估計出的血糖值(平均值)

(88)

重複測量-39

88

使用LSD法的事後比較結果。男女血糖值沒有達到統計上顯著差異 (P=0.449)

(89)

重複測量-40

89

範例七：不同性別於4個不同時間點，收集血糖值是否有差異

F P-value Mean SD Mean SD Mean SD Mean SD

GLU 106.60 0.71 102.92 0.71 91.70 1.58 86.16 1.61 77.094 <0.001**

Repeated measures ANOVA. *P<0.05, **P<0.01

在調整性別之下，不同時間點收集血糖值有顯著差異(P<0.001)。

範例七：不同性別於4個不同時間點，收集血糖值是否有差異 Sex=0 (n=17) Sex=1 (n=33)

差異量 F P-value

Mean SE Mean SE

GLU 96.24 1.30 97.45 0.93 -1.22 0.582 0.4494 Repeated measures ANOVA. *P<0.05, **P<0.01

在調整不同收集時間下，男女性血糖值沒有顯著差異。

(90)

90

Linear Regression Logistic Regression

依變項

(Y)

^連續資料 ^類別資料

自變項

(X)

1個自變項多個自變項 1個自變項多個自變項簡單迴歸分析

(Simple Regression

Analysis)

複迴歸分析 (Multiple Regression

Analysis)

單變數邏輯斯迴歸分析 (Univariate

Logistic Regression)

複邏輯斯迴歸分析 (Multivariate

Logistic Regression) 可為連續或類別資料可為連續或類別資料類別資料需設定虛擬變數

(Dummy variable) 類別資料需設定參考組

(91)

Linear Regression-1

簡單迴歸分析

範例一：年齡與舒張壓的相關性^{(連續 vs 連續)} 範例二：性別與舒張壓的相關性^{(類別 vs 連續)}

範例三：年齡分層與舒張壓的相關性^{(類別 vs 連續)}

年齡分層共三組，需設定虛擬變數

複迴歸分析

範例四：年齡、性別及BMI值與舒張壓的相關性

91

(92)

Linear Regression-2

簡單迴歸分析

範例一：年齡與舒張壓的相關性^{(連續 vs 連續)}

自變項(X)與依變項(Y)皆為連續資料可互換，但分析結果模式不同

92

ID age DBP 01 70 96 02 76 86 03 84 86 04 85 82 05 47 80

… … …

61 52 85 62 55 97 63 71 94 64 56 87 65 70 96

範例一：年齡與舒張壓之相關性

B 95%CI P value age 0.49 0.33 0.66 <0.001**

Regression. *P<0.05, **P<0.01

範例一(A)：舒張壓與年齡之相關性 B 95%CI P value DBP 0.76 0.51 1.00 <0.001**

(93)

Linear Regression-3

93

1

(94)

Linear Regression-3

94

(95)

Linear Regression-3

95

2

(96)

Linear Regression-4

96

3

(97)

Linear Regression-4

97

4

(98)

Linear Regression-4

98

(99)

Linear Regression-4

99

(100)

Linear Regression-5

100

範例一：年齡與舒張壓之相關性

B 95%CI P value age 0.49 0.33 0.66 <0.001**

(101)

Linear Regression-6

範例一(A)：舒張壓與年齡的相關性^{(連續 vs 連續)}

可互換，但分析結果模式不同

101

1

2 依變數

自變數互換

(102)

Linear Regression-6

範例一(A)：舒張壓與年齡的相關性^{(連續 vs 連續)}

可互換，但分析結果模式不同

102

(103)

Linear Regression-7

範例一(A) ：舒張壓與年齡的相關性^{(連續 vs 連續)}

103

範例一(A)：舒張壓與年齡之相關性

B 95%CI P value DBP 0.76 0.51 1.00 <0.001**

(104)

Linear Regression-8

範例一：年齡與舒張壓之相關性 B 95%CI P value age 0.49 0.33 0.66 <0.001**

範例一(A)：舒張壓與年齡之相關性 B 95%CI P value DBP 0.76 0.51 1.00 <0.001**

年齡每增加一歲、

舒張壓增加0.49mmHg

舒張壓每增加1mmHg、

年齡增加0.76歲

104

(105)

Linear Regression-9

簡單迴歸分析

範例二：性別與舒張壓的相關性^{(類別 vs 連續)}

105

ID sex DBP 01 0 96 02 1 86 03 1 86 04 1 82 05 1 80

… … …

61 0 85 62 0 97 63 0 94 64 0 87 65 0 96

範例二：性別與舒張壓之相關性

B 95%CI P value sex -10.77 -14.96 -6.59 <0.001**

二元類別變項(0 1)

(106)

Linear Regression-10

範例二：性別與舒張壓的相關性(類別 vs 連續)

106

1

2

(107)

Linear Regression-10

107

(108)

Linear Regression-11

類別資料與連續資料解釋方式不同

108

範例二：性別與舒張壓之相關性

B 95%CI P value sex -10.77 -14.96 -6.59 <0.001**

1.sex設定值，sex=0(男性)、sex=1(女性) 2.女性相較於男性，舒張壓低10.77mmHg

(109)

