SPSS详细教程:相对危险度(RR)的计算
一、问题与数据
研究者想探索吸烟与肺癌间的关联,即吸烟者患肺癌的风险是否比不吸烟者高以及高多少。研究者从一般人群中随机抽样700名调查对象建立前瞻性队列研究。调查对象的吸烟状态为吸烟或不吸烟。在研究开始时,所有调查对象均未患肺癌。研究者随访10年记录调查对象是否患肺癌。
因此,研究者可以分别得到患肺癌的吸烟者、未患肺癌的吸烟者、患肺癌的不吸烟者和未患肺癌的不吸烟者的人数,据此可以计算吸烟组与不吸烟组的风险差异。
本例中代表吸烟状态的变量为smoking_status,吸烟赋值为1,不吸烟赋值为2;代表随访期肺癌发病与否的变量为lung_cancer,患肺癌赋值为1,未患肺癌赋值为2。
部分数据截图如下,左侧为原始数据,右侧为按不同吸烟状态和患肺癌与否统计的汇总数据。
二、对问题的分析
为计算相对危险度(RR),需要满足以下假设:
假设1:因变量和自变量均为二分类变量。
假设2:各观测间相互独立。
接下来将详细介绍如何计算相对危险度。
三、SPSS操作
1. 数据准备
如果研究者使用原始数据,则跳过数据准备步骤,直接计算相对危险度;如果使用按不同吸烟状态和患肺癌与否来统计得到汇总数据,则需要添加权重,步骤如下。
(1)点击主菜单Data > Weight Cases,如下图:
点击后出现Weight Cases对话框,如下图:
(2)勾选Weight cases by选项,激活 键和Frequency Variable: 框,如下图:
(3)将变量freq选入Frequency Variable框,如下图:
(4)点击OK键,为数据加权。
2. 相对危险度的SPSS操作
(1)点击主菜单Analyze > Descriptive Statistics > Crosstabs,如下图:
点击后出现Crosstabs对话框,如下图:
注意:如果使用频数统计的数据文件,Crosstabs对话框如下图:
(2)将自变量smoking_status选入Row(s)框,因变量lung_cancer选入Column(s)框,如下图:
注意:如果使用频数统计的数据文件,Crosstabs对话框如下图:
(3)点击Statistics键,出现Crosstabs:Statistics对话框,如下图:
(4)勾选Risk,如下图:
(5)点击Continue键,返回Crosstabs对话框。
(6)点击Cells键,出现Crosstabs:Cell Display对话框,如下图:
(7)勾选Percentanges区域的Row,如下图:
(8)点击Continue键,返回Crosstabs对话框。
(9)点击OK键,生成结果。
四、结果解释
1. 描述性统计分析
在报告相对危险度前,研究者应该先查看基本的一些统计量,了解数据特征。本例中在smoking_status*lung_cancer Crosstabulation表,如下图:
首先,表中可看到在350名吸烟者中患肺癌的人数,如下图高亮:
随访期间29名吸烟者患肺癌,即8.3%(29÷350*100%=8.3%)的吸烟者患肺癌。
注意:表中仅保留了一位小数,SPSS会自动计算相对危险度;如果研究者想得到更多小数位数手动计算的相对危险度,则双击smoking_status*lung_cancer Crosstabulation表,如下图。可观察到8.3%变为8.285714%。
其次,还能看到350名不吸烟者中患肺癌的人数,如下图:
随访期间9名不吸烟者患肺癌,即2.6%(9÷350*100%=2.6%)的不吸烟者患肺癌。研究者想得到更多小数位数手动计算的相对危险度,也可以如上操作,2.6%变为2.571429%,如下图:
从smoking_status*lung_cancer Crosstabulation表中可以得到初步结论:与不吸烟者相比,吸烟者患肺癌的风险更高。
研究者可以汇报:本研究随机抽样700名调查对象,吸烟者和不吸烟者各350名,吸烟者患肺癌的比例(8.3%)高于不吸烟者(2.6%)。
当然,研究者也可以选择分别汇报患肺癌的吸烟者、未患肺癌的吸烟者、患肺癌的不吸烟者和未患肺癌的不吸烟者的人数。
2. 相对危险度
相对危险度结果可以在Risk Table表中查看,如下图高亮显示。
注意:表中高亮显示的为“For cohort lung_cancer=Yes”行,不是“For cohort lung_cancer=No”,因为研究者感兴趣的是吸烟对患肺癌的影响。
吸烟者患肺癌的相对危险度是3.222,95%置信区间为1.548到6.707。95%置信区间说明研究者有95%的把握说明人群中真实的相对危险度在1.548和6.707间。
如果研究者手动计算相对危险度,则需要吸烟者患肺癌的比例即0.08285714和不吸烟者患肺癌的比例即0.02571429。将两个比例输入到相对危险度计算公式,如下图:
如果相对危险度大于1且95%置信区间不包括1,说明暴露组发生疾病的风险高于非暴露组,是结局的危险因素。本例中相对危险度3.222说明吸烟者患肺癌的风险高出不吸烟者222%。研究者还可以计算超额危险度,公式如下,其中RR为相对危险度。
本例中,超额危险度则为:
如果相对危险度小于1且95%置信区间不包括1,则意味着暴露组患病风险降低,是结局的保护因素。例如,相对危险度为0.34,代表与非暴露组相比,暴露组研究对象发生疾病的风险降低66%,计算如下。负号代表发生疾病的风险降低。
