Регрессионный анализ корелляции субъективного ВАШ и лабораторных признаков активности реактивного артрита
После вычислений получаем:
p = 0.3222
Таблица №1.6.2. Дисперсионный анализ по одному признаку.
| Компонента дисперсии |
Сумма квадратов |
Степень свободы |
Средний квадрат |
| Между выборками | 1701.7 | 3 | 567.223 |
| Остаточная | 85230.9 | 176 | 484.266 |
| Полная | 86932.5 | 179 | ----- |
p>pкр
Вывод:
Следовательно мы принимаем нулевую гипотезу. т.е. можно предположить что при 5% уровне значимости ВАШСП не зависит от инфекции вызывающей реактивный артрит.
В связи с тем что не один из показателей активности заболевания а также показатели ВАШ не зависят от инфекции предшествующей реактивному артриту дальнейшее разделение данных на группы можно считать не целесообразным.
2 Множественная линейная регрессия
Общее назначение множественной регрессии (этот термин был впервые использован в работе Пирсона - Pearson. 1908) состоит в анализе связи между несколькими независимыми переменными (называемыми также регрессорами или предикторами) и зависимой переменной.
В общественных и естественных науках процедуры множественной регрессии чрезвычайно широко используются в исследованиях. В общем. множественная регрессия позволяет исследователю задать вопрос (и. вероятно. получить ответ) о том. "что является лучшим предиктором для...".
Общая вычислительная задача. которую требуется решать при анализе методом множественной регрессии. состоит в подгонке прямой линии к некоторому набору точек.В многомерном случае. когда имеется более одной независимой переменной. линия регрессии не может быть отображена в двумерном пространстве. однако она также может быть легко оценена. В общем случае. процедуры множественной регрессии будут оценивать параметры линейного уравнения вида:
Y = a + b1*X1 + b2*X2 + ... + bp*Xp
Регрессионные коэффициенты (или B-коэффициенты) представляют независимые вклады каждой независимой переменной в предсказание зависимой переменной.
Линия регрессии выражает наилучшее предсказание зависимой переменной (Y) по независимым переменным (X). Однако обычно имеется существенный разброс наблюдаемых точек относительно подогнанной прямой. Отклонение отдельной точки от линии регрессии (от предсказанного значения) называется остатком.
Чем меньше разброс значений остатков около линии регрессии по отношению к общему разбросу значений. тем. очевидно. лучше прогноз. Например. если связь между переменными X и Y отсутствует. то отношение остаточной изменчивости переменной Y к исходной дисперсии равно 1.0. Если X и Y жестко связаны. то остаточная изменчивость отсутствует. и отношение дисперсий будет равно 0.0. В большинстве случаев отношение будет лежать где-то между этими экстремальными значениями. т.е. между 0.0 и 1.0. 1.0 минус это отношение называется R-квадратом или коэффициентом детерминации. Это значение непосредственно интерпретируется следующим образом. Значение R-квадрата является индикатором степени подгонки модели к данным (значение R-квадрата близкое к 1.0 показывает. что модель объясняет почти всю изменчивость соответствующих переменных).
Обычно. степень зависимости двух или более предикторов (независимых переменных или переменных X) с зависимой переменной (Y) выражается с помощью коэффициента множественной корреляции R. По определению он равен корню квадратному из коэффициента детерминации. Это неотрицательная величина. принимающая значения между 0 и 1. Для интерпретации направления связи между переменными смотрят на знаки (плюс или минус) регрессионных коэффициентов или B-коэффициентов. Если B-коэффициент положителен. то связь этой переменной с зависимой переменной положительна; если B-коэффициент отрицателен. то и связь носит отрицательный характер. Конечно. если B-коэффициент равен 0. связь между переменными отсутствует.
Прежде всего. как это видно уже из названия множественной линейной регрессии. предполагается. что связь между переменными является линейной. На практике это предположение. в сущности. никогда не может быть подтверждено; к счастью. процедуры множественного регрессионного анализы в незначительной степени подвержены воздействию малых отклонений от этого предположения.
Основное концептуальное ограничение всех методов регрессионного анализа состоит в том. что они позволяют обнаружить только числовые зависимости. а не лежащие в их основе причинные связи.
Важность анализа остатков. Хотя большинство предположений множественной регрессии нельзя в точности проверить. исследователь может обнаружить отклонения от этих предположений. В частности. выбросы (т.е. экстремальные наблюдения) могут вызвать серьезное смещение оценок. "сдвигая" линию регрессии в определенном направлении и тем самым. вызывая смещение регрессионных коэффициентов. Часто исключение всего одного экстремального наблюдения приводит к совершенно другому результату.
Используя Matlab найдем уравнение множественной регрессии для нахождения зависимости ВАШБП и ВАШСП от других показателей а также найдем коэффициент корреляции для определения зависимости между данными выборками и критерий Фишера для определения уровня доверия к полученному уравнению.
Аппарат множественной линейной регрессии реализуется в Matlab при помощи функции regress. Анализ основывается на нахождении коэффициентов b уравнения вида:
y = b0 + b1x1 + b2x2 + b3x3 + ... + bnxn
Методом наименьших квадратов.
Входными данными для программы будут:
Матрица X по одному измерению равная длине вектора Y (ВАШБП, ВАШСП), а по другому количеству переменных, по которым должна предсказываться переменная “Y” плюс один. Ещё один столбик нам понадобиться для того, чтобы matlab мог по нему рассчитать свободный член уравнения b0, расположен он должен быть первым и заполнен единицами. Т.е. 2-й столбец матрицы X это значения Hb, 3-й столбец значения СОЭ, 4-й значения СРБ и 5-й Фибриноген.
Y – значения ВАШ (ВАШБП, ВАШСП)
Функция regress задается следующим образом:
[b.bint.r.rint.stats] = regress(y.X.0.01)
regress(y.X.0.01) – означает что мы будем искать зависимость Y от Х и с вероятностью 99% коэффициенты b будут принадлежать рассчитанным нами доверительным интервалам.
Выходные данные:
Вектор коэффициентов b.
Матрица bint. содержащая 99% доверительные интервалы для b.
Вектор r (длина которого равна длине Y). содержащий остатки. т.е. разницу между исходными значениями Y. и рассчитанными по полученному уравнению регрессии.
Матрицу rint. содержащую значения 99% доверительного интервала для r
Вектор stats. состоящий из следующих 4 характеристик:
первое значение – коэффициент множественной корреляции R2. показывающий связь исходных данных y и рассчитанных по полученному уравнению. другими словами – это коэффициент. показывающий на сколько хорошо «работает» полученное уравнение. Чем ближе это значение к единице. тем лучше.
второе значение – F-статистика (её ещё называют критерием Фишера).
третье значение – p. табличное значение критерия Фишера при данных степенях свободы. Если критерий Фишера выше этого значения. то уравнению можно верить.
