Информационно-измерительная техника в медицине
жүктеу/скачать 0,92 Mb.
|
ИИТ в медицине [Н.Ф.Рожков][2004]
Результаты анализа. В выходном диапазоне получаем корреляционную матрицу:
Интерпретация результатов. Из таблицы видно, что корреляция между процентом распознавания и возрастом равна 0,77, а между процентом распознавания и уровнем шума — -0,59, между уровнем шума и возрастом— г = 0. Таким образом, в результате анализа выявлены зависимости: сильная степень линейной связи между эффективностью распознавания полезного сигнала и возрастом (г=0,77) и слабая обратная линейная связь между эффективностью распознавания полезного сигнала и уровнем маскирующего шума (г=-0,59). Регрессионный анализ. Линейный регрессионный анализ заключается в подборе графика и его уравнения для набора наблюдений. Регрессия используется для анализа воздействия на отдельную зависимую переменную значений одной или бол независимых переменных. В Пакете анализа экспериментальные данные аппроксимируются линейным уравнением до 16 порядка: У = аО + аIхХI + а2хХ2 + ... + а16хХ16 где У — зависимая переменная, ХI, ..., ХI6 — независимые переменные, аО, аI, ..., аIб — искомые коэффициенты регрессии. Для получения коэффициентов регрессии необходимо: а) выполнять команду Сервис>Анализ данных; 6) в появившемся диалоговом окне Анализ данных в списке Инструменты анализа выбрать строку Регрессия, указан кур сором мыши и щелкнув левой кнопкой мыши. Затем нажать кнопку Ок; в) в появившемся диалоговом окне задать Входной интервал У, т. е. ввести ссылку на диапазон анализируемых зависимых данных, содержащий один столбец данных. Для этого следует навести указатель мыши на верхнюю ячейку столбца зависимых данных, нажать левую кнопку мыши и, не отпуская ее, протянуть указатель мыши к нижней ячейке, содержащей анализируемые данные, затем отпустить левую кнопку мыши; г) указать Входной интервал Х, т. е. ввести ссылку на диапазон независимых данных, содержащий до 16 столбцов анализируемых данных. Для этого следует навести указатель мыши в поле ввода Входной интервал Х и щелкнуть левой кнопкой мыши, затем навести указатель мыши на верхнюю левую ячейку диапазона независимых данных, нажать левую кнопку мыши и, не отпуская ее, протянуть указатель мыши к нижней правой ячейке, содержащей анализируемые данные, затем отпустить левую кнопку мыши; д) указать выходной диапазон, т. е. ввести ссылку на ячейки, в которые будут выведены результаты анализа. Для этого следует поставить переключатель в положение Выходной диапазон (навести указатель мыши и щелкнуть левой кнопкой), далее навести указатель мыши в правое поле ввода Выходной диапазон и щелкнуть левой кнопкой мыши, затем указатель мыши наводится на левую верхнюю ячейку выходного диапазона и делается щелчок левой кнопкой мыши. Размер выходного диапазона будет определен автоматически, и на экран будет вы ведено сообщение в случае возможного наложения выходного диапазона на исходные данные; е) нажимается кнопка ОК. Результаты анализа. Выходной диапазон будет включать в себя результаты дисперсионного анализа, коэффициенты регрессии, стандартную погрешность вычисления У, среднеквадратичные отклонения, число наблюдений, стандартные погрешности для коэффициентов. Интерпретация результатов. Значения коэффициентов регрессии находятся в столбце Коэффициенты и соответствуют: У-пересечение — а0; Переменная Х — а1 Переменная Х2 — а2, и т. д. В столбце Р-Значение приводится достоверность отличия соответствующих коэффициентов от нуля. В случаях, когда Р>0,05, коэффициент может считаться нулевым; это означает, что соответствующая независимая переменная практически не влияет на зависимую переменную. Приводимое значение R-квадрат характеризует, с какой степенью точности полученное регрессионное уравнение аппроксимирует исходные данные. Если R-квадрат > 0,95, говорят о высокой точности аппроксимации (модель хорошо описывает явление). Если R -квадрат лежит в диапазоне от 0,8 до 0,95, говорят об удовлетворительной аппроксимации (модель в целом адекватна описываемому явлению). Если R-квадрат <0,95 принято считать, что точность аппроксимации недостаточна и модель требует улучшения (введения новых независимых переменных, учета нелинейностей и т.д.). Демонстрационный пример 6. Имеются результаты, проводившейся у 8 больных эффективной криодеструкции кожных рубцов различной толщины.
Необходимо рассмотреть возможность на основании этих данных определять предполагаемое время криодеструкции. Решение Вводим данные: толщина рубца — в диапазон А1 :А8; время криодеструкции в диапазон В1: В8 (заметим, что знаку запятой, отделяющей целую часть от дробной, соответствует "запятая"). В пункте меню Сервис выбираем строку Анализ данных и далее указываем курсором мыши на строку Регрессия. В готовившемся диалоговом окне задаем Входной интервал У. Для этого наводим указатель мыши на верхнюю ячейку столбца зависимых данных (В1), нажимаем левую кнопку мыши и, не отпуская ее, протягиваем указатель мыши к нижней ячейке (В8), затем, отпускаем левую кнопку мыши. Аналогично указываем Входной интервал Х, т. е ввести ссылку на диапазон независимых данных А1 :А8. Далее указываем выходной диапазон. Для этого ставим переключатель в положение Выходной диапазон (навести указатель мыши, и щелкнуть левой кнопкой), затем наводим указатель мыши в правое поле ввода Выходной диапазон и щелкнув левой кнопкой мыши, указатель мыши наводим на левую верхнюю ячейку выходного диапазона (С1) и делаем щелчок левой кнопкой мыши. Нажимаем кнопку ОК жүктеу/скачать 0,92 Mb. Достарыңызбен бөлісу:
|