小男孩‘自慰网亚洲一区二区,亚洲一级在线播放毛片,亚洲中文字幕av每天更新,黄aⅴ永久免费无码,91成人午夜在线精品,色网站免费在线观看,亚洲欧洲wwwww在线观看

分享

SPSS中的等級線性模型Multilevel linear models研究整容手術(shù)數(shù)據(jù)

 拓端數(shù)據(jù) 2020-05-13

原文鏈接:http:///?p=12761


我們將使用整容手術(shù)數(shù)據(jù)說明兩種中心化類型。將此文件加載到SPSS中。假設(shè)我們要中心化的變量BDI。

數(shù)據(jù)中心化

首先,我們需要找出BDI的平均得分。我們可以使用一些簡單的描述性統(tǒng)計信息來做到這一點。選擇進(jìn)入對話框。選擇BDI并將其拖到標(biāo)有Variable(s)的框中,然后單擊并僅選擇均值。

結(jié)果輸出告訴我們平均值為23.05:

我們使用此值將變量中心化。通過選擇訪問計算命令。在出現(xiàn)的對話框中,在標(biāo)有“目標(biāo)變量”的框中輸入名稱BDI_Centred,然后單擊并為變量指定一個更具描述性的名稱。選擇變量BDI并將其拖動到標(biāo)記為Numeric Expression的區(qū)域,然后單擊,然后鍵入平均值(23.05)。完成的對話框如圖所示。

單擊,將創(chuàng)建一個名為BDI_Centred的新變量,該變量以BDI的平均值為中心。這個新變量的均值應(yīng)約為0:運行一些描述性統(tǒng)計數(shù)據(jù)。

可以在語法窗口中通過輸入以下內(nèi)容執(zhí)行相同的操作:

COMPUTE BDI_Centred = BDI?23.05.EXECUTE.

組均值中心化

組均值中心化要復(fù)雜得多。第一步是創(chuàng)建一個包含組均值的文件。讓我們再試一次以獲取BDI分?jǐn)?shù)。我們希望將此變量在Clinic的2級變量中中心化。我們首先需要知道每個組中的平均BDI,并以SPSS以后可以使用的形式保存該信息。為此,我們需要使用aggregate命令。要訪問主對話框,請選擇。在此對話框(圖3)中,我們要選擇Clinic并將其拖動到標(biāo)有Break Variable(s)的區(qū)域。這意味著將使用變量Clinic來分割數(shù)據(jù)文件(換句話說,當(dāng)計算平均值時,它將對每個診所分別進(jìn)行處理)。然后,我們需要選擇BDI并將其拖動到標(biāo)記為變量匯總的區(qū)域。一旦選擇了此變量,默認(rèn)值就是SPSS將創(chuàng)建一個名為BDI_mean的新變量,這是BDI的平均值(顯然是由Clinic分割)。我們需要將此信息保存在一個文件中,以便以后使用。

默認(rèn)情況下,SPSS會將名稱為aggr.sav的文件保存在默認(rèn)目錄中。如果您想將其保存在其他位置或使用其他名稱,則單擊以打開一個普通的文件系統(tǒng)對話框,可以在其中命名文件并導(dǎo)航至要保存在其中的目錄。單擊以創(chuàng)建此新文件。

如果打開生成的數(shù)據(jù)文件,則會看到它僅包含兩列,其中一列帶有一個數(shù)字,用于指定數(shù)據(jù)來自的診所(共有10個診所),第二個包含每個診所內(nèi)的平均BDI得分。

當(dāng)SPSS創(chuàng)建匯總數(shù)據(jù)文件時,它將按從最低到最高的順序?qū)υ\所進(jìn)行排序(無論它們在數(shù)據(jù)集中的順序如何)。因此,為了使我們的工作數(shù)據(jù)文件與該聚合文件匹配,我們需要確保從診所1到診所10也訂購了來自各個診所的所有數(shù)據(jù)。這可以通過使用sort cases命令輕松完成。

