-
回答了问题2018-05-06 13:58:27正如这里的标题“回归系数的相关系数矩阵”，因为这里只有两个指标，所以只有1个相关系数，解释跟Pearson相关系数一样的，说明两个变量回归系数的相关性强弱和方向，比如这里-0.027代表负相关，但是因为绝对值太小，事实上不能认为两个变量存在使用cox进行生存分析，勾选了correlation，请问出来的结果要如何解读？
-
回答了问题2018-05-06 13:49:33教你用R画列线图，形象展示预测模型的结果 试试~这种诺谟图是怎么做的？好像是用COX模型中的数据
-
回答了问题2018-05-06 13:47:19额，变量之间的关系一般就分成线性和非线性两种，可以先看看散点图，对于非线性关系比较复杂，有二次（抛物线），三次（S型曲线）等等，这个就需要结合散点图来判断，一个一个试试，看看哪一种拟合的效果更好~分析期刊论文的标题长度与下载次数、被引频次的关系，发现标题长度与其他两者不是线性
-
回答了问题2018-05-06 13:44:31医咖会公众号已经对这部分问题做了一些修正有序Logistic回归的SPSS操作，对教程做了一些更新有序logistc的简版和详细版对于因变量的解释是相反的！！简版里面的结果解释正
-
回答了问题2018-05-06 13:38:56任何统计分析或者数据整理都需要考虑样本量的问题，对PA也是一样，样本量太小，拟合的模型自然也就不会很靠谱儿（医咖会微信公众号最近也推送了很多模型评价的文章，可以去瞅瞅），所以的用ps来代替其他变量的基础也就没有了~总之，PA也是要考虑样本量老师，您好，看完这个知识点我有个疑惑，在研究罕见疾病时，样本量很小，但自变量很多
-
回答了问题2018-05-06 13:33:53因为两个变量为有序分类变量，对于这样两个变量之间的相关性分析，自然是要用spearman相关分析，所以这里应该是作者没有考虑变量类型，解释不当~"要判断线性相关的强度和方向，需要查看Pearson相关系数" ，我在白话统
-
回答了问题2018-05-06 13:29:57一个解决方案就是分别对两个指标作roc曲线分析，导出相应的“灵敏度”和“1-特异度”数据，注意这里呈负相关的指标，在作roc曲线时，结局指标赋值反置，比如“0=否，1=是”赋值修改为“0=是，0=否”，这样roc曲线会在机会线的上方（凸出来老师您好，最近在用SPSS做ROC曲线时遇到这样的问题，我想做的两个预测值，一个
-
回答了问题2018-05-06 13:22:29不同的统计分析软件或者教科书上对于离群值和异常值的界定也不是完全同一的，这里需要明确一点，“异常”是相对的，所以个人觉得很难一把尺子搞定~如果使用SPSS进行数据分析，这是SPSS当中相应的判断标准：Outliers 以及SPSS中对于箱式关于箱式图，我有几点疑问，箱式图的异常点判定，书上说大于或小于四分位数加减1.5
-
回答了问题2018-05-05 20:02:12重新安装psm插件大家好！有一个问题向大家请教，希望可以多多指导：
-
回答了问题2018-05-05 18:46:02前提是这里多重线性回归使用满足前提假设，具体可以参考网站教程；其次，需要考虑没有多因素分析没有统计学意义，是不是样本量不足，具体看回归系数的标准误是否较大（甚至远大于回归系数本身）；最后，需要考虑该变量在之前文献有无报道过，临床上能不能解释分析多种影响因素的影响时，将单因素中p大于0.15的影响因素纳入多重线性回归时，
