SPSS Statistics
Ulostulo käyttäen Kaplan-Meier-menetelmä SPSS Statistics
SPSS Statistics tuottaa melko paljon lähtö Kaplan-Meier-menetelmä: pelastautuminen ja Sensuroidaan tontteja, ja useita taulukoita: Keinot ja Mediaanit Selviytymisen Aikaa, Jos Käsittely Yhteenveto ja Yleistä Vertailut taulukoissa., Jos sinulla on tilastollisesti merkittäviä eroja selviytymisen toimintoja, sinun täytyy myös tulkita Pairwise Vertailuja taulukon, jonka avulla voit määrittää, missä eroja ryhmien valehdella. Alla olevissa jaksoissa keskitymme Kokonaisvertailutaulukkoon sekä koskettelemaan Selviytymistoimintojen juonta.,
Huomautus: Jos et ole varma, miten tulkita ja raportoida kuvailevia tilastoja Keskiarvo ja Mediaanit Selviytymisen Aikaa pöydän, tai prosenttiosuudet Case Processing Summary-taulukko, joka on osa oletuksen testaus keskustelimme Oletukset-osiossa aikaisemmin, näytämme, miten voit tehdä tämän meidän parannettu Kaplan-Meier-opas. Jos huomaat, että sinulla on tilastollisesti merkittäviä eroja selviytymisen jakaumat, olemme myös selittää, miten tulkita ja raportoida Pairwise Vertailuja taulukko., Sinun täytyy myös suorittaa muita menettelyjä SPSS Statistics suorittaa nämä pairwise vertailuja, koska 13 vaiheet testausmenettely SPSS Tilasto-osassa mainitut eivät sisällä menettely pairwise vertailuja.
SPSS Statistics
pelastautuminen
ensimmäinen ja paras paikka aloittaa ymmärtää ja tulkita tuloksia on yleensä juoni kumulatiivinen survival toiminnot eri ryhmien välillä-aiheista tekijä (eli,, kolme toimintaryhmää:” hypnoterapiaohjelma”,” nikotiinilaastari ”ja” sähkötupakka ” -ryhmien käyttö). Tämä on tontti kumulatiivinen survival osa aikaa vastaan kunkin intervention ryhmässä ja on merkittävä Selviytymisen Toiminnot tontin SPSS Statistics. Tämä tontti on esitetty alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.
juoni edellä auttaa sinua ymmärtämään, miten selviytymisen jakaumat vertailla ryhmien välillä., Hyödyllinen toiminto juoni on havainnollistaa, onko selviytyminen käyrät ristiin (ts, onko ”vuorovaikutus” välillä selviytymisen jakaumat). Tämä vaikuttaa tilastollisten testien tehoon eloonjäämisjakauman erojen havaitsemiseksi. Lisäksi kannattaa päättää, ovatko selviytymiskäyrät samalla tavalla muotoillut, vaikka ne olisivat toistensa ylä-tai alapuolella. Tämä vaikuttaa Kaplan-Meier-menetelmän tulosten analysointiin käytettävän tilastotestin valintaan (ts.,, käytätkö log rank-testiä, Breslow-testiä tai Tarone-Ware-testiä, kuten myöhemmin on keskusteltu).
”tapahtuma”, josta olet kiinnostunut, katsotaan yleensä vahingolliseksi (esim.epäonnistuminen tai kuolema). Siksi se ei ole jotain haluat tapahtua. Kaikki muut asiat ovat tasa-arvoisia (esim., sensuroidaan tapauksista), enemmän tapahtumia, jotka tapahtuvat, sitä pienempi kumulatiivinen survival osa ja alempi (eli y-akseli) selviytymisen käyrä kuvaaja., Sellaisenaan, ryhmä selviytymisen käyrä, joka näyttää ”ennen” toinen ryhmä on selviytymisen käyrä pidetään yleensä osoittaa suotuisa/edullista vaikutusta.
Voimme nähdä meidän tontti, että kumulatiivinen survival osuus näyttää olevan paljon suurempi hypnoosi, verrattuna ryhmään, nikotiini laastari ja e-savuke ryhmät, jotka eivät näytä eroavat toisistaan huomattavasti (vaikka nikotiini laastari interventio tulee olla pieni etu siitä selviytyminen, että on vähemmän osallistujia jatkamaan tupakointi)., Näyttäisi siltä, että hypnoosi ohjelma merkittävästi pidentää aikaa, kunnes osallistujat jatkaa tupakointia (eli, tapahtuma) verrattuna muihin interventioihin. Kuitenkin, jos me tarkastaa käyrät viime kumulatiivinen survival osuus, voimme nähdä, että osuus osallistujat, jotka eivät olleet sitä jatkettiin tupakointi loppuun mennessä tutkimus ei vaikuta siltä, että eroa interventio-ryhmissä (noin 10%). Selvitämme, ovatko nämä eloonjäämiskäyrät tilastollisesti merkitsevästi erilaisia myöhemmin.,
Huom: Ottaa tarkastettu kumulatiivinen survival juoni edellisessä osassa, se on hyvä idea katsomaan kuvailevia elementtejä tuloksia Keinoin ja Mediaanit Selviytymisen Aikaa pöydän. Tämä auttaa selventämään ryhmienne erilaisia selviytymisaikoja. Voit tehdä tämän, sinun täytyy tulkita mediaani-arvot ja niiden 95% luottamusvälit. Voit myös juoni mediaani elinaika ryhmien päälle selviytymisen juoni kuvattu yllä., Meidän parannettu Kaplan-Meier-opas, me selittää, miten tulkita ja raportoida SPSS Statistics ulostulo Tarkoittaa ja Mediaanit Selviytymisen Aikaa pöydän.
