论文部分内容阅读
目的以Elecsys 2010电化学发光和Abbott I2000化学发光两种方法检测357份血清AFP结果为变量,探讨非正态分布资料的相关与回归分析方法。方法对原始数据和对数转换后数据进行正态分布(W)检验;以Elecsys 2010 AFP为自变量,Abbott 12000 AFP为因变量进行曲线估计(Curve esti- mation),并绘制散点图和偏差图;建立回归方程后进行回归预测值与实际测量值的差异显著性检验(Wilcoxon检验),结合决定系数大小,确定最佳拟合模型。结果两种方法所测AFP原始数据均不呈正态分布(W=0.489,P<0.001和W=0.453,P<0.001);在直角坐标系的散点图呈直线趋势,且直线(Linear)相关与回归方程成立:(I2000 AFP)=-2.651+1.81×(Elecsys 2010 AFP)(R~2=0.980,P<0.001)[图1];但是,根据直线回归方程计算的因变量预测值存在明显偏差(Z=-5.878,P<0.001)。在直角坐标系中对低浓度变量区段进行放大显示,这种偏差即可看出(偏差图略),而幂函数(Power)回归曲线与多数散点具有更好的吻合度[图1.1]。将原始数据进行对数转化后资料呈近似正态分布(W=0.930和0.921,P<0.001,仍然不服从正态分布,然而直方图接近正态分布,图略),在多种拟合模型中幂函数回归方程决定系数最大(:I2000 AFP)=1.661×(Elecsys2010 AFP(?) (R~2=0.987.P<0.001),预测值与原始测量值无统计学差异(Z=- 0.103,P=0.918)。结论在进行相关与回归分析时,首先应熟悉资料分布类型,非正态分布资料不宜直接进行直线相关与回归,即使散点图看似直线趋势;本文两种方法检验AFP的结果资料更适合进行幂函数回归。在进行相关与回归分析时,建议试用统计软件SPSS的"Curve Estimation"模块提供的全部曲线拟合方式,根据决定系数大小从中选出最佳拟合模型。