Davina_yu 于 2024-11-06 11:13:23 发布案例1: 医疗健康数据分析
医疗健康数据分析是一个重要的领域，它可以帮助医疗机构、研究人员和政策制定者更好地理解疾病模式、患者行为、治疗效果以及公共卫生趋势。以下是一个完整的医疗健康数据分析案例，包括数据清洗、描述性统计、因子分析、聚类分析和回归分析。将使用一个假设的数据集，该数据集包含患者的个人信息、生活方式、健康状况和医疗历史。
1. 数据导入假设已经有一个名为 health_data.sav 的SPSS数据文件，包含以下变量：
patient_id：患者ID age：年龄 gender：性别（1=男，2=女） bmi：体质指数（BMI） smoker：是否吸烟（1=是，2=否） alcohol：饮酒频率（1=从不，2=偶尔，3=经常） exercise：每周锻炼次数 cholesterol：胆固醇水平 blood_pressure：血压 diabetes：糖尿病（1=有，2=无） heart_disease：心脏病（1=有，2=无） hospital_visits：过去一年医院就诊次数 medication：正在服用的药物种类（1=无，2=一种，3=两种及以上） 2. 数据清理检查数据中的缺失值并处理。
* 打开数据文件。 GET FILE='C:\path\to\your\file\health_data.sav'. * 检查数据中的缺失值。 FREQUENCIES VARIABLES=age gender bmi smoker alcohol exercise cholesterol blood_pressure diabetes heart_disease hospital_visits medication /FORMAT=NOTABLE /STATISTICS=MEAN MEDIAN MODE STDDEV MIN MAX /MISSING=REPORT. * 删除含有缺失值的观测。 SELECT IF (SYSMIS(age) OR SYSMIS(gender) OR SYSMIS(bmi) OR SYSMIS(smoker) OR SYSMIS(alcohol) OR SYSMIS(exercise) OR SYSMIS(cholesterol) OR SYSMIS(blood_pressure) OR SYSMIS(diabetes) OR SYSMIS(heart_disease) OR SYSMIS(hospital_visits) OR SYSMIS(medication)) = 0. EXECUTE. 123456789101112 3. 描述性统计
计算各个变量的描述性统计。
* 计算描述性统计。 DESCRIPTIVES VARIABLES=age bmi exercise cholesterol blood_pressure hospital_visits /STATISTICS=MEAN STDDEV MIN MAX. * 计算频率分布。 FREQUENCIES VARIABLES=gender smoker alcohol diabetes heart_disease medication /FORMAT=NOTABLE /STATISTICS=MEAN MEDIAN MODE. 12345678 4. 因子分析
进行因子分析以减少变量数量，并提取潜在的因子。
* 因子分析。 FACTOR /VARIABLES bmi cholesterol blood_pressure exercise /MISSING LISTWISE /ANALYSIS bmi cholesterol blood_pressure exercise /PRINT INITIAL EXTRACTION ROTATION /FORMAT SORT BLANK(.10) /PLOT EIGEN /CRITERIA MINEIGEN(1) ITERATE(25) /EXTRACTION PC /ROTATION VARIMAX /SAVE REG(ALL) /METHOD=CORRELATION. 12345678910111213 5. 聚类分析
进行聚类分析以识别不同的患者群体。
5.1 层次聚类分析* 层次聚类分析。 CLUSTER bmi cholesterol blood_pressure exercise 12