SPSS Statistics
Valita välillä tilastollisia testejä: log-rank-testi, breslow ’ lle testi ja Tarone-Ware testi
On olemassa kolme tilastollisia testejä, jotka voidaan valita SPSS Tilasto, joka testaa, onko selviytymisen toiminnot ovat tasa-arvoisia., Nämä ovat log rank-testin (Mantel, 1966), breslow ’lle-testi (breslow’ lle, 1970; Gehan, 1965) ja Tarone-Ware-testi (Tarone & Ware, 1977), joista valitsimme tuotetaan testausmenettely SPSS Tilasto-osion edellä. Nämä kolme testiä ovat esitetty Yleinen Vertailuja taulukko, kuten alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.
kaikissa kolmessa testissä verrataan Havaittujen tapahtumien lukumäärän painotettua eroa (ts.,, tupakoinnin uudelleen aloittamista) ja odotettujen tapahtumien määrä joka hetki, mutta eroavat siitä, miten ne laskevat painon. Keskustelemme näiden kolmen tilastollisen testin eroista ja mitkä testit valitaan tehostetussa Kaplan-Meier-oppaassamme.
on melko yleistä huomata, että kaikki kolme testiä johtavat samaan lopputulokseen (ts., ne tulee kaikki hylätä nollahypoteesin, tai ne kaikki eivät ole), mutta joka testaa voit valita pitäisi riippua siitä, miten voit odottaa selviytymisen jakaumat poikkeavat toisistaan, jotta paras käyttää eri painotuksia kukin testi määrittää ajan pistettä (eli lisää tilastollista voimaa). Valitettavasti et voi luottaa siihen, että on olemassa yksi paras testi-se riippuu tietosi. Jos valitset tietyn testin valitsemisen lähestymistavan, sinun on tehtävä tämä ennen tietojesi analysointia., Sinun ei pitäisi ajaa ne kaikki ja sitten yksinkertaisesti valita yksi, joka sattuu olemaan ”paras” p-arvon tutkimuksessa (Hosmer ym., 2008; Kleinbaum & Klein, 2012).
esimerkissämme log rank-testi on sopivin, joten keskustelemme tämän testin tuloksista seuraavassa jaksossa.,
SPSS Statistics
Vertailu interventioiden
käyttää log-rank-testi, sinun täytyy tulkita ”Log Rank (Mantel-Cox)” rivi Yleinen Vertailuja taulukko, kuten korostetaan alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.
log rank-testi testaa nollahypoteesia, että ei ole eroa kokonaiselossaoloaika jakaumat ryhmien välillä (esim. interventio-ryhmät) väestöstä., Pakko testata nollahypoteesia, log-rank-testi laskee, että χ2-tilaston (”Chi-Square” – sarake), joka on verrattuna χ2-jakauma, jossa on kaksi vapausastetta (the ”df” sarake). Jotta voidaan määrittää, onko selviytyminen jakaumat ovat tilastollisesti merkitsevästi erilaisia, sinun täytyy kuulla ”Sig.”sarake, joka sisältää tämän testin p-arvon. Voit nähdä, että merkitys arvo tämän testin on .000. Tämä ei tarkoita, että p = .000, mutta että p < .0005., Jos haluat tietää todellinen p-arvo, voit kaksoisnapsauttamalla taulukkoa ja viet hiiren asiaa p-arvo, kuten korostetaan alla:
Julkaistu kirjallista lupaa SPSS Statistics IBM Corporation.
voit nyt nähdä, että p-arvo on todella .000002 (so., p=.000002). Syy siihen, että se aluksi esiintyy, että p=.000 johtuu siitä, että tulos ilmoitetaan taulukossa vain kolmen desimaalin tarkkuudella., On kuitenkin harvinaista, että siteeraisit näin pientä p-arvoa, joten saatat yksinkertaisesti todeta, että p < .0005.
Jos p < .05, sinulla on tilastollisesti merkittävä tulos ja voi todeta, että selviytymisen jakaumat eri tukimuodot eivät ole yhtä väestöstä (toisin sanoen, ne eivät ole kaikki samanlaisia). Toisaalta, jos p > .05, sinulla ei ole tilastollisesti merkittävä tulos ja voi todeta, että selviytymisen jakaumat ovat erilaisia väestön (eli,, ne ovat kaikki samat / yhtäläiset). Tässä esimerkissä, koska p=.000002, meillä on tilastollisesti merkittävä tulos. Eli eloonjäämisjakaumat ovat erilaisia populaatiossa.
Huomautus: Jos huomaat, että sinulla on tilastollisesti merkittäviä eroja selviytymisen jakaumat, kuten teemme tässä esimerkissä, sinun olisi nyt täytyy tulkita ja raportoida tuloksia Pairwise Vertailuja taulukko. Pairwise-vertailutaulukkoa ei tuoteta automaattisesti käyttämällä edellä SPSS: n Tilastolohkon testimenettelyn 13 vaihetta., Sen sijaan, sinun täytyy suorittaa lisävaiheita SPSS tilastoja, jotka näytämme teille meidän parannettu Kaplan-Meier opas. Voit käyttää tehostettua Kaplan-Meier-opasta tilaamalla Laerd-tilastoja.