要訪問sort cases命令,請選擇select。出現(xiàn)的對話框如圖4所示。選擇您要對文件進(jìn)行排序的變量(在本例中為Clinic),并將其拖動到標(biāo)有“排序依據(jù)”的區(qū)域(或單擊)??梢赃x擇按升序排列文件(診所1到診所10),或降序排列(前往診所1的診所10)。單擊以對文件排序。

下一步是在匯總文件中使用這些臨床方法,以將BDI變量放在我們的主文件中。為此,我們需要使用match files命令,可以通過選擇進(jìn)行訪問。這將打開一個對話框,其中列出了所有打開的數(shù)據(jù)文件(在我的情況下,除了我正在工作的文件之外,其他所有文件都沒有打開,因此該空間為空白)或詢問您選擇SPSS數(shù)據(jù)文件。單擊并導(dǎo)航到您決定存儲聚合值文件的位置(在我的情況下為aggr.sav)。選擇此文件,然后單擊以返回到對話框。然后單擊進(jìn)入下一個對話框。

在下一個對話框中,我們需要匹配兩個文件,這只是告訴SPSS兩個文件已連接。為此,請單擊。然后,我們還需要專門連接Clinic變量上的文件。為此,select告訴SPSS無效的數(shù)據(jù)集(即,匯總分?jǐn)?shù)文件)應(yīng)視為與鍵變量上的工作數(shù)據(jù)文件匹配的值表。我們需要選擇此關(guān)鍵變量是什么。我們要匹配Clinic變量上的文件,因此在“排除的變量”列表中選擇此變量,并將其拖到標(biāo)有“關(guān)鍵變量”的空間(或單擊)。

 數(shù)據(jù)編輯器現(xiàn)在應(yīng)包含一個新變量BDI_mean,其中包含我們文件aggr.sav中的值。基本上,SPSS已匹配診所變量的文件,因此BDI_mean中的值對應(yīng)于各個診所的平均值。因此,當(dāng)臨床變量為1時,BDI_mean已設(shè)置為25.19,但是當(dāng)臨床變量為2時,BDI_mean已設(shè)置為31.32。我們可以再次在compute命令中使用這些值來使BDI居中。通過選擇訪問計算命令。在出現(xiàn)的對話框(圖7)中,在標(biāo)有“目標(biāo)變量”的框中輸入名稱BDI_Group_Centred,然后單擊并為變量指定一個更具描述性的名稱。選擇變量BDI并將其拖到標(biāo)有“數(shù)字表達(dá)式”的區(qū)域,然后單擊,然后鍵入“ BDI_mean”或選擇此變量并將其拖到標(biāo)有“目標(biāo)變量”的框中。單擊,將創(chuàng)建一個新變量,其中包含以組為中心的均值。

另外,可以使用以下語法來完成所有操作:

AGGREGATE /OUTFILE='C:\Users\Dr. Andy Field\Documents\Academic\Data\aggr.sav' /BREAK=Clinic /BDI_mean=MEAN(BDI).SORT CASES BY Clinic(A).MATCH FILES /FILE=* /TABLE='C:\Users\Dr. Andy Field\Documents\Academic\Data\aggr.sav' /BY Clinic.EXECUTE.COMPUTE BDI_Group_Centred=BDI ? BDI_mean.EXECUTE.

要訪問“重組數(shù)據(jù)向?qū)А?,請選擇。向?qū)е械牟襟E如圖8所示。在第一個對話框中,您需要說是否要將變量轉(zhuǎn)換為案例,還是將案例轉(zhuǎn)換為變量。我們在不同的列(變量)中具有不同的時間級別,并且希望它們在不同的行(案例)中,因此我們需要選擇。單擊以移至下一個對話框。該對話框詢問您是要從舊數(shù)據(jù)文件的不同列中在新數(shù)據(jù)文件中僅創(chuàng)建一個新變量,還是要創(chuàng)建多個新變量。