четвёртое значение – оценка дисперсии ошибок
I) рассчитаем уравнение множественной линейной регрессии для ВАШБП
После выполнения расчетов для ВАШБП получили следующие переменные:
|
b |
bint |
r |
rint |
||
| 42.1283 | 1.8780 | 82.3786 | -21.9027 | -73.5518 | 29.7465 |
| -0.1015 | -0.3855 | 0.1824 | -10.4547 | -62.2125 | 41.3031 |
| 0.2908 | -0.1418 | 0.7233 | 14.2154 | -36.8404 | 65.2711 |
| 0.0326 | -0.0177 | 0.0829 | -18.2805 | -68.5417 | 31.9806 |
| 0.7105 | -3.0313 | 4.4524 | 1.2654 | -50.5643 | 53.0951 |
| 45.7534 | -5.3326 | 96.8394 | |||
| -14.6868 | -66.0309 | 36.6572 | |||
| 7.2762 | -44.4701 | 59.0225 | |||
| 44.4133 | -6.6808 | 95.5074 | |||
| -5.6498 | -57.3639 | 46.0644 | |||
| 10.6615 | -40.5673 | 61.8902 | |||
| 41.4956 | -9.2270 | 92.2183 | |||
| 5.2307 | -46.4949 | 56.9564 | |||
| 14.2893 | -37.3388 | 65.9175 | |||
| -16.9757 | -64.8977 | 30.9463 | |||
| -1.7014 | -52.3459 | 48.9432 | |||
| 11.3454 | -40.2887 | 62.9794 | |||
| 18.1895 | -33.3589 | 69.7380 | |||
| -24.8022 | -75.9894 | 26.3849 | |||
| 4.1667 | -47.1548 | 55.4881 | |||
| 7.4767 | -44.4040 | 59.3575 | |||
| 53.4995 | 2.7606 | 104.2384 | |||
| -8.4099 | -60.1502 | 43.3304 | |||
| -8.1185 | -59.1222 | 42.8851 | |||
| 34.8356 | -16.4892 | 86.1604 | |||
| 7.3277 | -44.1261 | 58.7815 | |||
| -1.1282 | -52.7224 | 50.4660 | |||
| -22.7002 | -73.0690 | 27.6685 | |||
| 35.3231 | -15.4605 | 86.1067 | |||
| 12.1224 | -39.4234 | 63.6682 | |||
| 23.2364 | -28.4547 | 74.9275 | |||
| 2.0986 | -49.7444 | 53.9416 | |||
| 3.3639 | -48.4351 | 55.1629 | |||
| -35.4930 | -86.7043 | 15.7183 | |||
| 15.7701 | -35.8987 | 67.4389 | |||
| 1.9511 | -49.4156 | 53.3179 | |||
| 1.2643 | -37.9653 | 40.4940 | |||
| 2.8817 | -47.4120 | 53.1755 | |||
| 27.5456 | -23.6290 | 78.7202 | |||
| 8.0058 | -43.8027 | 59.8144 | |||
| 26.1533 | -25.0770 | 77.3836 | |||
| -11.6135 | -63.2959 | 40.0690 | |||
| 14.2769 | -37.5125 | 66.0664 | |||
| -5.0043 | -56.8847 | 46.8760 | |||
| 21.7829 | -29.7810 | 73.3468 | |||
| 27.4824 | -23.6602 | 78.6249 | |||
| -15.3203 | -66.5536 | 35.9129 | |||
| 36.8308 | -14.3416 | 88.0032 | |||
| 21.9905 | -29.7372 | 73.7183 | |||
| -0.3487 | -52.1580 | 51.4607 | |||
| -14.4565 | -65.3638 | 36.4507 | |||
| 2.2326 | -49.4426 | 53.9079 | |||
| -23.0332 | -74.5239 | 28.4574 | |||
| 16.0495 | -35.4532 | 67.5522 | |||
| -21.3666 | -72.7803 | 30.0472 | |||
| -5.9001 | -57.5397 | 45.7395 | |||
| -13.5376 | -63.5547 | 36.4796 | |||
| 7.2019 | -44.2296 | 58.6334 | |||
| -7.2965 | -59.0702 | 44.4772 | |||
| -31.3225 | -82.2665 | 19.6215 | |||
| 24.7206 | -26.5090 | 75.9502 | |||
| 12.0085 | -29.4721 | 53.4890 | |||
| -14.3362 | -66.1232 | 37.4507 | |||
| -19.4698 | -71.0521 | 32.1125 | |||
| -16.1754 | -66.8306 | 34.4799 | |||
| 8.0639 | -43.7532 | 59.8809 | |||
| -12.2995 | -64.1466 | 39.5476 | |||
| 13.9893 | -37.7707 | 65.7493 | |||
| -16.2954 | -67.9216 | 35.3308 | |||
| -12.3199 | -64.0425 | 39.4027 | |||
| -4.7723 | -56.3885 | 46.8438 | |||
| -7.6406 | -59.3361 | 44.0548 | |||
| -20.2521 | -71.7464 | 31.2422 | |||
| 2.3469 | -49.4690 | 54.1627 | |||
| 39.2104 | -11.8405 | 90.2614 | |||
| -16.6829 | -68.1490 | 34.7832 | |||
| -27.6404 | -79.0945 | 23.8136 | |||
| 0.6820 | -50.1330 | 51.4970 | |||
| -30.4212 | -81.9717 | 21.1294 | |||
| -31.1453 | -82.5884 | 20.2978 | |||
| -24.1908 | -75.6191 | 27.2374 | |||
| 18.2420 | -33.1537 | 69.6377 | |||
| 7.2360 | -43.3212 | 57.7931 | |||
| -25.8891 | -77.5028 | 25.7247 | |||
| -29.9523 | -81.4193 | 21.5148 | |||
| -13.5789 | -65.3925 | 38.2347 | |||
| -23.7983 | -75.2594 | 27.6627 | |||
| -9.3176 | -61.0193 | 42.3841 | |||
| -12.2236 | -64.0984 | 39.6512 | |||
| -26.7522 | -78.2955 | 24.7910 | |||
| -19.1908 | -70.7002 | 32.3185 | |||
| -15.5540 | -67.2924 | 36.1844 | |||
| -21.6260 | -72.8683 | 29.6163 | |||
| -11.8236 | -62.7620 | 39.1148 | |||
| 5.3410 | -46.3573 | 57.0393 | |||
| -26.0752 | -77.4141 | 25.2636 | |||
| -23.8405 | -75.5436 | 27.8627 | |||
| 9.1271 | -42.3050 | 60.5592 | |||
| -22.0750 | -73.2466 | 29.0966 | |||
| -19.3643 | -70.7356 | 32.0071 | |||
| -5.2939 | -57.0079 | 46.4201 | |||
| -3.9155 | -55.2281 | 47.3971 | |||
| 6.0662 | -45.1461 | 57.2784 | |||
| 20.6750 | -30.6746 | 72.0246 | |||
| 8.5343 | -43.3618 | 60.4303 | |||