Linear Regression-12

簡單迴歸分析

109

ID age_gp DBP

01 2 96

02 2 86

05 0 86

04 2 82

05 0 80

… … …

61 1 85

62 1 97

63 2 94

64 1 87

65 2 96

age_du1 age_du2

0 1

0 0

0 1

0 0

… …

1 0

0 1

1 0

0 1

範例三：年齡分層與舒張壓之相關性 B 95%CI P value age<49

49-63 12.56 7.94 17.19 <0.001**

age>63 15.92 10.56 21.28 <0.001**

Regression. *P<0.05, **P<0.01Dummy variable只能用2^{個數字陳述}

(110)

Linear Regression-13

110

1

2

(111)

Linear Regression-13

111

(112)

Linear Regression-14

112

範例三：年齡分層與舒張壓之相關性

B 95%CI P value age<49

49-63 12.56 7.94 17.19 <0.001**

age>63 15.92 10.56 21.28 <0.001**

(113)

Linear Regression-15

複迴歸分析

113

ID age sex BMI DBP 01 70 0 23.2 96 02 76 1 23.3 86 03 84 1 23.4 86 04 85 1 23 82 05 47 1 23.6 80

… … … … …

61 52 0 23.2 85 62 55 0 24.4 97 63 71 0 24.6 94 64 56 0 23.7 87 65 70 0 24 96

範例四：年齡、性別、BMI等因子與舒張壓之相關性

Univariate Regression Analysis Multiple Regression Analysis

B 95%CI P value B 95%CI P value

age 0.49 0.33 0.66 <0.001** 0.31 0.19 0.42 <0.001**

sex -10.77 -14.96 -6.59 <0.001** -4.50 -7.50 -1.51 <0.001**

BMI 9.88 7.66 12.11 <0.001** 6.63 4.53 8.73 <0.001**

(114)

Linear Regression-16

複迴歸分析

114

1

2

(115)

Linear Regression-17

複迴歸分析

115

範例四：年齡、性別、BMI等因子與舒張壓之相關性

Univariate Regression Analysis Multiple Regression Analysis

B 95%CI P value B 95%CI P value

age 0.49 0.33 0.66 <0.001** 0.31 0.19 0.42 <0.001**

sex -10.77 -14.96 -6.59 <0.001** -4.50 -7.50 -1.51 <0.001**

BMI 9.88 7.66 12.11 <0.001** 6.63 4.53 8.73 <0.001**

標準化係數：

1.解釋不同

調整年齡及性別後，BMI 每增加一個標準差、舒張壓增加0.501個標準差

2.可比較影響力

BMI值影響最大

調整年齡及性別後，BMI 每增加1個單位(kg/m²)、

舒張壓增加6.63mmHg

(116)

Logistic Regression-1

勝算比(Odds Ratio, OR)

相關強度

依變項(Y)

二元類別變項-0&1

自變項(X)個數不同

單變數邏輯斯迴歸分析

範例五：年齡與高血壓的相關性範例六：性別與高血壓的相關性

複邏輯斯迴歸分析

範例七：年齡、性別及BMI值與高血壓的相關性

116

(117)

Logistic Regression-2

單變數邏輯斯迴歸分析

範例五：年齡與高血壓的相關性

117

ID age HT 01 70 1 02 76 0 03 84 0 04 85 0 05 47 0

… … …

61 52 0 62 55 1 63 71 0 64 56 0 65 70 1

範例五：年齡與高血壓之相關性

B OR OR(95%CI) P value age 0.05 1.05 1.004 1.099 0.0344*

Logistic regression. *P<0.05, **P<0.01

二元類別變項(0 1)

(118)

Logistic Regression-3

單變數邏輯斯迴歸分析

1 118

(119)

Logistic Regression-3

單變數邏輯斯迴歸分析

119

2

(120)

Logistic Regression-3

單變數邏輯斯迴歸分析

120

3

(121)

Logistic Regression-3

單變數邏輯斯迴歸分析

121

(122)

Logistic Regression-4

單變數邏輯斯迴歸分析

122

4

(123)

Logistic Regression-4

單變數邏輯斯迴歸分析

123

(124)

Logistic Regression-4

單變數邏輯斯迴歸分析

124

5

(125)

Logistic Regression-4

單變數邏輯斯迴歸分析

125

(126)

Logistic Regression-5

單變數邏輯斯迴歸分析

126

範例五：年齡與高血壓之相關性

B OR OR(95%CI) P value age 0.05 1.05 1.004 1.099 0.0344*

Logistic regression. *P<0.05, **P<0.01

(127)

Logistic Regression-6

單變數邏輯斯迴歸分析

範例六：性別與高血壓的相關性

127

ID sex HT 01 0 1 02 1 0 03 1 0 04 1 0 05 1 0

… … …

61 0 0 62 0 1 63 0 0 64 0 0 65 0 1

範例六：性別與高血壓之相關性

B OR OR(95%CI) P value sex

male ref.

female -0.26 0.77 0.29 2.09 0.6118 Logistic regression. *P<0.05, **P<0.01

類別資料

(128)

Logistic Regression-7

單變數邏輯斯迴歸分析

128

1

2

(129)

Logistic Regression-7

單變數邏輯斯迴歸分析

129

3

(130)

Logistic Regression-7

單變數邏輯斯迴歸分析

130

4

(131)

Logistic Regression-7

單變數邏輯斯迴歸分析

131

常用護理研究生物統計方法 與操作