Bài giảng Thực hành phân tích số liệu với phần mềm SPSS - Trần Thế Trung

Thực hành phân tích số liệu với phần mềm SPSS ThS.BS. Trần Thế TrungBộ môn Nội TiếtĐại học Y Dược TP.HCM Các mục tiêu thực hành  Nhập và gán các đặc tính cho các biến số định tính (như giới), định lượng (tuổi, chiều cao, cân nặng, chỉ số HbA1c)  Thực hiện tính toán các biến số mới: chỉ số BMI, phân độ cân nặng dựa trên BMI, phân loại mức độ đường huyết dựa trên HbA1c  Xử lý thống kê mô tả: tỉ lệ (giới tính), trung bình, trung vị, độ lệch chuẩn (của tuổi, chiều cao, cân nặng, HbA1c, BMI)  So sánh hai trung bình bằng t-test: HbA1c giữa hai nhóm theo biến số giới tính (nam, nữ) Các mục tiêu thực hành  Thực hiện phép kiểm chi-bình phương: so sánh tỉ lệ thừa cân, tỉ lệ kiểm soát tốt HbA1c theo giới tính  Phân tích tương quan Pearson và Spearman: giữa BMI và HbA1c, giữa tuổi và HbA1c, giữa giới tính và HbA1c  Hồi qui logistic với biến số phụ thuộc là (HbA1c = 7), biến số độc lập bao gồm: tuổi, giới và BMI Nội dung 1. Mở ứng dụng SPSS: làm quen các cửa sổ 2. Chuẩn bị số liệu3. Nhập số liệu: trực tiếp hoặc từ tập tin Excel. Định dạng các đặc tính của biến số.Tính toán các biến số mới: BMI, mức HbA1c 4. Phân tích mô tả: tỉ lệ, trung bình, độ lệch chuẩn5. So sánh trung bình: t-test6. So sánh tỉ lệ: chi-bình phương7. Phân tích tương quan: Pearson và Spearman8. Hồi qui logistic và chỉ số OR 1. Cửa sổ chính SPSS Hai tab chính: - Data view - Variable view Menu các lệnh Cửa sổ Đầu ra (Output) 2. Chuẩn bị số liệu: ví dụ  Các biến số định tính: – Giới tính: nam (M) hoặc nữ (F)– Định nghĩa: nam = 1, nữ = 2  Các biến số định lượng: – Tuổi: làm tròn số nguyên, không có số thập phân– Chiều cao: đơn vị cm, số nguyên– Cân nặng: kg, một số thập phân– BMI: tính từ cân nặng và chiều cao– HbA1c: một số thập phân Ví dụ bảng số liệu STT Họtên Tuổi Giới Ccao Cnang BMI HbA1c 1 NVT 43 M 165 66 7,6 2 TBT 56 M 159 69 6,5 3 TTNY 19 M 148 45 6,9 4 HNC 68 M 178 76 8,1 5 BMN 71 F 161 78 7,2 6 TTKO 40 F 149 55 5,8 7 TTKH 59 F 154 61 6,6 8 NTKK 28 F 158 70 6,4 9 TMH 49 M 165 49 7,8 10 LTNH 68 M 150 62 8,4 11 LTTT 36 M 172 58 8,0 12 TRR 51 F 174 66 7,9 3. Nhập số liệu trực tiếp Nhập tên biến số Nhập tên biến số: không có khoảng trắng Chọn tab Variable view 3. Nhập số liệu trực tiếpĐịnh dạng biến số Chọn số lượng chữ số thập phân 3. Nhập số liệu trực tiếp Gán giá trị cho biến định tính Chọn Values của biến số Gender: Gán định nghĩa 1 = Male, 2 = Female 3. Nhập số liệu trực tiếp Chọn loại thang đo Chọn thang đo lường: Ordinal, Nominal hay Scale cho từng biến số 3. Nhập số liệu trực tiếp Biến số dạng văn bản (họ tên) Biến số dạng chữ viết (như họ tên): chọn Type là String và Width phù hợp 3. Nhập số liệu trực tiếp Nhập số liệu vào Data view Chọn tab Data view Thực hiện nhập số liệu vào các ô 3. Nhập số liệu từ Excel Chọn File -> Open -> Data Chọn Files of type: Excel 3. Nhập số liệu từ Excel Sau đó, chọn Variable view để chỉnh sửa các đặc tính của biến số 3. Nhập số liệu Tính toán biến số mới  Tạo biến số mới: – BMI = (cân nặng-kg)/(chiều cao-m)^2– A1c_7: có 2 giá trị= 1: nếu HbA1c 7% Transform -> Compute Variable 3. Nhập số liệu Tính biến số mới Nhập tên biến sốXây dựng biểu thức tính 3. Nhập số liệu Tính biến số mới: A1c_7  Tên biến số: A1c_7Hai giá trị 0 và 10 : nếu HbA1c > 7%1 : nếu HbA1c Recode into Different Variable 3. Nhập