| 21.8225 | -29.5504 | 73.1954 | |||
| -19.4300 | -70.1039 | 31.2439 | |||
| 5.9953 | -45.8101 | 57.8006 | |||
| 2.0391 | -49.2100 | 53.2883 | |||
| 42.8692 | -7.4532 | 93.1915 | |||
| 24.0227 | -27.3822 | 75.4275 | |||
| 21.6036 | -29.8883 | 73.0954 | |||
| 7.9463 | -42.0260 | 57.9186 | |||
| -24.6224 | -75.8610 | 26.6162 | |||
| -18.1688 | -69.9114 | 33.5739 | |||
| -3.0542 | -54.5917 | 48.4834 | |||
| -7.0589 | -58.7440 | 44.6261 | |||
| -14.8646 | -66.5830 | 36.8538 | |||
| -3.5953 | -55.2165 | 48.0260 | |||
| -16.8888 | -68.7256 | 34.9480 | |||
| 24.7304 | -26.4446 | 75.9054 | |||
| 9.0011 | -42.8700 | 60.8722 | |||
| 1.6549 | -48.7937 | 52.1035 | |||
| 4.7382 | -46.8959 | 56.3724 | |||
| -24.8120 | -76.4793 | 26.8554 | |||
| -24.7124 | -76.2026 | 26.7778 | |||
| -10.3635 | -61.9389 | 41.2118 | |||
| -24.0183 | -75.5760 | 27.5393 | |||
| -31.1297 | -82.7024 | 20.4430 | |||
| -10.2047 | -61.4757 | 41.0663 | |||
| 13.1655 | -38.3588 | 64.6897 | |||
| 4.6407 | -47.1058 | 56.3873 | |||
| 9.3834 | -40.9519 | 59.7187 | |||
| 19.2757 | -32.2076 | 70.7590 | |||
| 8.6060 | -43.1614 | 60.3735 | |||
| -0.6029 | -52.3315 | 51.1257 | |||
| 15.3004 | -35.5974 | 66.1982 | |||
| 11.9546 | -39.5044 | 63.4137 | |||
| 22.3373 | -29.2132 | 73.8877 | |||
| 7.2462 | -44.4642 | 58.9567 | |||
| -28.6600 | -80.0657 | 22.7457 | |||
| 5.0618 | -46.6397 | 56.7633 | |||
| 20.8124 | -30.2927 | 71.9175 | |||
| -1.2405 | -52.8524 | 50.3713 | |||
| -4.0754 | -55.6256 | 47.4747 | |||
| -13.1297 | -64.9991 | 38.7397 | |||
| -1.0570 | -52.6293 | 50.5152 | |||
| -8.9762 | -60.6462 | 42.6938 | |||
| -19.1095 | -70.6665 | 32.4476 | |||
| -7.3882 | -59.1979 | 44.4216 | |||
| -31.7918 | -83.1929 | 19.6092 | |||
| 32.5654 | -18.8114 | 83.9423 | |||
| 25.8476 | -25.6974 | 77.3926 | |||
| 17.2462 | -34.3729 | 68.8654 | |||
| 12.7771 | -38.9022 | 64.4564 | |||
| 17.9586 | -33.6785 | 69.5957 | |||
| -12.4963 | -64.2189 | 39.2263 | |||
| 28.2903 | -23.0283 | 79.6090 | |||
| -1.9287 | -53.1104 | 49.2530 | |||
| -20.1486 | -70.8255 | 30.5284 | |||
| 12.7423 | -39.0574 | 64.5419 | |||
| -33.4366 | -79.4435 | 12.5702 | |||
| -28.3399 | -79.4332 | 22.7535 | |||
| 45.9715 | -4.3766 | 96.3197 | |||
| 17.6894 | -33.9998 | 69.3786 | |||
| 28.8293 | -22.6317 | 80.2902 | |||
| 45.0664 | -5.5918 | 95.7246 | |||
| 38.6743 | -12.3544 | 89.7029 | |||
| -1.9044 | -53.7565 | 49.9477 | |||
| 20.3493 | -31.0914 | 71.7901 | |||
| -17.8734 | -69.5782 | 33.8313 | |||
| -6.5057 | -57.7216 | 44.7103 | |||
| -23.8741 | -75.3281 | 27.5800 | |||
| -0.4543 | -52.0199 | 51.1113 | |||
| -9.0759 | -59.6117 | 41.4599 | |||
| 6.4047 | -45.2060 | 58.0155 | |||
| -14.4330 | -66.1409 | 37.2749 | |||
| 19.2787 | -31.6829 | 70.2403 | |||
| -3.4277 | -54.6947 | 47.8392 | |||
| -10.2520 | -61.6535 | 41.1494 | |||
| -28.7033 | -80.0804 | 22.6737 | |||
| -13.9223 | -64.7794 | 36.9348 | |||
stats = 0.1569; 8.2341; 0.0000; 398.2227;
Следовательно наше уравнение будет выглядеть следующим образом:
ВАШБП= 42.1283 – 0.1015 Hb + 0.2908 СОЭ + 0.0326 СРБ +0.7105 Фибриноген
R2=0.1569 - 15.69% от исходной изменчивости могут быть объяснены. а 84.31% остаточной изменчивости остаются необъясненными.
F=8.2341
p= 0
F>p следовательно полученному уравнению можно верить с вероятностью в 99%
Далее произведем анализ остатков и исключим из выборки экстремальные наблюдения. а затем заново рассчитаем уравнение множественной регрессии.
После вычислений получаем новые переменные и новое уравнение:
|
b |
bint |
r |
rint |
||
| 68.6128 | 42.6275 | 94.5981 | -9.0527 | -37.3058 | 19.2004 |
| -0.3179 | -0.4996 | -0.1362 | 12.6863 | -14.9838 | 40.3564 |
| 0.2660 | 0.0000 | 0.5319 | 4.7180 | -23.6375 | 33.0735 |
| 0.0363 | 0.0073 | 0.0653 | -7.8665 | -35.8002 | 20.0673 |
| 0.5753 | -1.9305 | 3.0812 | 8.4230 | -19.8230 | 36.6691 |
| -3.9845 | -32.2508 | 24.2819 | |||
| 6.5985 | -21.2655 | 34.4624 | |||
| 9.6122 | -18.6033 | 37.8276 | |||
| -10.2044 | -35.0328 | 14.6240 | |||
| 2.7871 | -24.8193 | 30.3934 | |||
| 17.2257 | -10.7195 | 45.1709 | |||
| 5.4367 | -22.5254 | 33.3988 | |||
| 9.2325 | -19.0964 | 37.5614 | |||
| -7.7024 | -35.9560 | 20.5512 | |||
| -1.2661 | -28.9378 | 26.4056 | |||
| 14.4948 | -13.4018 | 42.3914 | |||
| 7.5633 | -20.5114 | 35.6379 | |||
| -17.4951 | -44.6647 | 9.6746 | |||
