生存分析是不仅考虑结局，而且考虑出现结局时间的分析方法，是非常重要的一种分析方法，生存分析也分为初级说一说（寿命表法），中级比一比（kaplan-Meier法），和高级找关系（COX回归法）。

有数据会统计，你的人生很得意；有数据却不懂统计，守着金矿要饭滴懂统计没数据，空有一身傻武艺。高校内学了多年统计，一到应用，却发现和书上讲的完全不是一样的，国内教科书那本说过P

分组变量为有序变量，而研究结局指标为二分类变量，如大学生谈恋爱情况调查，发现大一、大二、大三、大四学生的谈恋爱率，问是不是随着年级的增加，谈恋爱率有增加趋势?

精鼎47期《统计思维与SPSS实战》研习班（广州站）详情点击析因设计是多因素多水平全面组合的一种设计方法，两个或多个因素如果存在交互作用，表示各因素不是各自独立的，而是一个因素的水平有改变时，另一个或几个因素的效应也相应有所改变；反之，如不存在交互作用，表示各因素具有独立性，一个因素的水平发生改变时不影响其他因素的效应。析因设计中2×2析因设计是指有两个研究因素，分别是2水平，所以一共构成4个单元，即4组；2×3×4表示三个研究因素，分别为2、3和4个水平，所以一共构成24单元（组），但分组愈多则实验实施难度愈大，实验动物消耗也愈多，因此析因设计往往用于研究因素或者水平数不多的情况，当研究因素较多时，我们可以采用正交设计或者均匀设计，本节以2×2析因设计为例进行讲解。正式学习之前，了解下析因设计的几个概念：单独效应（simple

plot可单独辅导】【学员评价】【软件背景】

精鼎47期《统计思维与SPSS实战》研习班（广州站）2019年1月11-13日（详情点击）缘起图表就是人生，科研统计作图，当组间的数值相差较大，很多人会说，那我们做Y轴截断图啊，然而很多专家人为截断图虽然可以展示差异较大的数据，但还是扭曲了数据的真实可视化，那怎么办呢？松哥今天和大家分享一下，嵌入图！情况展示

精鼎47期《统计思维与SPSS实战》研习班（广州站）2019年1月11-13日（详情点击）缘起

精鼎47期《统计思维与SPSS实战》研习班（广州站）我是抛砖的

缘起

plot可单独辅导】【学员评价】【软件背景】

缘起

当我们在进行Logistic回归时，如果遇到无序多分类变量，应该设置哑变量（Dummy

北京班第三天，学习气氛热烈，每期开班总会遇到各种各样的问题。当我们第一次安装打开SPSS时，SPSS会询问，是否开启unicode

ROC是诊断试验选择诊断指标和诊断界值非常方便实用的方法，SPSS实现也异常简单，然而，软件仅是帮助您计算的工具，为什么要计算，以及如何设置参数，才能显示您的统计功底哦！

缘起

统计地图为统计图中重要的一类，反映研究指标在不同区域的区别与程度，SPSS作为国内最最亲民的统计软件，其实也是可以画统计地图的，只不过大家太忙，都没有在意过SPSS做过的努力和变化。

ss2=n1*(x1-X)**2+n2*(x2-X)**2+n3*(x3-X)**2.compute

缘起

现在这个时代，不搞些稍微高深点方法，都不好意思发文章，有一种套路，放之天下学问皆准，这就是因子分析+聚类分析，简直就是放疗+化疗一样。

缘起本期讨论主题来自一科研人员诉求图片不太清楚，转换为文字如下：第一次写设计动物实验，内容为动物造模后给予不同水平处理观察效果，动物分为四组分别为：空白对照组，造模组，造模后A处理组，造模后B处理组遇到几个问题不明白求大神答疑：1

缘起本期讨论主题来自一个放射科医生的临床诉求

缘起

缘起已知两组数据的样本量，均数和标准差，如何求得合并组的均数和标准差；你问的这么迫切，应该比较急吧！

缘起统计学就是“放屁”，就是在我们科学研究结果后面放上1个P值，根据这个P值的大小来判断研究因素到底有效无效。然而，很多的时候，我们得到P>0.05，犹如晴空霹雳，天空暗淡了许多。其实大可不必，或许还有转机，也许真正是有差异的，只不过是您的样本量不够导致的呢？