số liệu Tính biến số mới Nhập các giá trị biến số cũ và mới. 3. Nhập số liệu Tính biến số mới  Tự thực hành: tạo biến số mới  Tên biến số: Weight_grade  Các giá trị:1: nếu BMI 18,5 và 23  Hướng dẫn: chọn Transform -> Recode into Different Variable 4. Phân tích mô tả Frequencies  Analyze -> Descriptive Statistics -> Frequencies 4. Phân tích mô tả Frequencies Chọn các biến số từ danh sách 4. Phân tích mô tả Frequencies: kết quả 4. Phân tích mô tả Descriptive  Analyze -> Descriptive Statistics -> Descriptives 4. Phân tích mô tả Descriptive Chọn các biến số từ danh sách Vào Options để chọn 4. Phân tích mô tả 5. So sánh trung bình: t-test  Nhiệm vụ: so sánh trung bình HbA1c giữa nam và nữ  Analyze -> Compare Means -> Independent-Samples T Test 5. So sánh trung bình: t-test Vào Define Groups để chọn nhóm so sánh Chọn Gender vào Grouping Variable Chọn HbA1c vào Test Variable(s) 5. So sánh trung bình: t-test P-value (2 đuôi) Các thông số về hai nhóm có thể xem ở đây (n, trung bình, độ lệch chuẩn) Mức khác biệt giữa 2 nhóm 6. So sánh tỉ lệ: Phép kiểm Chi-bình phương  Mục tiêu: so sánh tỉ lệ đạt HbA1c <= 7% của hai giới, nam và nữ  Analyze -> Descriptive Statistics-> Crosstabs 6. So sánh tỉ lệ: Phép kiểm Chi-bình phương Chọn các biến số đưa vào ô Row(s) và Column(s) Nhấn vào nút Statistics để mở cửa sổ và chọn Chi-square 6. So sánh tỉ lệ: Phép kiểm Chi-bình phương Giá trị p-value của phép kiểm Chi-square 7. Phân tích tương quan hệ số tương quan r-Pearson và Spearman  Nhiệm vụ: Tính hệ số tương quan r-Pearson giữa BMI và HbA1c  Analyze -> Correlate -> Bivariate 7. Phân tích tương quan hệ số tương quan r-Pearson và Spearman Chọn các biến (HbA1c, BMI) đưa vào ô Variables Chọn hệ số tương quan phù hợp (trường hợp này là Pearson) Bấm vào nút OK sau khi chọn xong 7. Phân tích tương quan hệ số tương quan r-Pearson và Spearman Kết quả: hệ số tương quan r và trị số p (2 đuôi) Cách làm tương tự với hệ số tương quan Spearman (phi tham số) 7. Phân tích tương quan hệ số tương quan r-Pearson và Spearman Tự thực hành:  Tính hệ số tương quan giữa: – Tuổi và HbA1c– Giới và HbA1c 8. Phân tích hồi qui logistic Các điều kiện và khái niệm  Biến số phụ thuộc: phải có hai giá trị 0 và 1 – A1c_7: gồm có 0 (HbA1c > 7%) và 1 (HbA1c <=7%)  Biến độc lập: – Giới (biến định danh)– Tuổi– BMI  Nhiệm vụ: – Phân tích hồi qui logistic đơn biến với từng biến độc lập– Phân tích hồi qui logistic đa biến 8. Phân tích hồi qui logistic Phân tích đơn biến  Analyze -> Regression -> Binary Logistic 8. Phân tích hồi qui logistic Phân tích đơn biến 1.Chọn biến số phụ thuộc (A1c_7) 2.Chọn biến số độc lập (Gender) 3. Chọn Categorical để gán đặc tính cho biến Gender 4. Vào Options để chọn 95%CI cho OR 8. Phân tích hồi qui logistic kết quả đơn biến OR và 95%CI Kết quả: OR chính là Exp(B) và 95%CI P-value của OR 8. Phân tích hồi qui logistic Phân tích đơn biến Tự thực hành:  Phân tích đơn biến với hai biến số còn lại: – BMI– Tuổi 8. Phân tích hồi qui logistic Phân tích đa biến: chú ý bước (2) 1.Chọn biến số phụ thuộc (A1c_7) 2.Chọn các biến số độc lập (Gender, Age, BMI) 3. Chọn Categorical để gán đặc tính cho biến Gender 4. Vào Options để chọn 95%CI cho OR 8. Phân tích hồi qui logistic Kết quả đa biến OR và 95%CI Kết quả: OR = Exp(B) của các biến số và 95%CI P-value của OR của từng biến số Q & A Câu hỏi và Thảo luận