| 17.8317 | -9.9962 | 45.6596 | |||
| 5.8425 | -22.4781 | 34.1631 | |||
| 9.3237 | -18.9007 | 37.5480 | |||
| 3.3445 | -24.6908 | 31.3798 | |||
| -0.8088 | -21.5731 | 19.9554 | |||
| 8.6299 | -18.5165 | 35.7762 | |||
| 9.9962 | -18.2684 | 38.2609 | |||
| -6.5170 | -34.7503 | 21.7163 | |||
| 17.5223 | -10.5451 | 45.5896 | |||
| -2.6598 | -31.0639 | 25.7443 | |||
| -4.7289 | -32.6182 | 23.1603 | |||
| 1.1007 | -27.2539 | 29.4553 | |||
| -15.4184 | -42.9371 | 12.1002 | |||
| 1.9826 | -26.2594 | 30.2246 | |||
| 14.9612 | -12.9779 | 42.9002 | |||
| 0.3910 | -27.7965 | 28.5784 | |||
| -11.5190 | -38.0908 | 15.0528 | |||
| 4.1080 | -23.9282 | 32.1441 | |||
| -2.3669 | -30.6874 | 25.9536 | |||
| 5.7176 | -16.0196 | 27.4548 | |||
| -11.7715 | -40.0204 | 16.4775 | |||
| -11.6867 | -39.7871 | 16.4137 | |||
| -11.2514 | -38.7594 | 16.2566 | |||
| 14.1006 | -14.0387 | 42.2399 | |||
| -7.9019 | -36.2419 | 20.4382 | |||
| 18.4706 | -9.5140 | 46.4553 | |||
| -13.1757 | -41.2401 | 14.8888 | |||
| -5.9183 | -34.1797 | 22.3430 | |||
| 1.5930 | -26.5748 | 29.7608 | |||
| -6.1504 | -34.3885 | 22.0877 | |||
| -11.9710 | -40.0136 | 16.0715 | |||
| 4.7517 | -23.5772 | 33.0805 | |||
| -7.6354 | -35.6957 | 20.4249 | |||
| -2.5114 | -30.1466 | 25.1238 | |||
| -17.8750 | -45.7099 | 9.9598 | |||
| 4.9776 | -22.4033 | 32.3584 | |||
| -9.2707 | -37.5638 | 19.0224 | |||
| -15.6411 | -43.5795 | 12.2973 | |||
| -2.0349 | -30.2891 | 26.2193 | |||
| -7.5352 | -35.9057 | 20.8354 | |||
| -12.8750 | -40.8787 | 15.1286 | |||
| -9.0399 | -37.2915 | 19.2118 | |||
| -14.1604 | -41.7111 | 13.3903 | |||
| 13.3652 | -14.6783 | 41.4087 | |||
| -17.2193 | -45.0403 | 10.6016 | |||
| 19.0244 | -8.6055 | 46.6542 | |||
| -11.5693 | -39.3592 | 16.2207 | |||
| -19.6532 | -47.3414 | 8.0351 | |||
| -0.6843 | -28.9330 | 27.5644 | |||
| 4.5464 | -23.3429 | 32.4356 | |||
| 16.7275 | -10.8084 | 44.2634 | |||
| 10.5922 | -17.7215 | 38.9060 | |||
| -14.8775 | -42.1330 | 12.3780 | |||
| 6.5270 | -21.7825 | 34.8365 | |||
| 2.7666 | -25.1568 | 30.6900 | |||
| 8.5476 | -18.2907 | 35.3860 | |||
| -13.1649 | -41.3581 | 15.0284 | |||
| -1.8218 | -29.9553 | 26.3117 | |||
| -6.6755 | -34.9033 | 21.5523 | |||
| -9.8041 | -38.0180 | 18.4097 | |||
| 4.9947 | -23.1450 | 33.1345 | |||
| -12.3110 | -40.5921 | 15.9700 | |||
| 12.6185 | -15.6296 | 40.8666 | |||
| 0.0386 | -27.2984 | 27.3755 | |||
| 6.3388 | -21.8537 | 34.5312 | |||
| -10.6292 | -38.7183 | 17.4599 | |||
| -13.4573 | -41.1993 | 14.2847 | |||
| 14.4516 | -13.5325 | 42.4357 | |||
| 4.6315 | -23.6516 | 32.9145 | |||
| 14.3512 | -12.5735 | 41.2759 | |||
| 12.0414 | -16.1382 | 40.2210 | |||
| 0.5380 | -27.7541 | 28.8300 | |||
| 20.0878 | -7.0899 | 47.2654 | |||
| 19.1331 | -8.6111 | 46.8774 | |||
| 8.7274 | -19.4685 | 36.9234 | |||
| 5.4167 | -22.8281 | 33.6615 | |||
| 0.3107 | -27.8741 | 28.4954 | |||
| 3.1306 | -24.9738 | 31.2350 | |||
| -8.6352 | -36.9898 | 19.7193 | |||
| -2.6414 | -30.7999 | 25.5171 | |||
| -2.4350 | -30.6568 | 25.7869 | |||
| -14.3378 | -42.3473 | 13.6717 | |||
| -1.8313 | -30.1660 | 26.5034 | |||
| 18.7274 | -9.1685 | 46.6234 | |||
| 14.9255 | -13.1336 | 42.9846 | |||
| -11.4913 | -39.6756 | 16.6930 | |||
| -4.2104 | -32.0433 | 23.6225 | |||
| -18.6544 | -45.9305 | 8.6218 | |||
| 15.6565 | -12.4643 | 43.7773 | |||
| 1.5669 | -26.8071 | 29.9410 | |||
| -11.1319 | -39.3470 | 17.0832 | |||
| -7.9681 | -35.8440 | 19.9077 | |||
| 3.3454 | -24.8477 | 31.5384 | |||
| -6.2493 | -33.6830 | 21.1844 | |||
| 14.9947 | -12.9265 | 42.9160 | |||
| -8.0405 | -36.2726 | 20.1915 | |||
| 16.5496 | -10.9807 | 44.0799 | |||
| -4.8517 | -32.7475 | 23.0440 | |||
| -9.6016 | -37.5465 | 18.3433 | |||
| -14.1529 | -41.6157 | 13.3098 | |||
stats = 0.5231; 30.9919; 0; 118.0091;
ВАШБП= 68.6128 – 0.3179 Hb + 0.2660 СОЭ + 0.0363 СРБ +0.5753 Фибриноген
R2=0.5231 - 52.31% от исходной изменчивости могут быть объяснены. а 47.69% остаточной изменчивости остаются необъясненными.
F=30.9919
p= 0
F>p следовательно полученному уравнению можно верить.
Исключая и далее экстремальные наблюдения. возможно построить уравнение объясняющее еще больший процент изменчивости переменной Y (ВАШБП).
Построенное уравнение показывает что наилучшим предсказывающим фактором (предиктором) для ВАШБП является Фибриноген.