缘起昨天分析了，偏Eta方可以反映因素对效应量的作用大小，有人留言说偏Eta方大小如何判定其对因变量的作用大小呢？

缘起如题，我们进行2因素方差分析，得到的结果，如何判断哪个因素对结局的影响大还是小呢？如下表，研究a和b两个因素对因变量X的影响，采用两因素设计，得到显著性的P均0.05，两两比较LSD法P

缘起

精鼎46期SPSS统计软件实战训练营笔者在某高校讲授统计学十七载，国内层面数据统计分析近百场，所遇学员无数，学生或者学员反映的最多、最频繁的问题就是：老师，我拿到数据，就是不知道选择什么样的统计分析方法“，这就是初学数据分析的人员最困惑的问题，你赞同吗？数据分析方法选择要点：一、研究目的任何统计分析方法的选择，首先第一条就是要明确分析的目的是什么？很多的时候，有学生直接拿数据给我，让我告诉他如何分析，那是做不到的，就像你给我西红柿和鸡蛋，让我给你烧个菜一样，你不告诉我你想吃哪种？我到底是给你西红柿炒鸡蛋呢？西红柿蛋汤呢？凉拌西红柿呢？荷包蛋呢？还是啥啥呢？所以，必须要知道你研究的目的，才能烧出你想吃的菜。二、实验设计类型实验设计简单的说就是你如何安排你的实验的，在简单点就是你的受试对象时如何分组与实验因素如何添加的。不同的实验设计所采用的分析方法不同，所以必须要了解你的实验的设计。当然设计包括专业设计与统计设计，这里指的是统计设计。常见的基本试验设计包括：完全随机设计、随机区组设计、析因设计、重复测量设计等。此处不赘，感兴趣请查看本公众号内容。三、变量类型变量就是观察单位的某项特征，简单点就是我们研究的指标，根据指标的属性不同，变量分为：数值变量、分类变量和等级变量，每种变量的属性和特征都是不同的，因此应该采用不同统计分析方法。三种变量如何区分请参看本公众号相关视频。方法选择在研究目的的指引下，根据实验设计与变量类型，就可以基本确定所要研究的方法，常见的t检验、F检

高级技术顾问和资深统计学专家与您面对面交流，讲授SPSS案例操作、统计分析、应用实战和测试的课程。为保证教学质量本学习班本期限额40名，人满即止。欢迎有兴趣的科研人员及研究生尽早报名！【时间地点】

缘起

在这个即看才华又看颜值的年代，科研亦是如此，不仅会做，还要会对自己的科研结果进行表达。表达二法，图表是也！其中就有“一图胜千言”之说。

缘起

缘起

精鼎45/46期SPSS统计软件实战训练营（2018年10月26-28上海班还有3个名额）缘起

精鼎45/46期SPSS统计软件实战训练营（2018年10月26-28上海班还有3个名额）缘起

sd，即每增加一个标准差，疾病发生的风险，怎么做的呢，简单！就是将原始数据标准化后带入模型！（3）松哥还见过per

高级技术顾问和资深统计学专家与您面对面交流，讲授SPSS案例操作、统计分析、应用实战和测试的课程。为保证教学质量本学习班本期限额40名，人满即止。欢迎有兴趣的科研人员及研究生尽早报名！【时间地点】

近日，总是有人问我，自己的数据如何录入SPSS，或者说SPSS中数据格式是怎么样的呢？其实2年多前，就已经给大家总结过了，那就再炒一次剩饭吧，呵呵！如下为2年半前的推文！精鼎45/46期SPSS统计软件实战训练营（详情点击）2018年10月26-28日·上海某年某月某日，公众号后台，有人询问如下：于是乎，成文SPSS数据录入格式专题，呵呵！SPSS数据格式常见有四种,分别道来：格式特点：每一行代表一个个案，每一列代表一个变量，这就是标准的SPSS数据录入格式，松哥称之为：经典行列式。但当处理的是整理表格时，如R×C表就不一样了。交叉表资料格式特点：三变量，即行变量，列变量和频数变量，松哥称之为“交叉表三列式”如上图。注意此类带有频数项的表格，分析前的第一步是对频数进行加权，切记，切记，莫忘，莫忘!当处理配对t检验时，数据格式必须位宽型数据，不能像处理成组两独立t检验时的长形数据一样，否则你根本找不到配对的变量，松哥称之为：配对并列式。重复测量数据的数据格式与配对的一样，需为宽型数据，即重复检测的指标，必须为独立的一列。类似多结局变量的格式，松哥称之为：配伍并列式。

