How to Use SPSS in Biomedical Data analysis 講員： 葛魯蘋 Kaohsiung Veterans General Hospital Department of Education and Research

SPSS: Statistical Package for Social Science 參考資料 林清山著 心理與教育統計學 東華書局 1992年三月初版 2000年八月初版

諮詢申請服務單 一、 (1)申請人 (2)服務單位 電話 (3)單位主管意見 (4)教研部主任意見 二、 (1)統計諮詢 (2)研究諮詢 (2)服務單位 電話 (3)單位主管意見 (4)教研部主任意見 二、 (1)統計諮詢 (2)研究諮詢 (3)論文review (4)其他 教研部

三、 (1)題目 (2)材料方法 (3)建議 四、討論時間 自民國 年 月 日 時起 共 時 分 五、諮詢對象: 葛魯蘋教授 (Tel: 1519)

Which topic would you like? Repeated measures ANOVA Logistic regression Survival analysis Validation of questionnaire How to design a questionnaire How to create a data base for follow-up study

Characteristics of Biomedical Data 1. Variables and Constant 2. Classification of variables： 1) Independent variables and Dependent variables 2) Continuous variables and Discrete variables a) Continuous variables: Ht., Wt, Time, IQ, Anxiety Score, BP ↑ ↑ ↑ ↑ ↑ 175 176 177 178 179cm b) Discrete variables: Type of treatment, Survival status, Location of cancer, Morphology, and Genotype

3)Nominal variables, Ordinal variables, Interval variables and Ratio variables a)Nominal variables: ID No., Type of treatment, sex, color, name, etc. b)Ordinal variables: rank, grade, likert scale, etc. *if a > b and b> c then a> c, but a-b≠b-c Grade A > Grade B > Grade C, but Grade A – Grade B ≠ Grade B –Grade C c)Interval variables: temperature, lightness, etc. *variable with equal unit *variable without absolute zero *if a >b >c then a-b = b-c *if 39℃ > 37 ℃>35 ℃ then 39 ℃-37 ℃= 37 ℃- 35 ℃

d)Ratio variables: Ht., Wt., etc. *variable with equal unit *variable with absolute zero 120cm: from 0cm to 120cm 37℃ : from 0℃ to 37℃ from 20℃ to 37℃ from -5℃ to 37℃ from -50℃ to 37℃ *if a＞b＞c then a-b = b-c *if a＞b＞c then a/b = b/c if 120cm＞60cm＞30cm then 120cm/60cm = 60cm/30cm

四個變數的例子

The Common Statistical Methods (1) Independent Variable Dependent Variable Statistical Method Categorical variable Categorical v. X2 test Categorical v. Continuous v. t test or ANOVA Categorical v. Ordinal v. Mann-Whitney U test Kruskal-Wallis one-way ANOVA Continuous v. Continuous v. Regression or Pearson correlation Ordinal v. Ordinal v. Spearman correlation

The Common Statistical Methods(2) Independent Variable Dependent Variable Statistical Method More than 1 conti v. Continuous v. Multiple regression More than 1 conti v. and (or) Binomial or multinomial v. Logistic regression more than 1 cate v.

The Common Statistical Methods(3) Independent Variable Dependent Variable Statistical Method Categorical v. Time Log rank test, Log rank test, Breslow test, Tarone-Ware test More than 1cate v. Cox’s regression and (or) Time (Proportional more than 1conti v. Hazard Model)

Chi-square test (Pearson) df = (R-1)(C-1) 例：問卷調查醫生、藥劑師、與護士，問卷回收情形如下，請問回收率是否依專業而不同？

df= (R-1)(C-1)=(2-1)(3-1)=2 *X2.95(2) = 5.991 觀察次數 (期望次數) 職稱 回收情形 df= (R-1)(C-1)=(2-1)(3-1)=2 *X2.95(2) = 5.991 8.35 > 5.991 ，P值 < 0.05

觀察次數 (期望次數) 性別 回收情形 *X2.95(1) = 3.841 ， 6.95 > 3.841 ， P值 < 0.05

在計算X2的過程中倘遇到df = 1，而且期望次數(不是觀察次數)又小於5的時候，就必須進行所謂耶茲氏校正(Yates’ correction for continuity).

觀察次數 (期望次數) 滿意程度 CQI推行 未校正： 觀察次數 (期望次數) 滿意程度 CQI推行 未校正： *X2.95(1) = 3.841 ， 5.29 > 3.841 ， P值 < 0.05

已校正： *X2.95(1) = 3.841 ， 3.768 < 3.841 ， P值 > 0.05

Fisher’s Exact Test *to compare two proportions for the nominal variables 訪問6名男生和7名女生喜不喜歡跳傘運動，結果如下表(B)所示，亦即回答喜歡者男生有4名，女生有1名。問男生是否較女生喜歡跳傘運動？ (A) 極端情形 (B) 性 別 性 別 跳 傘 跳 傘

跳 傘 (A) 極端情形 性 別 跳 傘 (B) 性 別 ， ， ， 跳 傘 (A) 極端情形 性 別 跳 傘 (B) 性 別 ， ， ， P值 = PA + PB = 0.0047 + 0.0816 = 0.0863，因為P值 > 0.05，沒有統計上差異