II) рассчитаем уравнение множественной линейной регрессии для ВАШСП
После выполнения расчетов для ВАШСП получаем:
|
b |
bint |
r |
rint |
|||
| 34.4446 | -5.3696 | 74.2588 | -22.0047 | -73.0438 | 29.0343 | |
| -0.0248 | -0.3063 | 0.2567 | 9.4034 | -41.7566 | 60.5635 | |
| 0.4860 | 0.0556 | 0.9164 | 11.0867 | -39.4013 | 61.5746 | |
| 0.0269 | -0.0230 | 0.0768 | -18.9427 | -68.5986 | 30.7132 | |
| 0.6296 | -3.0822 | 4.3415 | -2.8132 | -54.0347 | 48.4083 | |
| 36.8501 | -13.8945 | 87.5948 | ||||
| -28.5283 | -79.0411 | 21.9845 | ||||
| -7.5443 | -58.6841 | 43.5956 | ||||
| 32.6494 | -18.1678 | 83.4666 | ||||
| -9.1522 | -60.2423 | 41.9378 | ||||
| 30.8460 | -19.4622 | 81.1541 | ||||
| 27.5125 | -22.9630 | 77.9879 | ||||
| -6.6522 | -57.7655 | 44.4612 | ||||
| 32.0518 | -18.6502 | 82.7538 | ||||
| -22.7943 | -70.0647 | 24.4762 | ||||
| -14.5034 | -64.4720 | 35.4653 | ||||
| -1.6638 | -52.7402 | 49.4126 | ||||
| 7.6126 | -43.4318 | 58.6569 | ||||
| -15.1416 | -65.8714 | 35.5883 | ||||
| -20.8158 | -71.3764 | 29.7448 | ||||
| 12.0866 | -39.1543 | 63.3276 | ||||
| 40.4712 | -10.1110 | 91.0534 | ||||
| 13.5493 | -37.5432 | 64.6418 | ||||
| -12.5814 | -62.9502 | 37.7874 | ||||
| 31.2113 | -19.5904 | 82.0130 | ||||
| 3.8039 | -47.0594 | 54.6671 | ||||
| 16.1928 | -34.6959 | 67.0816 | ||||
| -6.6698 | -56.6177 | 43.2782 | ||||
| 7.4368 | -43.2022 | 58.0757 | ||||
| 21.2822 | -29.5356 | 72.1001 | ||||
| 19.1169 | -32.0283 | 70.2620 | ||||
| 2.5209 | -48.7140 | 53.7558 | ||||
| -1.4753 | -52.6685 | 49.7179 | ||||
| -8.3178 | -59.3686 | 42.7330 | ||||
| 20.6240 | -30.3657 | 71.6137 | ||||
| 11.7056 | -39.0037 | 62.4150 | ||||
| 2.6396 | -36.0613 | 41.3405 | ||||
| 12.9805 | -36.6568 | 62.6177 | ||||
| 31.1705 | -19.3079 | 81.6490 | ||||
| 11.0245 | -40.1560 | 62.2050 | ||||
| 27.6597 | -22.9260 | 78.2454 | ||||
| -10.3585 | -61.4439 | 40.7269 | ||||
| 6.4906 | -44.7533 | 57.7345 | ||||
| 10.9088 | -40.3295 | 62.1471 | ||||
| -6.3570 | -57.4778 | 44.7639 | ||||
| 27.4574 | -23.0693 | 77.9842 | ||||
| -17.5149 | -68.1171 | 33.0872 | ||||
| 33.0984 | -17.5583 | 83.7551 | ||||
| 26.4393 | -24.5970 | 77.4755 | ||||
| 0.3345 | -50.8698 | 51.5388 | ||||
| -6.0534 | -56.4208 | 44.3141 | ||||
| 3.7625 | -47.3066 | 54.8317 | ||||
| -25.3221 | -76.1620 | 25.5178 | ||||
| 19.5298 | -31.3220 | 70.3816 | ||||
| -20.8371 | -71.6505 | 29.9762 | ||||
| -12.9534 | -63.9315 | 38.0246 | ||||
| -20.4564 | -69.7872 | 28.8745 | ||||
| -7.2787 | -58.1104 | 43.5530 | ||||
| 3.6446 | -47.5376 | 54.8268 | ||||
| -30.3284 | -80.6854 | 20.0286 | ||||
| 28.0814 | -22.4730 | 78.6359 | ||||
| 3.9765 | -37.0488 | 45.0017 | ||||
| -11.0738 | -62.2851 | 40.1374 | ||||
| -14.0776 | -65.1176 | 36.9624 | ||||
| -17.3640 | -67.3964 | 32.6683 | ||||
| 3.6203 | -47.6074 | 54.8481 | ||||
| 13.6091 | -37.5453 | 64.7636 | ||||
| -17.4134 | -68.5347 | 33.7079 | ||||
| -14.4674 | -65.4316 | 36.4968 | ||||
| 4.9588 | -46.2466 | 56.1643 | ||||
| 25.0177 | -25.7733 | 75.8087 | ||||
| -25.8147 | -76.5983 | 24.9690 | ||||
| -15.9546 | -67.0693 | 35.1600 | ||||
| -22.5584 | -73.2294 | 28.1126 | ||||
| -25.9105 | -76.7866 | 24.9657 | ||||
| 10.7575 | -39.4114 | 60.9264 | ||||
| -37.3978 | -88.1530 | 13.3575 | ||||
| -34.2591 | -85.0080 | 16.4898 | ||||
| -28.4395 | -79.1662 | 22.2873 | ||||
| 7.1019 | -43.8000 | 58.0038 | ||||
| -1.1487 | -51.1280 | 48.8305 | ||||
| -25.1404 | -76.1545 | 25.8736 | ||||
| -33.8536 | -84.6079 | 16.9008 | ||||
| 35.4639 | -15.3332 | 86.2611 | ||||
| -23.3846 | -74.2392 | 27.4701 | ||||
| -3.8124 | -54.9315 | 47.3066 | ||||
| -18.0134 | -69.2128 | 33.1859 | ||||
| -30.1234 | -80.9801 | 20.7333 | ||||
| -24.4395 | -75.2474 | 26.3685 | ||||
| -25.1041 | -76.0837 | 25.8755 | ||||
| -0.6512 | -51.4711 | 50.1687 | ||||
| -16.2161 | -66.5045 | 34.0724 | ||||
| -1.5388 | -52.6389 | 49.5613 | ||||
| -29.2822 | -79.9380 | 21.3737 | ||||
| -20.0506 | -71.2057 | 31.1045 | ||||
| 7.1426 | -43.6939 | 57.9791 | ||||
| -19.7381 | -70.3403 | 30.8641 | ||||
| -16.6074 | -67.4100 | 34.1953 | ||||
| -2.1240 | -53.2381 | 48.9901 | ||||
| -19.1491 | -69.7304 | 31.4321 | ||||
| 7.7141 | -42.8786 | 58.3068 | ||||
| 12.8733 | -37.9695 | 63.7160 | ||||
| -16.4096 | -67.6248 | 34.8056 | ||||
| 37.0681 | -13.3471 | 87.4834 | ||||
| -15.4789 | -65.6088 | 34.6509 | ||||
| 7.4797 | -43.7139 | 58.6732 | ||||
| -9.8804 | -60.4900 | 40.7292 | ||||
| 34.3137 | -15.6535 | 84.2810 | ||||
| 6.7098 | -44.2910 | 57.7105 | ||||
| 9.9425 | -41.0808 | 60.9658 | ||||
| 9.2656 | -40.0972 | 58.6285 | ||||
| -32.9906 | -83.4306 | 17.4494 | ||||
| 0.1865 | -51.0727 | 51.4458 | ||||
| -0.4577 | -51.3953 | 50.4799 | ||||
| -10.3484 | -61.4071 | 40.7103 | ||||
| -3.4172 | -54.6044 | 47.7701 | ||||
| 1.6651 | -49.3512 | 52.6814 | ||||
| -10.0063 | -61.3041 | 41.2914 | ||||
| 15.1540 | -35.5594 | 65.8675 | ||||
| 3.0794 | -48.2116 | 54.3703 | ||||
| 5.5574 | -44.2786 | 55.3934 | ||||
| 11.1460 | -39.8436 | 62.1357 | ||||
| -30.2489 | -81.1894 | 20.6917 | ||||
| -13.1520 | -64.1954 | 37.8915 | ||||
| -3.4228 | -54.4306 | 47.5849 | ||||
| -17.7521 | -68.8004 | 33.2962 | ||||
| -35.8769 | -86.7118 | 14.9581 | ||||
| -14.4932 | -65.1229 | 36.1365 | ||||
| -0.1188 | -51.1060 | 50.8683 | ||||
| 3.7897 | -47.3559 | 54.9354 | ||||
| 21.9194 | -27.6652 | 71.5039 | ||||
| 26.7776 | -23.9676 | 77.5227 | ||||
| 5.5205 | -45.6555 | 56.6965 | ||||