缘起Logistic回归是一种非常重要的单、多因素分析方法，主要用于发现风险因素、建立预测或判别模型。有人问，如何用构建的Logistic回归进行疾病的诊断，并计算该模型的灵敏度、特异度等指标呢？跟着松哥一起来解读吧！精鼎45/46期SPSS统计软件实战训练营（点击）2018年10月26-28，上海1.虚构案例比如说，身高与某种疾病有关系，咱们尝试构建二项logistic回归，看看结果。2.步骤分析-回归-二元，如图设置：3.结果看最后一步，可得方程中的变量，据此表，可以写出Logistic回归方程：LogitP=-64.899+0.396*身高。但对于Logistic回归来说，写出方程不是重点，关键是识别风险因素。如本例，发现身高的EXP(B)=1.486（95%CI：1.396-1.581），可以解释为身高没增加1cm，疾病发生的风险增加1.486倍。哎，跑题了！本期不是介绍Logistic回归，是介绍如何计算Logistic回归，构建预测模型的灵敏度和特异度的。继续！4.结果2在分析结果中，有这么一张分类表。该表描述了实际病例，与构建的Logistic回归模型的一张诊断试验表格。细心的你会发现，87.5%=265/（265+38），其实就是灵敏度（Se）；84.7%=243/(243+44)，其实就是特异度（Sp）。但需注意，上表中的总体百分比，86.1=（84.7+87.5）/2的结果，并不是诊断试验中所说的约登指数，本例约登指数=84.7+87.5-1=72.2。松哥统计说Logistic回归应用非常广泛，本例仅介绍其预测的灵敏度与特异度的算法。关于Logistic回归的建模策略、因素筛选、模型评价等内容，请参见公众号往期文章。OK，本期到此，感觉对您有用，还请分享转发，拜托！精鼎原创，欢迎转发，未经允许，谢绝转载！SPSS系列文章列表【2】【若有用，请分享！】【2035】松哥带您分享一篇文章带来的若干思考【荐荐荐】【2034】松哥松哥告诉我，中位数95%可信区间怎么做？【2033】如何让SPSS根据自身数据库行号产生ID特征变量【2032】SPSS如何实现百分数的平方根反正弦变换【2031】相关样本非参数检验如何实现两两事后比较【2030】多元回归中交互作用的评价【2029】SCI编辑让我报告LSD-t检验的t值，可是SPSS没有啊，怎么办？【2028】配伍组设计，二分类资料如何进行统计分析？【2027】如何利用SPSS计算总体率与总体均数的95%可信区间【2026】SPSSS如何实现哈迪-温伯格平衡(Hardy-Weinberg

censoring）研究对象在时刻开始接受观察，而在此之前我们感兴趣的时间已经发生，这就是左删失。例如：“您初次吸食大麻是在什么时候？”

高级技术顾问和资深统计学专家与您面对面交流，讲授SPSS案例操作、统计分析、应用实战和测试的课程。为保证教学质量本学习班本期限额40名，人满即止。欢迎有兴趣的科研人员及研究生尽早报名！【时间地点】

案例：我们想研究一组数据身高与体重的相关性，采用双变量相关相关分析，但是研究者又想知道不同性别人员，身高与体重的相关性是否一致？怎么办呢？步骤如下：先进行身高与肺呼量之间的相关性研究结果发现身高与肺呼量之间的相关性r=0.718，P

背景

精鼎45/46期SPSS统计软件实战训练营（详情点击）细心的各位是否发现，统计学在处理资料是，当处理资料为2组与K组（K>2），所采用的统计分析方法就发生变化了，松哥把这个定义为2K效应，如：One

