Статистический анализ медицинских данных ...
Пример: необходимо найти правило прогнозирования дли
тельности острой фазы инфекционного заболевания по уровню
антител в крови и температуре тела.
Решение: линейный регрессионный анализ. При этом про-
исходит построение уравнения следующего вида:
У=а+ЬХ (в случае простой линейной регрессии)
или
Y=a+b 1X1+bz-X2+ ...+b"X" (в случае множественной линейной
регрессии),
sде xl, х2, "., х" - независимые (объясняющие) признаки (прогно
стические признаки), У - зависимый (объясняемый) признак,
а - константа, Ь1, Ь2• ••• , Ь" - коэффициенты регрессии (в случае
простого регрессионного анализа коэффициент Ь является тан генсом угла наклона регрессионной прямой к оси Х).
Условия примени.мости. метода:
-число объектов исследования должно быть в несколько раз
больше числа прогностических (объясняющих) признаков;
-все анализируемые признаки (и независимые, и зависимый)
должны быть количественными и нормально распределенны
ми;
-зависимый признак У должен иметь нормальные распределе
ния с равными дисперсиями для каждого значения независи
мого признака (прогностического признака) Х;;
-независимые признаки Х; могут бьжть количественными
и/или качественными;
-взаимосвязи ме-я<Ду ка-я<Дым из независимых признаков Х; и
зависимым Признаком У линейны в интервале изученных зна
чений;
-ка-я<Дое значение У независимо от другого для кюr<Дого значе ния Ка"Я<ДОГО Х/;
-в случае множественного регрессионного анализа требуется
отсутствие сильных линейных корреляций независимых при
знаков, которые предполагается включать в регрессионный
анализ. Если какие-либо из независимых признаков сильно коррелированы, то необходимо включать в регрессионный
анализ тот из них, который имеет более сильную корреляцию
с зависимым признаком. При применении пошаговых про
цедур коррелированность прогностических признаков не так критична, поскольку из пары признаков, имеющих сильную корреляцию, алгоритм включает только один признак;