| 13.3664 | -37.6893 | 64.4221 | ||||
| 13.7147 | -36.6026 | 64.0320 | ||||
| 9.4851 | -41.3890 | 60.3592 | ||||
| 29.1797 | -21.6240 | 79.9835 | ||||
| -15.7831 | -66.8133 | 35.2470 | ||||
| -22.7078 | -73.6132 | 28.1977 | ||||
| -4.3393 | -55.4381 | 46.7594 | ||||
| 37.4241 | -12.6945 | 87.5427 | ||||
| 16.4062 | -34.4985 | 67.3108 | ||||
| 0.1738 | -50.7715 | 51.1190 | ||||
| -7.8769 | -59.1793 | 43.4256 | ||||
| -13.8921 | -64.7886 | 37.0044 | ||||
| -8.0860 | -59.1509 | 42.9788 | ||||
| -17.1031 | -68.0762 | 33.8699 | ||||
| -4.4151 | -55.6334 | 46.8032 | ||||
| -30.9607 | -81.7690 | 19.8475 | ||||
| 32.0094 | -18.7677 | 82.7865 | ||||
| 31.7837 | -19.0185 | 82.5860 | ||||
| 5.2169 | -45.8980 | 56.3317 | ||||
| -5.0515 | -56.1756 | 46.0727 | ||||
| 18.5197 | -32.4990 | 69.5385 | ||||
| -5.7714 | -56.9352 | 45.3925 | ||||
| 25.2208 | -25.5482 | 75.9898 | ||||
| -12.6104 | -63.1297 | 37.9090 | ||||
| 21.7828 | -28.2603 | 71.8259 | ||||
| 10.2245 | -40.9908 | 61.4398 | ||||
| -9.4350 | -55.3153 | 36.4453 | ||||
| -5.0919 | -55.8748 | 45.6909 | ||||
| 32.6112 | -17.5312 | 82.7536 | ||||
| 44.5121 | -5.9272 | 94.9515 | ||||
| 35.8486 | -14.8237 | 86.5210 | ||||
| 43.8482 | -6.2251 | 93.9214 | ||||
| 35.3981 | -15.1079 | 85.9040 | ||||
| -5.3886 | -56.6237 | 45.8465 | ||||
| -19.5086 | -70.3569 | 31.3398 | ||||
| -28.7582 | -79.6589 | 22.1426 | ||||
| -8.0440 | -58.6477 | 42.5597 | ||||
| 9.2664 | -41.7655 | 60.2984 | ||||
| -2.1800 | -53.1386 | 48.7786 | ||||
| -8.6818 | -58.6147 | 41.2510 | ||||
| 5.6651 | -45.3400 | 56.6702 | ||||
| -18.4257 | -69.4724 | 32.6210 | ||||
| 12.4336 | -38.0096 | 62.8769 | ||||
| -15.3049 | -65.8878 | 35.2780 | ||||
| -17.3295 | -68.1602 | 33.5013 | ||||
| -2.4444 | -53.5238 | 48.6351 | ||||
| -13.7255 | -64.1018 | 36.6508 | ||||
stats = 0.2171 12.1355 0.0000 388.8866
Следовательно наше уравнение будет выглядеть следующим образом:
ВАШСП= 34.4446 – 0.0248 Hb + 0.4860 СОЭ + 0.0269 СРБ +0.6 296Фибриноген
R2=0.2171 - 21.71% от исходной изменчивости могут быть объяснены
F=12.1355
p= 0
F>p следовательно полученному уравнению можно верить.
Далее произведем анализ остатков и исключим из выборки экстремальные наблюдения. а затем заново рассчитаем уравнение множественной регрессии.
Новое уравнение будет выглядеть следующим образом:
ВАШСП= 32.6943 – 0.0638 Hb + 0.4418 СОЭ + 0.0269 СРБ +1.9637 Фибриноген
stats =0.5550; 34.9170; 0; 111.2369;
R2=0.5550 - 55.50% от исходной изменчивости могут быть объяснены
F=34.9170
p= 0
F>p следовательно полученному уравнению можно верить.
Вывод: исходя из полученного уравнения, можно сделать вывод о том, что наилучшим предсказывающим фактором для ВАШСП является фибриноген.
Зависимость ВАШБП и ВАШСП от показателей активности в динамике
Разобьем наши данные на три группы. В первую группу войдут данные полученные до лечения. во вторую данные после 2 месяцев лечения а в третью после трех месяцев.
Так как ранее мы уже проводили исследование на проверку распределения выборок то мы можем воспользоваться параметрическим методом дисперсионного анализа для проверки различий средних. Проверка необходима для подтверждения целесообразности разделения данных, если это подтвердится, то затем мы рассчитаем для каждой группы уравнение зависимости ВАШСП и ВАШБП от показателей активности заболевания.
3 Дисперсионный анализ
Таблица 2.1.1. Зависимость Hb от стадии лечения
|
1 группа |
2 группа |
3 группа |
| 124 | 125 | 134 |
| 124 | 115 | 104 |
| 110 | 118 | 130 |
| 93 | 117 | 136 |
| 133 | 114 | 150 |
| 129 | 123 | 136 |
| 149 | 150 | 105 |
| 122 | 125 | 146 |
| 145 | 103 | 146 |
| 124 | 142 | 138 |
| 99 | 150 | 158 |
| 125 | 140 | 154 |
| 137 | 94 | 141 |
| 156 | 129 | 134 |
| 148 | 156 | 150 |
| 138 | 141 | 150 |
| 144 | 148 | 114 |
| 133 | 141 | 109 |
| 145 | 135 | 157 |
| 121 | 150 | 161 |
| 126 | 150 | 133 |
| 128 | 127 | 166 |
| 120 | 158 | 168 |
| 150 | 131 | 136 |
| 123 | 162 | 142 |
| 150 | 121 | 118 |
| 160 | 144 | 126 |
| 139 | 160 | 140 |
| 152 | 140 | 101 |
| 146 | 110 | 123 |
| 142 | 135 | 117 |
| 137 | 106 | 151 |
| 148 | 126 | 142 |
| 130 | 154 | 144 |
| 152 | 140 | 120 |
| 126 | 110 | 107 |
| 118 | 116 | 114 |
| 140 | 136 | 124 |
| 166 | 122 | 120 |
| 128 | 150 | 115 |
| 165 | 112 | |
| 143 | 124 | |
| 132 | 137 | |
| 130 | 130 | |
| 126 | 160 | |
| 166 | 150 | |
| 168 | ||
| 128 | ||
| 126 | ||
| 114 | ||
| 142 | ||
| 156 | ||
| 170 | ||
| 119 | ||
| 128 | ||
| 163 | ||
| 135 | ||
| 120 | ||
| 120 | ||
| 106 | ||
| 130 | ||
| 156 | ||
| 114 | ||
| 137 | ||
| 142 | ||
| 121 | ||
| 140 | ||
| 121 | ||
| 136 | ||
| 125 | ||
| 138 | ||
| 150 | ||
| 154 | ||
| 127 | ||
| 153 | ||
| 120 | ||
| 171 | ||
| 128 | ||
| 124 | ||
| 130 | ||
| 127 | ||
| 130 | ||
| 138 | ||
| 122 | ||
| 160 | ||
| 104 | ||
| 121 | ||
| 131 | ||
| 127 | ||
| 109 | ||
| 158 | ||
| 132 | ||
| 134 | ||
| 164 |
После вычислений получаем:
p =0.7913
Запишем выходные данные в таблицу дисперсионного анализа
Таблица №2.1.2. Дисперсионный анализ по одному признаку.
| Компонента дисперсии |
Сумма квадратов |
Степень свободы |
Средний квадрат |
| Между выборками | 136,7 | 2 | 68,326 |
| Остаточная | 51587,5 | 177 | 291,455 |
| Полная | 51724,2 | 179 | ----- |
p>pкр
Вывод:
Следовательно мы принимаем нулевую гипотезу, т.е. можно предположить что при 5% уровне значимости уровень гемоглобина в крови не зависит от стадии лечения.