高级技术顾问和资深统计学专家与您面对面交流，讲授SPSS案例操作、统计分析、应用实战和测试的课程。为保证教学质量本学习班本期限额40名，人满即止。欢迎有兴趣的科研人员及研究生尽早报名！【时间地点】

缘起昨天收到一个既往学员的统计咨询，松哥发现这是一个非常好的问题，于是便整理此期，希望与大家一起分享学习。11问题截图如下图表1：问题1：本例应该用什么统计分析方法？问题2：该作者下面的每个卡方是如何算出的，是否正确?问题3：该问题可以有哪些思考？原文文章《大剂量伐昔洛韦联合针刺治疗带状疱疹的临床观察》，中国药房2016

背景

精鼎45/46期SPSS统计软件实战训练营如题，首先我们来看看上述上述两种方法：1.Kaplan-Meier一般分析单个因素不同水平间的比较，如果是计量资料，还得分类化才可以，可以采用三种算法：1）LogRank法：各时点权重为1。2）Breslow法：各时点权重为各时点前的尚存人数。3）Tarone-Ware法：权重介于上面两种方法之间，为2）的平方根。实际应用中，前2者常见。2.cox回归当研究因素较多时，就超出了K-M法的范围，可以同时对多个因素，包括计量和计数变量，考察多个因子对生存的影响。但必须满足比例风险才行。2.不一致时真理只有一个，当不一致时，我们如何抉择，松哥谈谈自己的理解，不妥处大家讨论，可能有如下情况：1）K-M类似t检验，而COX类似于F检验，K-M处理因素少，COX处理因素多。当出现不一致，我可能偏向选择COX结果，因为你采用K-M法只研究单因素，没有考虑其他因素对研究结局的影响。2）如果你K-M法只研究一个因素，而COX也只研究同一个因素，如果出现差异，那只能是算法之间的差异了。但也要知道，COX回归是半参数法，K-M法是非参数法。而众所周知，在符合条件的情况下，参数检验的检验效力要高于非参数检验。3）另应该考虑COX应该符合比例风险模型，如果不符合，应该采用竞争风险模型，同时COX回归还包括时间依存变量的COX。4）同时，一个好的实验分析结果，是在正确的科研设计、数据采集基础之上的。好了，松哥掰到这里，不妥处大家讨论！精鼎原创，欢迎转发，未经允许，谢绝转载！统计思维与统计理论系列[1]【1031】异常值的处理只有删除？【1030】没有比较就没有伤害，让咱们互相伤害吧，教你4大类统计伤害方法【1029】SCI审稿人让我控制2个单因素无意义的变量？【1028】量表评价是信度重要还是效度重要？【1027】Meta分析要解决的首要任务【1026】文章材料与方法中统计方法如何描述【1025】聚类分析稳定性判别的经验总结【1023】“参数检验与非参数检验”哪个更好？【1022】聚类分析只需这1张图就够了！【1021】干预前后数据统计分析方法【1020】听完四个小故事，你就明白主成分分析是啥意思了！【1019】方差分析P>0.05，两两比较LSD法P

新媒体管家精鼎45/46期SPSS统计软件实战训练营（详情点击）最好的投资是学习异常值的出现在实际数据分析中经常会碰到。大家往往以为异常值最简单的方式就是直接删除。其实不然！针对异常点的处理，有一类方法叫稳健回归。稳健回归的主要目的是检测异常点，并在异常点的情况下给出模型的稳健估计。稳健回归其基本思想是对不同数据点给予不同的权重，残差小的点给予较大权重，残差大的点给予较小的权重，也就是异常点的权重较小，以此来减少异常点对模型的影响。关于稳健回归的估计方法有M估计、LTS(least

精鼎45/46期SPSS统计软件实战训练营（详情点击）导读没有比较就没有伤害，没有比较就没有鉴别，干预措施是否有效，若无比较，还真不能得出结论呢！统计是帮助我们发现事物背后规律的科学，是解决复杂科学问题的艺术。统计提供了4大类比较的方法，也就是4大类互相伤害的方法哦！松哥一直说，初级说一说，中级比一比，高级找关系；其实本期讲解的就是中级比一比的四大类方法哦！四大类1.踢死他（t