
一、问题与数据
为调查A、B、C三种治疗措施对患者谷丙转氨酶(ALT)的影响,某科室将45名患者随机分为三组,每组15人,分别采取A、B、C三种治疗措施。治疗后ALT水平(U/L)如下。试问应用三种治疗措施后,患者的ALT水平是否有差异?
表1. 三组患者治疗后的ALT水平(U/L)
二、对数据结构的分析
整个数据资料涉及3组患者,每组15人,测量指标为血常规报告的ALT水平,因此属于多组设计的定量资料。
要想知道不同治疗措施对ALT水平的影响是否相同,则要比较3组的总体均数之间的差异是否具有统计学意义。若各组观察值满足独立性,服从正态分布或近似正态分布,并且各组之间的方差齐,可选用单因素方差分析。
三、SPSS分析方法
1. 数据录入SPSS(1=A组,2=B组,3=C组)
2. 选择Analyze→General Linear Model→Univariate (假设三组数据服从正态分布)
3. 选项设置
1)主对话框设置:将分析变量(ALT)送入Dependent Variable 框中→将分组变量(Group)送入Fixed Factor(s) 框中。
2) Options设置:点击Options按钮,勾选Descriptive statistics(显示统计描述)和Homogeneity tests(方差齐性检验)→Continue→OK。
四、结果解读
Descriptive Statistics表格给出了三组和总体ALT水平的部分统计信息,包括组别(Group)、均数(Mean)、标准差(Std. Deviation)和例数(N)。
Levene’s Test of Equality of Error Variances表格给出了方差齐性检验的结果。F值=0.791,P(Sig.)=0.460,说明三组数据方差齐,满足方差分析的适用条件。
Tests of Between-Subjects Effects表格给出了方差分析的结果。其中,Corrected Total一行表示总变异,Group一行表示组间变异,Error一行表示组内变异,Type Ⅲ Sum of Squares表示离均差平方和,Mean Square表示均方。方差分析的结果主要看Group一行,F值=68.810,P(Sig.)<0.001。
五、撰写结论
A组患者ALT水平为(13.28 ± 4.39)U/L,B组患者ALT水平为(28.44 ± 3.65)U/L,C组患者ALT水平为(12.15 ± 4.64)U/L。A、B、C三种治疗措施对患者ALT水平的影响差异具有统计学意义(F=68.810,P<0.001)。
六、延伸阅读
1. 单因素方差分析也可以通过Analyze→Compare Means→One-Way ANOVA进行,将ALT送入Dependent List框中,将Group送入Factor框中,其结果与本例的操作是一样的,感兴趣的亲可以自己动手试一下!
2. 单因素方差分析适用于只有一个处理因素的完全随机设计,处理因素可以有2个及以上的处理水平,观察指标为连续变量。适用条件包括:
1)观测指标满足独立性;
2)各组观测指标均来自正态分布总体;
3)各组观测指标方差相等。
在实际中由于方差分析具有稳健性,因此对正态性的条件要求不是很严格,但是对方差齐的要求比较严格。
3. 本例只是得出了3组总体均数之间差异具有统计学意义,并不意味着任意2组之间的均数差异都具有统计学意义。要想进一步了解哪两个组间的ALT水平存在差异,还需要进一步做样本均数之间的多重比较。SPSS统计软件提供了很多种用于两两比较的方法,包括Bonferroni法、S-N-K法、Tukey法等。之所以有这么多种方法,是因为目前还没有一种在任何条件下都适用、而且效果好的方法,这些方法都是从不同角度上控制多重比较时I型错误的发生概率。
来CDA学业务数据分析师,SPSS理论结合实战进行项目数据分析,助你成为从事数据采集、清洗、处理、分析并能制作业务报告、提供决策的新型数据分析人才,点击了解课程详情!
数据分析师一定要了解的大厂入门券,CDA数据分析师认证证书!