Таблица 2.2.1. Зависимость СОЭ от стадии лечения
|
1 группа |
2 группа |
3 группа |
| 18 | 14 | 5 |
| 19 | 4 | 10 |
| 42 | 12 | 15 |
| 66 | 17 | 3 |
| 25 | 14 | 3 |
| 10 | 5 | 38 |
| 13 | 2 | 49 |
| 28 | 40 | 5 |
| 3 | 30 | 3 |
| 26 | 6 | 19 |
| 28 | 3 | 2 |
| 38 | 26 | 3 |
| 28 | 69 | 10 |
| 1 | 25 | 5 |
| 52 | 3 | 3 |
| 48 | 35 | 5 |
| 26 | 6 | 16 |
| 14 | 3 | 5 |
| 12 | 5 | 4 |
| 48 | 1 | 4 |
| 19 | 5 | 10 |
| 28 | 5 | 1 |
| 25 | 7 | 4 |
| 6 | 6 | 15 |
| 11 | 3 | 2 |
| 26 | 10 | 10 |
| 2 | 2 | 10 |
| 51 | 2 | 10 |
| 24 | 12 | 34 |
| 13 | 37 | 38 |
| 6 | 18 | 25 |
| 10 | 58 | 2 |
| 2 | 10 | 10 |
| 30 | 4 | 17 |
| 2 | 10 | 15 |
| 3 | 23 | 8 |
| 46 | 12 | 5 |
| 56 | 5 | 10 |
| 3 | 12 | 35 |
| 11 | 12 | 39 |
| 4 | 10 | |
| 4 | 30 | |
| 24 | 24 | |
| 11 | 40 | |
| 7 | 2 | |
| 1 | 2 | |
| 7 | ||
| 9 | ||
| 20 | ||
| 34 | ||
| 4 | ||
| 24 | ||
| 1 | ||
| 35 | ||
| 16 | ||
| 1 | ||
| 36 | ||
| 22 | ||
| 34 | ||
| 50 | ||
| 28 | ||
| 14 | ||
| 64 | ||
| 30 | ||
| 9 | ||
| 32 | ||
| 10 | ||
| 21 | ||
| 3 | ||
| 7 | ||
| 22 | ||
| 26 | ||
| 12 | ||
| 6 | ||
| 1 | ||
| 18 | ||
| 1 | ||
| 2 | ||
| 10 | ||
| 26 | ||
| 6 | ||
| 4 | ||
| 12 | ||
| 25 | ||
| 4 | ||
| 40 | ||
| 52 | ||
| 18 | ||
| 62 | ||
| 40 | ||
| 7 | ||
| 5 | ||
| 3 | ||
| 8 |
После вычислений получаем:
p = 0.0219
Запишем выходные данные в таблицу дисперсионного анализа
Таблица №2.2.2. Дисперсионный анализ по одному признаку.
| Компонента дисперсии |
Сумма квадратов |
Степень свободы |
Средний квадрат |
| Между выборками | 136,7 | 2 | 68,326 |
| Остаточная | 51587,5 | 177 | 291,455 |
| Полная | 51724,2 | 179 | ----- |
p<pкр
Вывод:
Следовательно мы отвергаем нулевую гипотезу, т.е. можно предположить что при 5% уровне значимости СОЭ зависит от стадии лечения. Используя функцию multcompare, целесообразно определить для какой пары выборок средние арифметические значения имеют статистически значимое различие. Для проверки такой параметрической гипотезы используется процедура множественного сравнения. При проверке простой параметрической гипотезы (нулевой гипотезы) о равенстве средних одной группы выборок по отношению к другой по статистике t необходимо задать уровень значимости , определяющий критическое значение статистики. Примем равным 0,05. Это означает, что в 5% случаев будет неверно отвергнута нулевая гипотеза.
При увеличении групп выборок, увеличивается число проверяемых гипотез.
При использовании простой параметрической гипотезы по статистике t, уровень значимости будет применяться к каждой гипотезе отдельно, что повлечет к росту вероятности неверно отвергнуть нулевую гипотезу пропорционально количеству выполненных проверок. Т.е., неверно определить значимое отличие выборочных средних. Процедура множественного сравнения обеспечивает заданный уровень значимости для каждой проверки.
Выходной параметр с представляет результаты множественного сравнения в виде матрицы из 5 столбцов. Срока матрицы с соответствуют результатам проверки одной параметрической гипотезы. Таким образом, каждая строка с соответствует одной паре выборок. Первые два значения в строке с показывают номера сравниваемых выборок, пятый - величину разности средних арифметических сравниваемых выборок, четвертый и третий столбцы - 95% доверительный интервал полученной разности средних арифметических.
Таблица 2.2.3 Различия между средними для СОЭ
|
№ группы |
№ группы |
Нижняя граница доверительного интервала |
Разница средних арифметических |
Верхняя граница доверительного интервала |
| 1 группа | 2 группа | -1.2331 | 5.3127 | 11.8585 |
| 1 группа | 3 группа | 0.5745 | 7.4420 | 14.3096 |
| 2 группа | 3 группа | -5.7354 | 2.1293 | 9.9941 |
Полученные значения показывают, что значимая разница средних арифметических наблюдается между 1 и 3 группой, величина их разности равна 7.4420, 95% доверительный интервал полученной разности средних арифметических составил [0,5745, 14.3096]. Различия считаются значимыми, если в доверительный интервал не попало нулевое значение. Т.е. средние арифметические выборок статистически значимо отличаются друг от друга, для .
Отобразим графически значения средних арифметических и их доверительных интервалов. Два выборочных средних значимо отличаются, если их доверительные интервалы не пересекаются на графике. При наложении границ доверительных интервалов двух средних арифметических, различие между ними можно считать статистически незначимым.

Таблица 2.3.1. Зависимость СРБ от стадии лечения
|
1 группа |
2 группа |
3 группа |
| 0 | 0 | 0 |
| 6 | 0 | 0 |
| 96 | 0 | 0 |
| 192 | 0 | 0 |
| 0 | 6 | 0 |
| 0 | 0 | 96 |
| 0 | 0 | 48 |
| 0 | 192 | 0 |
| 0 | 48 | 0 |
| 0 | 0 | 48 |
| 48 | 0 | 0 |
| 0 | 192 | 0 |
| 12 | 768 | 6 |
| 0 | 6 | 0 |
| 384 | 0 | 0 |
| 192 | 96 | 0 |
| 12 | 24 | 0 |
| 48 | 6 | 0 |
| 0 | 0 | 0 |
| 96 | 0 | 0 |
| 0 | 0 | 0 |
| 48 | 0 | 0 |
| 0 | 0 | 0 |
| 12 | 0 | 0 |
| 6 | 0 | 0 |
| 6 | 0 | 0 |
| 0 | 0 | 0 |
| 96 | 0 | 0 |
| 48 | 0 | 12 |
| 6 | 0 | 96 |
| 0 | 0 | 0 |
| 0 | 48 | 0 |
| 0 | 0 | 0 |
| 0 | 0 | 48 |
| 0 | 0 | 0 |
| 0 | 12 | 0 |
| 768 | 0 | 0 |
| 96 | 0 | 0 |
| 0 | 0 | 48 |
| 0 | 0 | 48 |
| 0 | 0 | |
| 0 | 96 | |
| 0 | 96 | |
| 12 | 48 | |
| 0 | 0 | |
| 0 | 0 | |
| 6 | ||
| 0 | ||
| 6 | ||
| 6 | ||
| 0 | ||
| 48 | ||
| 0 | ||
| 6 | ||
| 6 | ||
| 0 | ||
| 12 | ||
| 0 | ||
| 0 | ||
| 192 | ||
| 0 | ||
| 6 | ||
| 48 | ||
| 6 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 12 | ||
| 12 | ||
| 6 | ||
| 0 | ||
| 0 | ||
| 48 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 96 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 48 | ||
| 0 | ||
| 384 | ||
| 48 | ||
| 0 | ||
| 0 | ||
| 0 | ||
| 0 |
После вычислений:
p = 0.4019
Запишем выходные данные в таблицу дисперсионного анализа
Таблица №2.3.2. Дисперсионный анализ по одному признаку.
