Статистический анализ для диссертаций на заказ
Статистика в медицинских и биологических исследованиях Статьи по статистическому анализу Диссертации Книги для научной работы Статистический анализ для диссертаций на заказ
заказать статистический анализ для диссертации

Статистический анализ для диссертаций на заказ

Мы консультируем по всем вопросам статистического анализа в медико-биологических исследованиях, и, при необходимости, помогаем его провести 

Подробнее>>>


 

 


Заказать статистический анализ для диссертации Обратная связь

SiteHeart

278679709

 

Величины, характеризующие эффект воздействия

Другой не менее показательный пример связан с использованием метода регрессии для демонстрации наличия эффекта от проводимой терапии. Предположим, проводится гипотетическое неконтролируемое исследование выдуманного препарата, скажем, для нормализации систолического давления. Пусть исходная выборка пациентов состоит из пациентов как с повышенным, так и пониженным давлением. Мы измеряем систолическое давление каждому пациенту 2 раза: до и после проведения терапии; после окончания исследования для всех пациентов рассчитываем среднее давление до и среднее давление после. К нашему удивлению, разница между этими величинами практически равна нулю, поскольку измерения ДО повышенного и пониженного давления дали в среднем нормальное, а ПОСЛЕ - давление нормализовалось в результате терапии. Значит, если бы мы таким образом оценивали эффект терапии, он оказался бы нулевым. Среднее арифметическое попарных разностей также равнялось бы нулю. Использовать в данном случае корреляционный анализ также бесполезно. Теперь попробуем обозначить на регрессионной плоскости измерения наших пациентов в координатах давление до — давление после и проведем прямую из начала координат Y= X (рис. 1).

 

Величины, характеризующие эффект воздействия

Рис. 1. Измерения давления ДО и ПОСЛЕ терапии в регрессионных координатах. Условная регрессионная линия проходит параллельно оси абсцисс. Прямая Y=X на этом графике представляет собой диагональ регрессионной плоскости. По оси абсцисс — измерения ДО; по оси ординат — измерения ПОСЛЕ.

 

 

Можно заметить, что пациенты, имевшие исходно низкое давление, повысили его (соответствующие точки на графике лежат выше прямой Y= X), пациенты же с исходно высоким давлением его понизили (их точки лежат ниже этой прямой). Если бы давление у пациентов не менялось в результате терапии, на таком графике точки располагались бы вдоль прямой Y= X. В нашем случае результат, заключающийся в нормализации давления, на графике представляется в виде горизонтальной условной регрессионной линии, построенной по имеющимся данным и соответствующей нормальным значениям давления ПОСЛЕ. Таким образом, метод регрессии, демонстрируя вариацию изучаемых данных, в то же время может дать наглядное представление о наличии эффекта терапии в подобных ситуациях. Однако, рассматривая подробнее регрессионный анализ в соответствующем разделе, мы объясним, почему не рекомендуется в случае, когда непонятно, какую переменную считать зависимой, а какую — независимой (случай сравнения результатов измерения двумя приближенными методами или случай повторных измерений), рассчитывать линию регрессии между такими переменными. Здесь, строго говоря, расположение результатов измерений на регрессионной плоскости используется только для демонстрации имеющегося эффекта.

Еще одна интересная задача возникает при необходимости сравнения результатов двух непрямых методов измерения или проверки согласованности повторных измерений, выполненных одним и тем же методом. Поскольку в данном случае невозможно принять какой-то метод измерения за эталонный, обычно для каждой связанной пары измерений определяют ее разность. Систематическое расхождение результатов оценивается с помощью средней разности, как обычно, дисперсия разности (или соответствующее среднее квадратичное отклонение) — степень разброса результатов. Понятно, что, если измерения действительно согласованы и систематические расхождения отсутствуют, средняя разность будет несущественно отличаться от нуля (с учетом рассчитанной оценки дисперсии). Стандартное отклонение разности также не должно быть слишком велико по сравнению с самими значениями. Кроме того, не должно быть выраженной зависимости парных разностей измерений от величины измеряемого признака. Коэффициент корреляции между измерениями, выполненными различными способами, должен быть близок к 1. Это практически единственный подход к анализу данных такого типа, который принимает во внимание сразу 3 статистические характеристики: среднее значение, вариацию и корреляцию. Еще раз хотим подчеркнуть, что коэффициент корреляции между измерениями, даже если он принимает значения достаточно большие (по модулю близкие к 1), не может использоваться в качестве единственного показателя для анализа данных такого типа. Регрессионный анализ в такой ситуации также неприменим, поскольку неизвестно, какую переменную считать зависимой, а какую — независимой. Однако в регрессионных координатах результаты измерений должны располагаться вдоль прямой Y=X.

 

<Предыдущая страница | Оглавление>

 

 

 

 

  заказать статистический анализ для диссертации
Статистический анализ для диссертаций на заказ

Рейтинг@Mail.ru