假定我們所得的2×2列聯表觀察次數如下： 則其Fisher’s exact概率之公式為：

兩個平均數的差異顯著性考驗 t-test：Students’ t-test，Paired t-test 一、兩個獨立樣本(independent samples or un-paired samples), Students’ t-test 如：a.實驗組平均血壓與控制組平均血壓之比較。 b.某病房去年病人與今年病人在焦慮平均指數的比較。 c.高榮男女不同員工其平均年齡的比較。

處理兩個母數的問題時，不管兩個樣本是來自同一母群，或來自σ2相同的兩個不同母群，都要合乎兩個基本假定。第一個基本假定就是σ2x1=σ2x2=σ2，亦即，兩個母群的變異數要相同。當兩個母群的變異數相同時，稱為具有變異數同質性(homogeneity of variance)。第二個基本假定是兩樣本所來自的母群的分配是常態的。

當σ2x1和σ2x2均為未知而且當σ2x1=σ2x2=σ2的基本假定可以滿足時， df = N1+N2-2

例：某心理學家宣稱RNA(核糖核酸)可以改變記憶力，因此會影響老鼠的迷津學習。他以隨機抽樣的方法抽取24隻老鼠，隨機分派為實驗組和控制組，每組12隻老鼠。實驗組注射RNA，控制組注射生理食鹽水，然後在同樣條件下進行迷津學習實驗。結果如下頁圖表所示。問RNA注射的老鼠學習成績與注射生理食鹽水的老鼠相同嗎？

老鼠迷津學習正確反應的分數

1.該心理學家認為是否打RNA對老鼠學習有所影響，統計假設應寫為： H0:μx1=μx2 H1:μx1≠μx2 2.母群的σ2x1和σ2x2均為未知，必須使用不偏估計值s2P，而且因為 σ2x1=σ2x2=σ2的假設可以符合。 3.如果犯第一類型錯誤便是很嚴重的，因之，實驗者決定使用.01顯著水 準。又因為 H1:μx1≠μx2，所以查附錄表D，得t1-.005(12+12-2)=2.819。 倘實際計算所得t值大於2.819，則應拒絕 H0:μx1=μx2 。 4.實際計算所得t=1.78，小於查表t值2.819，故H0應予接受。

二、相依樣本或配對的樣本(dependent samples, paired samples or matched samples)， Paired t-test 如：a.同一組人經實驗處理(吃降血壓藥)後，做前測血壓與後 測血壓平均值之比較。 b.教研部在CQI實行前後各實驗室平均論文篇數的比較。 c. 高榮在CQI實行前後各科健保給付剔退案平均數之比較。

…… [公式 1] ，即這些差值的平均數等於前後兩個平均數之差 是這些差值的標準差； 便是假定我們重複抽取無限多對 還有， 得無限多 時，這些 的分配的標準誤。 故： df = N-1

例：某研究者利用十二名兒童來接受創造力訓練課程。下頁圖表中是接受訓練課程以前創造力測驗前測成績和接受訓練課程以後的後測成績。試以α= 例：某研究者利用十二名兒童來接受創造力訓練課程。下頁圖表中是接受訓練課程以前創造力測驗前測成績和接受訓練課程以後的後測成績。試以α= .01，考驗研究者所說「創造力訓練課程可以提高創造力」的說法是否為真？

1.研究者主張創造力訓練課程可以提高創造力，亦即後測的 創造力測驗平均成績會比前測時的平均成績為高，所以： H0:μx1≧μx2 H1:μx1＜μx2 2.因為每位受試者均前後參加創造力測驗，故為相依樣本或 受試者內設計，或重複量數的問題。又因為兩個母群的σ2 未知，故適合使用公式 1 所示的t考驗。df = N-1 = 12-1 =11。

十二名兒童創造力測驗前後測平均成績差異考驗 [公式 1]

3.研究者願意冒犯第一類型錯誤的機率為.01，亦即α= .01。 由對立假設H1:μx1＜μx2可知這是單側考驗。而且拒絕區是在 左端。查附錄表D，得知 t.010(12-1) = -2.718 4.將上頁圖表中的資料代入公式1得： 或如上頁圖表使用公式1也可以得到一樣結果。因計算的t值落入拒絕區，所以要拒絕H0:μx1≧μx2的說法。可見，創造力測驗後測平均成績顯然比前測平均成績為高。創造力訓練課程可以提高兒童的創造力之說法可以得到支持，惟犯第一類型錯誤的概率為.01。

Using SPSS to Evaluate Data for Normality Luo-Ping Ger Kaohsiung Veterans General Hospital Department of Education and Research

The Common Statistical Methods (1) Independent Variable Dependent Variable Statistical Method Categorical variable Categorical v. X2 test Categorical v. Continuous v. t test or ANOVA Categorical v. Ordinal v. Mann-Whitney U test Kruskal-Wallis one-way ANOVA Continuous v. Continuous v. Regression or Pearson correlation Ordinal v. Ordinal v. Spearman correlation

Post-hoc analysis:

The Common Statistical Methods (1) Independent Variable Dependent Variable Statistical Method Categorical variable Categorical v. X2 test Categorical v. Continuous v. t test or ANOVA Categorical v. Ordinal v. Mann-Whitney U test Kruskal-Wallis one-way ANOVA Continuous v. Continuous v. Regression or Pearson correlation Ordinal v. Ordinal v. Spearman correlation