| Компонента дисперсии |
Сумма квадратов |
Степень свободы |
Средний квадрат |
| Между выборками | 16791,5 | 2 | 8395,73 |
| Остаточная | 1621687,7 | 177 | 9162,08 |
| Полная | 1638479,2 | 179 | ----- |
p>pкр
Вывод:
Следовательно мы принимаем нулевую гипотезу, т.е. можно предположить что при 5% уровне значимости уровень СРБ в крови не зависит от стадии лечения.
Таблица 2.4.1. Зависимость фибриногена от стадии лечения
|
1 группа |
2 группа |
3 группа |
| 3,00 | 4,00 | 3,75 |
| 4,50 | 4,00 | 4,00 |
| 3,50 | 3,00 | 3,00 |
| 7,25 | 4,00 | 2,75 |
| 4,00 | 3,00 | 2,00 |
| 3,25 | 3,20 | 6,00 |
| 5,50 | 2,00 | 3,50 |
| 4,00 | 8,75 | 3,00 |
| 3,25 | 4,00 | 2,50 |
| 5,00 | 4,00 | 4,75 |
| 3,60 | 5,00 | 3,00 |
| 4,25 | 5,00 | 2,75 |
| 4,25 | 7,50 | 3,25 |
| 3,00 | 4,00 | 2,50 |
| 10,20 | 3,25 | 2,00 |
| 4,75 | 2,90 | 3,10 |
| 4,50 | 3,25 | 2,00 |
| 5,00 | 2,90 | 3,25 |
| 5,50 | 3,00 | 3,25 |
| 5,50 | 2,00 | 3,00 |
| 3,75 | 3,00 | 3,25 |
| 3,75 | 2,00 | 3,25 |
| 4,50 | 3,00 | 4,00 |
| 5,75 | 2,93 | 3,00 |
| 3,00 | 4,25 | 2,00 |
| 4,25 | 3,25 | 3,25 |
| 3,75 | 2,50 | 2,50 |
| 5,25 | 3,00 | 3,25 |
| 6,25 | 3,50 | 4,30 |
| 2,25 | 5,00 | 4,25 |
| 3,25 | 3,30 | 4,00 |
| 2,50 | 5,00 | 2,25 |
| 2,75 | 4,25 | 2,10 |
| 4,00 | 2,00 | 4,75 |
| 2,75 | 3,25 | 3,50 |
| 4,00 | 4,25 | 3,00 |
| 4,50 | 3,50 | 2,00 |
| 6,75 | 3,00 | 1,75 |
| 3,25 | 2,00 | 4,25 |
| 3,75 | 3,50 | 3,00 |
| 3,25 | 4,00 | |
| 4,00 | 3,50 | |
| 4,25 | 3,00 | |
| 3,50 | 2,75 | |
| 2,60 | 3,00 | |
| 2,75 | 2,75 | |
| 4,25 | ||
| 2,00 | ||
| 3,75 | ||
| 5,25 | ||
| 2,00 | ||
| 5,75 | ||
| 2,50 | ||
| 5,50 | ||
| 3,50 | ||
| 3,25 | ||
| 7,25 | ||
| 3,75 | ||
| 3,00 | ||
| 7,00 | ||
| 5,50 | ||
| 4,00 | ||
| 7,50 | ||
| 3,50 | ||
| 4,00 | ||
| 5,50 | ||
| 6,75 | ||
| 2,50 | ||
| 3,10 | ||
| 3,00 | ||
| 6,75 | ||
| 4,50 | ||
| 3,50 | ||
| 2,50 | ||
| 2,50 | ||
| 4,50 | ||
| 3,00 | ||
| 2,15 | ||
| 2,80 | ||
| 3,75 | ||
| 2,50 | ||
| 3,00 | ||
| 3,25 | ||
| 3,50 | ||
| 3,75 | ||
| 5,25 | ||
| 5,10 | ||
| 4,50 | ||
| 12,20 | ||
| 5,75 | ||
| 5,50 | ||
| 3,00 | ||
| 2,50 | ||
| 3,00 |
p = 0.0003
Запишем выходные данные в таблицу дисперсионного анализа
Таблица №2.4.2. Дисперсионный анализ по одному признаку.
| Компонента дисперсии |
Сумма квадратов |
Степень свободы |
Средний квадрат |
| Между выборками | 34,806 | 2 | 17,4029 |
| Остаточная | 365,662 | 177 | 2,0659 |
| Полная | 400,467 | 179 | ----- |
p<pкр
Вывод:
Следовательно мы отвергаем нулевую гипотезу, т.е. можно предположить что при 5% уровне значимости фибриноген зависит от стадии лечения. Используя функцию multcompare, целесообразно определить для какой пары выборок средние арифметические значения имеют статистически значимое различие.
Таблица 2.4.3 Различия между средними для фибриногена
|
№ группы |
№ группы |
Нижняя граница доверительно интервала |
Разница средних арифметических |
Верхняя граница доверительного интервала |
| 1 группа | 2 группа | -0.1003 | 0.6532 | 1.4067 |
| 1 группа | 3 группа | 0.2579 | 1.0484 | 1.8389 |
| 2 группа | 3 группа | -0.5101 | 0.3952 | 1.3005 |
Полученные значения показывают, что значимая разница средних арифметических наблюдается между 1 и 3 группой, величина их разности равна 1.0484, 95% доверительный интервал полученной разности средних арифметических составил [0,2579, 1.8389]. Т.е. средние арифметические выборок статистически значимо отличаются друг от друга, для .
Отобразим графически значения средних арифметических и их доверительных интервалов.

Таблица 2.5.1. Зависимость ВАШБП от стадии лечения
|
1 группа |
2 группа |
3 группа |
| 15 | 36 | 5 |
| 28 | 20 | 38 |
| 63 | 38 | 5 |
| 45 | 15 | 0 |
| 40 | 53 | 5 |
| 80 | 12 | 65 |
| 20 | 23 | 57 |
| 48 | 40 | 5 |
| 75 | 52 | 0 |
| 35 | 25 | 25 |
| 55 | 0 | 5 |
| 85 | 70 | 20 |
| 45 | 95 | 21 |
| 43 | 25 | 5 |
| 45 | 10 | 10 |
| 50 | 27 | 15 |
| 50 | 40 | 15 |
| 56 | 45 | 23 |
| 10 | 15 | 35 |
| 55 | 17 | 3 |
| 45 | 25 | 10 |
| 95 | 25 | 37 |
| 32 | 10 | 7 |
| 25 | 35 | 10 |
| 70 | 12 | 5 |
| 45 | 28 | 25 |