CDA(数据分析师认证),与CFA相似,由国际范围内数据科学领域行业专家、学者及知名企业共同制定并修订更新,迅速发展成行业内长期而稳定的全球大数据及数据分析人才标准,具有专业化、科学化、国际化、系统化等特性。
同时,CDA全栈考试布局和认证体系已得到教育部直属中国成人教育协会及大数据专业委员会认可,并由为IBM、华为等提供全球认证服务的Pearson VUE面向全球提供灵活的考试服务。
报名方式
登录CDA认证考试官网注册报名>>点击报名
报名费用
Level Ⅰ:1200 RMB
Level Ⅱ:1700 RMB
Level Ⅲ:2000 RMB
考试地点
Level Ⅰ:中国区30+省市,70+城市,250+考场,考生可就近考场预约考试 >看看我所在的地哪里报名<
Level Ⅱ+Ⅲ:中国区30所城市,北京/上海/天津/重庆/成都/深圳/广州/济南/南京/杭州/苏州/福州/太原/武汉/长沙/西安/贵阳/郑州/南宁/昆明/乌鲁木齐/沈阳/哈尔滨/合肥/石家庄/呼和浩特/南昌/长春/大连/兰州>看看我所在的地哪里报名<
报考条件
业务数据分析师 CDA Level I >了解更多<
▷ 报考条件:无要求。
▷ 考试时间:随报随考。
建模分析师 CDA Level II >了解更多<
▷ 报考条件(满足任一即可):
1、获得CDA Level Ⅰ认证证书;
2、本科及以上学历,需从事数据分析相关工作1年以上;
3、本科以下学历,需从事数据分析相关工作2年以上。
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
▷ 报考条件(满足任一即可):
1、获得CDA Level Ⅰ认证证书;
2、本科及以上学历,需从事数据分析相关工作1年以上;
3、本科以下学历,需从事数据分析相关工作2年以上。
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
数据科学家 CDA Level III >了解更多<
▷ 报考条件(满足任一即可):
1、获得CDA Level Ⅱ认证证书;
2、本科及以上学历,需从事数据分析相关工作3年以上;
3、本科以下学历,需从事数据分析相关工作4年以上。
▷ 考试时间:
一年四届 3月、6月、9月、12月的最后一个周六。
(备注:数据分析相关工作不限行业,可涉及统计,数据分析,数据挖掘,数据库,数据管理,大数据架构等内容。)
——热门课程推荐:
想学习PYTHON数据分析与金融数字化转型精英训练营,您可以点击>>>“人才转型”了解课程详情;
想从事业务型数据分析师,您可以点击>>>“数据分析师”了解课程详情;
想从事大数据分析师,您可以点击>>>“大数据就业”了解课程详情;
想成为人工智能工程师,您可以点击>>>“人工智能就业”了解课程详情;
想了解Python数据分析,您可以点击>>>“Python数据分析师”了解课程详情;
想咨询互联网运营,你可以点击>>>“互联网运营就业班”了解课程详情;
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
ALTER TABLE ADD 多个 INDEX:数据库批量索引优化的高效实践 在数据库运维与性能优化中,索引是提升查询效率的核心手段。当业务 ...
2025-08-27Power BI 去重函数:数据清洗与精准分析的核心工具 在企业数据分析流程中,数据质量直接决定分析结果的可靠性。Power BI 作为主 ...
2025-08-27CDA 数据分析师:数据探索与统计分析的实践与价值 在数字化浪潮席卷各行业的当下,数据已成为企业核心资产,而 CDA(Certif ...
2025-08-27t 检验与 Wilcoxon 检验:数据差异比较的两大统计利器 在数据分析中,“比较差异” 是核心需求之一 —— 如新药疗效是否优于旧药 ...
2025-08-26季节性分解外推法:解锁时间序列预测的规律密码 在商业决策、资源调度、政策制定等领域,准确的预测是规避风险、提升效率的关键 ...
2025-08-26CDA 数据分析师:数据治理驱动下的企业数据价值守护者 在数字经济时代,数据已成为企业核心战略资产,其价值的释放离不开高 ...
2025-08-26基于 SPSS 的 ROC 曲线平滑调整方法与实践指南 摘要 受试者工作特征曲线(ROC 曲线)是评估诊断模型或预测指标效能的核心工具, ...
2025-08-25神经网络隐藏层神经元个数的确定方法与实践 摘要 在神经网络模型设计中,隐藏层神经元个数的确定是影响模型性能、训练效率与泛 ...
2025-08-25CDA 数据分析师与数据思维:驱动企业管理升级的核心力量 在数字化浪潮席卷全球的当下,数据已成为企业继人力、物力、财力之后的 ...
2025-08-25CDA数据分析师与数据指标:基础概念与协同逻辑 一、CDA 数据分析师:数据驱动时代的核心角色 1.1 定义与行业价值 CDA(Certified ...
2025-08-22Power Query 移动加权平均计算 Power Query 移动加权平均设置全解析:从原理到实战 一、移动加权平均法的核心逻辑 移动加权平均 ...
2025-08-22描述性统计:CDA数据分析师的基础核心与实践应用 一、描述性统计的定位:CDA 认证的 “入门基石” 在 CDA(Certified Data Analy ...
2025-08-22基于 Python response.text 的科技新闻数据清洗去噪实践 在通过 Python requests 库的 response.text 获取 API 数据后,原始数据 ...
2025-08-21基于 Python response.text 的科技新闻综述 在 Python 网络爬虫与 API 调用场景中,response.text 是 requests 库发起请求后获取 ...
2025-08-21数据治理新浪潮:CDA 数据分析师的战略价值与驱动逻辑 一、数据治理的多维驱动引擎 在数字经济与人工智能深度融合的时代,数据治 ...
2025-08-21Power BI 热力地图制作指南:从数据准备到实战分析 在数据可视化领域,热力地图凭借 “直观呈现数据密度与分布趋势” 的核心优势 ...
2025-08-20PyTorch 矩阵运算加速库:从原理到实践的全面解析 在深度学习领域,矩阵运算堪称 “计算基石”。无论是卷积神经网络(CNN)中的 ...
2025-08-20数据建模:CDA 数据分析师的核心驱动力 在数字经济浪潮中,数据已成为企业决策的核心资产。CDA(Certified Data Analyst)数据分 ...
2025-08-20KS 曲线不光滑:模型评估的隐形陷阱,从原因到破局的全指南 在分类模型(如风控违约预测、电商用户流失预警、医疗疾病诊断)的评 ...
2025-08-20偏态分布:揭开数据背后的非对称真相,赋能精准决策 在数据分析的世界里,“正态分布” 常被视为 “理想模型”—— 数据围绕均值 ...
2025-08-19