在我們的案例中,我們將創(chuàng)建一個代表生活滿意度的變量。默認(rèn),SPSS在新數(shù)據(jù)文件中創(chuàng)建一個名為id的變量,該變量告訴您數(shù)據(jù)來自哪個人(即原始數(shù)據(jù)文件的哪一行)。它通過使用原始數(shù)據(jù)文件中的案例編號來實現(xiàn)。然后從數(shù)據(jù)文件中選擇一個變量以充當(dāng)新數(shù)據(jù)文件中的標(biāo)簽。

其余對話框非常簡單。接下來的兩個處理索引變量。SPSS創(chuàng)建一個新變量,該變量將告訴你數(shù)據(jù)源自哪一列。在我們有四個時間點的情況下,這將意味著變量只是一個從1到4的數(shù)字序列。

等級線性模型

將BDI,年齡和性別包括在內(nèi)作為固定效果預(yù)測指標(biāo)。

選擇 ,然后通過從變量列表中選擇Clinic并將其拖動到標(biāo)有Subjects的框中來指定 變量(或單擊)。

單擊以移至主對話框 。首先,我們必須指定結(jié)果變量,即手術(shù)后的生活質(zhì)量(QoL),因此選擇Post_QoL并將其拖動到標(biāo)有因變量的空間(或單擊)。

我們需要將預(yù)測變量作為固定效應(yīng)添加到我們的模型中,因此單擊,按住Ctrl并在標(biāo)記為Factors和Covariates的列表中選擇Base_QoL,Surgery,Age,性別,Reason和BDI。

現(xiàn)在,我們需要請求隨機截距和隨機斜率以達(dá)到手術(shù)效果。

單擊并選擇。單擊以返回到主對話框。在主對話框中,單擊并請求參數(shù)估計和協(xié)方差參數(shù)的檢驗。單擊以返回到主對話框。要運行分析。輸出如下:

就此新模型的整體擬合而言,我們可以使用對數(shù)似然統(tǒng)計:

卡方統(tǒng)計的臨界值為7.81(p <.05,df = 3);因此,這一變化意義重大。包括這三個預(yù)測變量可以改善模型的擬合度。年齡,F(xiàn)(1,150.83)= 37.32,p <.001,BDI,F(xiàn)(1,260.83)= 16.74,p <.001,顯著預(yù)測了手術(shù)后的生活質(zhì)量,但性別沒有,F(xiàn)(1,264.48 )= 0.90,p = 0.34。包括這些因素的主要區(qū)別在于,Reason的主要影響變得不顯著,并且Reason×Surgery交互作用變得更加重要(其b從4.22,p = .013變?yōu)?.02,p = .001)。

我們可以通過拆分并運行更簡單的分析來分解此交互,如本文所述(沒有交互和Reason的主要影響,但包括Base_QoL,Surgery,BDI,Age和Gender)。如果進(jìn)行這些分析,將獲得輸出中所示的參數(shù)表。這些表顯示的格式與本書中的示例類似。對于那些只為改變外觀而進(jìn)行手術(shù)的患者,手術(shù)顯著預(yù)測了手術(shù)后的生活質(zhì)量,b = –3.16,t(5.25)= –2.63,p = .04。與不包括年齡,性別和BDI的情況不同,這種影響現(xiàn)在很明顯。負(fù)梯度表明,與對照組相比,這些人的手術(shù)后生活質(zhì)量較低。但是,對于那些通過手術(shù)解決身體問題的人,手術(shù)并不能顯著預(yù)測生活質(zhì)量,b = 0.67,t(10.59)= 0.58,p = 0.57。從本質(zhì)上講,年齡,性別和BDI的納入對后一組幾乎沒有什么影響。但是,該斜率是正的,表明接受手術(shù)治療的人的生活質(zhì)量得分比等候名單上的得分高(盡管不是很明顯?。?。因此,相互作用的影響反映了在進(jìn)行身體問題手術(shù)的患者(輕微的正斜率)和僅出于虛榮心進(jìn)行手術(shù)的患者(負(fù)的斜率)中手術(shù)斜率作為生活質(zhì)量預(yù)測指標(biāo)的差異。

改變外貌的手術(shù)

身體問題的手術(shù)

    轉(zhuǎn)藏 分享 獻(xiàn)花(0

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章 更多