一、案例介紹

為了解某抗癲癇藥物的作用，某研究者對58名癲癇患者進(jìn)行臨床試驗，每將其隨機分為2組，一組服用試驗藥，一組服用對照藥，治療8周，觀察最后兩周的發(fā)作次數(shù)，其中治療方法包括安慰劑和試驗藥，請試著分析抗癲癇藥的療效。

二、問題分析

本案例的分析目的為抗癲癇藥的療效?？梢砸栽囼灪蟮陌l(fā)作次數(shù)作為因變量，試驗藥為自變量進(jìn)行回歸分析，兩周內(nèi)癲癇發(fā)作次數(shù)不像二項分布那樣可以計算比例，使用發(fā)病密度等密度指標(biāo)進(jìn)行描述該事件特征更為合適，所以可以考慮使用poisson回歸或者負(fù)二項回歸。具體使用哪種方法，可以根據(jù)數(shù)據(jù)的類型進(jìn)行決定。

三、軟件操作及結(jié)果解讀

(一) 數(shù)據(jù)導(dǎo)入

1.數(shù)據(jù)格式

首先將數(shù)據(jù)整理成正確的格式，一般一個X為一列，Y為一例，并且分析的數(shù)據(jù)帶有數(shù)據(jù)標(biāo)簽的，需要另添加一個表格進(jìn)行說明，數(shù)據(jù)格式如下

2.導(dǎo)入數(shù)據(jù)

將整理好的數(shù)據(jù)上傳至SPSSAU系統(tǒng)內(nèi)，如下：

上傳的數(shù)據(jù)如下：

(二)條件判斷

如果是poisson回歸分析需要數(shù)據(jù)滿足poisson分布，需要具有平均計數(shù)等于方差特點，如果不滿足可以使用負(fù)二項回歸，使用過離散o檢驗進(jìn)行驗證，如果o值絕對值小于1.96 （此時p值大于0.05），則說明數(shù)據(jù)等離散，此時數(shù)據(jù)建議使用Poisson回歸，反之使用負(fù)二項回歸比較合適。過離散o檢驗的結(jié)果如下：

上述結(jié)果發(fā)現(xiàn)，o值為27.976大于1.96說明使用負(fù)二項回歸更合適。

(三)負(fù)二項回歸分析

1. 軟件操作

負(fù)二項回歸分析路徑為點擊【實驗/醫(yī)學(xué)研究】→【負(fù)二項回歸】然后進(jìn)行分析：

2. 結(jié)果解讀

分析負(fù)二項回歸模型似然比檢驗結(jié)果的目的主要是檢驗整體模型的有效性，首先對p值進(jìn)行分析，如果該值小于顯著水平，則說明模型有效；反之則說明模型無效，AIC和BIC值用于多次分析時的對比；此兩值越低越好；如果多次進(jìn)行分析，可對比此兩個值的變化情況，綜合說明模型構(gòu)建的優(yōu)化過程，如果不進(jìn)行多次分析對比，則無需關(guān)注此指標(biāo)。從分析結(jié)果來看，p值小于0.1，因而說明拒絕原定假設(shè)，即說明本次構(gòu)建模型時，放入的自變量具有有效性，本次模型構(gòu)建有意義。其中AIC、BIC的計算如下：

AIC=-2ln(L)+2k；BIC=-2ln(L)+ln(n)*k；

其中 : L是該模型下的最大似然，n是數(shù)據(jù)數(shù)量，k是模型的變量個數(shù)。接下來進(jìn)行查看負(fù)二項回歸模型

從上表可知，以發(fā)作次數(shù)作為因變量，治療方法為自變量，進(jìn)行負(fù)二項回歸分析，從上表可以看出，模型公式為：Log(Y)=2.079-0.514*治療方法。治療方法的回歸系數(shù)值為-0.514，p值小于0.1，說明呈現(xiàn)出顯著性，即治療方法對癲癇發(fā)作次數(shù)有影響。

四、結(jié)論

想要了解治療方法是否對癲癇發(fā)作次數(shù)有影響，初步判斷使用poisson回歸或者負(fù)二項回歸，經(jīng)過過離散o檢驗，發(fā)現(xiàn)使用負(fù)二項回歸更合適。以發(fā)作次數(shù)作為因變量，治療方法為自變量，進(jìn)行負(fù)二項回歸分析，治療方法的回歸系數(shù)值為-0.514，p值小于0.1，說明呈現(xiàn)出顯著性，即治療方法對癲癇發(fā)作次數(shù)有影響。

五、知識小貼士

1、SPSSAU負(fù)二項回歸時O檢驗的意義是什么？

SPSSAU進(jìn)行負(fù)二項回歸時，一般需要滿足過離散性，離散性檢驗有多種，SPSSAU默認(rèn)提供O檢驗。如果說通過O檢驗，如果O值絕對值大于1.96（此時p?值小于0.05），則說明數(shù)據(jù)過離散，此時說明適合使用負(fù)二項回歸進(jìn)行研究。如果O值絕對值小于1.96 （此時p?值大于0.05），則說明數(shù)據(jù)等離散，此時建議使用Poisson回歸。

2、o檢驗、平均值和方差、alpha值檢驗出現(xiàn)矛盾？

o檢驗和alpha值是否為o檢驗，目的均在于對“過離散”進(jìn)行檢驗，平均值和方差的直觀查看也是一種方式。有時候會出現(xiàn)比如平均值和方差看上去有非常大的差異，但alpha值均沒有呈現(xiàn)出顯著性（即沒有拒絕alpha值為0），此時建議綜合進(jìn)行判斷，通常情況下使用負(fù)二項回歸更“保險”，因為負(fù)二項回歸對模型的假定沒有Poisson回歸那么嚴(yán)格。