★ ありがとうございます。 ★

 268 ありがとうございます。  けいすけ  2003/04/10 (木) 13:53
  270 Re: ありがとうございます。  sb812109  2003/04/10 (木) 23:25


268. ありがとうございます。  けいすけ  2003/04/10 (木) 13:53
擬似相関に関するコメントとても参考になりました。
みなさん本当にありがとうございました。

ついでにもうひとつ質問なのですが,単回帰分析を行った後に,他の説明変数(質的変数)が目的変数に影響を与えていることがわかりました。この質的変数を取りこんで重回帰式を求めると,単回帰式のときより残差平方和が減少しました。

そして,その質的変数を追加したことにより目的変数が有意に違うかどうかの検定を行いました。その結果は有意でした。

このような場合の考え方はこれでよいのでしょうか?他にも確認する方法があるのでしょうか?

     [このページのトップへ]


270. Re: ありがとうございます。  sb812109  2003/04/10 (木) 23:25
> このような場合の考え方はこれでよいのでしょうか?

良いような,ちょっと心もとないような,,,。

擬似相関
   曝露と疾病の関係が,交絡因子により歪められることです。

回帰分析と曝露,疾病,交絡因子モデル
 
   疾病(肺癌)= β0+β1*曝露(喫煙)+ β2*交絡因子1(年齢)+ β3*交絡因子2+

   臨床疫学の興味は,ただ1つ,β1!=0 と見なして良いか否か。つまり,交絡因子(偽相関)の影響を調整した後も,曝露の回帰係数が有意か否かです。

モデルの分類
  単変量解析:説明変数が1個
  多変量解析:説明変数が2個以上

  単回帰分析(目的変数:continuous):単変量線形回帰分析(多分)
  重回帰分析(目的変数:continuous):多変量線形回帰分析(多分)
  多重ロジスティック回帰分析(目的変数:binary):多変量ロジスティック回帰分析
  対数線形回帰分析(目的変数:count)

  1)単変量か多変量か。
  2)目的変数がどの様に表現されているか(誤差がとる分布)
  で分類するとすっきりするのでは,ないかと思います。なお,説明変数の表現法と統計モデルの分類とは,関係ありません。

     [このページのトップへ]


● 「統計学関連なんでもあり」の過去ログ--- 024 の目次へジャンプ
● 「統計学関連なんでもあり」の目次へジャンプ
● 直前のページへ戻る