如果相对危险度的95%置信区间包括1,说明暴露组与非暴露组发生疾病的风险差异无统计学意义。
提示:研究者必须把自变量smoking_status选入Row(s),因变量lung_cancer选入Column(s)。如果选反,则会出现如下结果。
上表中相对危险度为1.574,95%置信区间上下限也分别变为1.297和1.910。因此,研究者需注意选对自变量和因变量。
综上,研究者可以汇报:本研究随机抽样700名调查对象,吸烟者和不吸烟者各350名,吸烟者患肺癌的比例(8.3%)高于不吸烟者(2.6%)。与不吸烟者相比,吸烟者患肺癌的相对危险度为3.222(95%置信区间为1.548-6.707)。
五、撰写结论
如果相对危险度95%置信区间不包括1,可以汇报:
本研究随机抽样700名调查对象,吸烟者和不吸烟者各350名,吸烟者患肺癌的比例(8.3%)高于不吸烟者(2.6%)。与不吸烟者相比,吸烟者患肺癌的相对危险度为3.222(95%置信区间为1.548-6.707),且有统计学意义。
如果相对危险度95%置信区间包括1,可以汇报(另外列举一个例子):
有900名永久性房颤病人随机分配至两组,每组450名,一组使用降低脑卒中风险的新药,另外一组使用常规药物。使用新药的房颤病人中11人(2.4%)患脑卒中,使用常规药物病人24人(4.7%)患脑卒中。与使用常规药物的房颤病人相比,使用新药的病人患脑卒中的相对危险度为0.524(95%置信区间为0.256-1.074),没有统计学意义。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在当今数字化时代,数据分析师的重要性与日俱增。但许多人在踏上这条职业道路时,往往充满疑惑: 如何成为一名数据分析师?成为 ...
2025-04-02最近我发现一个绝招,用DeepSeek AI处理Excel数据简直太爽了!处理速度嘎嘎快! 平常一整天的表格处理工作,现在只要三步就能搞 ...
2025-04-01你是否被统计学复杂的理论和晦涩的公式劝退过?别担心,“山有木兮:统计学极简入门(Python)” 将为你一一化解这些难题。课程 ...
2025-03-31在电商、零售、甚至内容付费业务中,你真的了解你的客户吗? 有些客户下了一两次单就消失了,有些人每个月都回购,有些人曾经是 ...
2025-03-31在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的需求持续飙升。世界经济论坛发布的《未来就业报告》, ...
2025-03-28你有没有遇到过这样的情况?流量进来了,转化率却不高,辛辛苦苦拉来的用户,最后大部分都悄无声息地离开了,这时候漏斗分析就非 ...
2025-03-27TensorFlow Datasets(TFDS)是一个用于下载、管理和预处理机器学习数据集的库。它提供了易于使用的API,允许用户从现有集合中 ...
2025-03-26"不谋全局者,不足谋一域。"在数据驱动的商业时代,战略级数据分析能力已成为职场核心竞争力。《CDA二级教材:商业策略数据分析 ...
2025-03-26当你在某宝刷到【猜你喜欢】时,当抖音精准推来你的梦中情猫时,当美团外卖弹窗刚好是你想吃的火锅店…… 恭喜你,你正在被用户 ...
2025-03-26当面试官问起随机森林时,他到底在考察什么? ""请解释随机森林的原理""——这是数据分析岗位面试中的经典问题。但你可能不知道 ...
2025-03-25在数字化浪潮席卷的当下,数据俨然成为企业的命脉,贯穿于业务运作的各个环节。从线上到线下,从平台的交易数据,到门店的运营 ...
2025-03-25在互联网和移动应用领域,DAU(日活跃用户数)是一个耳熟能详的指标。无论是产品经理、运营,还是数据分析师,DAU都是衡量产品 ...
2025-03-24ABtest做的好,产品优化效果差不了!可见ABtest在评估优化策略的效果方面地位还是很高的,那么如何在业务中应用ABtest? 结合企业 ...
2025-03-21在企业数据分析中,指标体系是至关重要的工具。不仅帮助企业统一数据标准、提升数据质量,还能为业务决策提供有力支持。本文将围 ...
2025-03-20解锁数据分析师高薪密码,CDA 脱产就业班助你逆袭! 在数字化浪潮中,数据驱动决策已成为企业发展的核心竞争力,数据分析人才的 ...
2025-03-19在 MySQL 数据库中,查询一张表但是不包含某个字段可以通过以下两种方法实现:使用 SELECT 子句以明确指定想要的字段,或者使 ...
2025-03-17在当今数字化时代,数据成为企业发展的关键驱动力,而用户画像作为数据分析的重要成果,改变了企业理解用户、开展业务的方式。无 ...
2025-03-172025年是智能体(AI Agent)的元年,大模型和智能体的发展比较迅猛。感觉年初的deepseek刚火没多久,这几天Manus又成为媒体头条 ...
2025-03-14以下的文章内容来源于柯家媛老师的专栏,如果您想阅读专栏《小白必备的数据思维课》,点击下方链接 https://edu.cda.cn/goods/sh ...
2025-03-13以下的文章内容来源于刘静老师的专栏,如果您想阅读专栏《10大业务分析模型突破业务瓶颈》,点击下方链接 https://edu.cda.cn/go ...
2025-03-12