Statistical analysesCluster analysi

Statistical analyses
Cluster analysis was used to identify distinct health behaviour
clusters. This multivariate analysis can be useful for finding
homogeneous subgroups within heterogeneous samples.32
The procedure employed was in accordance with the most
recent developments in cluster analysis.33 As the precise
number of identifiable clusters was not known a priori, Ward
agglomerative hierarchical clustering was used as it is particularly
suitable for binary data.34,35 First, the Ward method
treated each individual observation as its own cluster. These
clusters were gradually agglomerated to one large cluster on
the basis of a proximity measure using a predefined fusion
algorithm.32 To enable identification of robust groups of
observations, the fusion algorithm was stopped at the point
where the individual clusters were as homogenous as possible
within clusters and as heterogeneous as possible in relation
to all the other clusters.34,36 The established measures R2,
semi-partial R2, pseudo F and pseudo t2-statistics were used as
the criteria for decisions regarding the total number of
clusters. Finally, root mean square standard deviation
(RMSSTD) was calculated as a measure of homogeneity.
A post hoc analysis looked at whether the groups identified
by cluster analysis could be characterized on the basis of
members’ specific social attributes. A multinomial logistic
regression with stepwise selection was used for this purpose.37
Therefore, the odds of cluster membership were modelled for
one social attribute while the other factors were held constant.
The coefficients thus calculated can be interpreted as changes
in the membership probability of the analysed cluster vs. the
reference category (Cluster 1).
In accordance with standard statistical procedure, bivariate
and multivariate analyses were only done on full datasets
(n = 1889). All tests were two-tailed at a level of significance of
P
0.05. The analyses were conducted using the statistical
program SAS 9.1.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ทางสถิติการแบ่งกลุ่มถูกใช้เพื่อระบุพฤติกรรมสุขภาพแตกต่างกันคลัสเตอร์ วิเคราะห์ตัวแปรพหุนี้สามารถใช้สำหรับค้นหากลุ่มย่อยเหมือนใน samples.32 ที่แตกต่างกันขั้นตอนการทำงานได้ตามพัฒนาล่าสุดในคลัสเตอร์ analysis.33 เป็นชัดเจนจำนวนกลุ่มบุคคลไม่รู้จักเป็น priori, Wardคลัสเตอร์ลำดับ agglomerative ใช้มันเป็นอย่างยิ่งเหมาะสำหรับ data.34,35 ฐานแรก วิธี Wardสังเกตแต่ละครั้งละเป็นคลัสเตอร์ของตนเอง เหล่านี้คลัสเตอร์ถูกค่อย ๆ agglomerated การคลัสเตอร์ขนาดใหญ่หนึ่งในข้อมูลพื้นฐานของวัดแห่งที่ใช้การผสมผสานที่กำหนดไว้ล่วงหน้าalgorithm.32 เพื่อเปิดใช้รหัสของกลุ่มแข็งแกร่งสังเกต อัลกอริทึมฟิวชั่นหยุดที่จุดคลัสเตอร์แต่ละที่ก็ให้เป็นที่สุดภาย ในคลัสเตอร์ และบริการเป็นที่สุดในความสัมพันธ์ทั้งหมดอื่น clusters.34,36 ที่กำหนดขึ้นเพื่อประเมิน R2ใช้เป็นกึ่งบางส่วน R2 หลอก F และหลอก t2-สถิติเกณฑ์สำหรับการตัดสินใจเกี่ยวกับจำนวนคลัสเตอร์ สุดท้าย รากส่วนเบี่ยงเบนมาตรฐานของค่าเฉลี่ยกำลังสองมีคำนวณ (RMSSTD) เป็นการวัด homogeneityวิเคราะห์ post hoc มองว่ากลุ่มที่ระบุโดยคลัสเตอร์ ได้อาจเป็นลักษณะวิเคราะห์บนพื้นฐานของของสมาชิกสังคมแอททริบิวต์เฉพาะ ก็ตามที่โลจิสติกถดถอยกับ stepwise เลือกใช้สำหรับ purpose.37 นี้ดังนั้น ราคาของสมาชิกในคลัสเตอร์ก็คือ แบบจำลองสำหรับหนึ่งสังคมคุณลักษณะในขณะปัจจัยอื่น ๆ ถูกจับคงสัมประสิทธิ์ที่คำนวณดังนั้นจึง สามารถตีความเป็นการเปลี่ยนแปลงในความน่าเป็นสมาชิกของคลัสเตอร์ analysed เทียบกับประเภทอ้างอิง (คลัสเตอร์ที่ 1)ตามมาตรฐานสถิติ bivariateและวิเคราะห์ตัวแปรพหุเท่านั้นทำบน datasets เต็ม(n =จาก 1889) ทดสอบทั้งหมดมีสองหางที่ถึงความสำคัญของระดับของP 0.05 วิเคราะห์ได้ดำเนินการโดยใช้สถิติการโปรแกรม SAS 9.1

ผลลัพธ์ (ไทย) 2:

วิเคราะห์ทางสถิติการวิเคราะห์กลุ่มที่ถูกใช้ในการระบุพฤติกรรมสุขภาพที่แตกต่างกันกลุ่ม การวิเคราะห์หลายตัวแปรนี้จะมีประโยชน์สำหรับการหากลุ่มย่อยเป็นเนื้อเดียวกันภายใน samples.32 ต่างกันขั้นตอนการจ้างงานเป็นไปตามที่มีมากที่สุดการพัฒนาล่าสุดในanalysis.33 กลุ่มในฐานะที่เป็นที่แม่นยำจำนวนกลุ่มที่สามารถระบุตัวได้ไม่เป็นที่รู้จักเบื้องต้นวอร์ดagglomerative การจัดกลุ่มตามลำดับชั้นถูกนำมาใช้ มันเป็นโดยเฉพาะอย่างยิ่งเหมาะสำหรับdata.34,35 ไบนารีแรกวิธีการวอร์ดได้รับการรักษาในแต่ละสังเกตบุคคลที่เป็นกลุ่มของตัวเอง เหล่านี้เป็นกลุ่มที่ถูก agglomerated ค่อยๆหนึ่งในกลุ่มขนาดใหญ่บนพื้นฐานของการวัดความใกล้ชิดโดยใช้ฟิวชั่นที่กำหนดไว้ล่วงหน้าalgorithm.32 ต้องการเปิดใช้งานบัตรประจำตัวของกลุ่มที่แข็งแกร่งของการสังเกตขั้นตอนวิธีการฟิวชั่นก็หยุดที่จุดที่กลุ่มบุคคลที่เป็นเนื้อเดียวกันมีความเป็นไปได้ภายในและในขณะที่กลุ่มที่แตกต่างกันที่เป็นไปได้ในความสัมพันธ์กับทุก clusters.34,36 มาตรการอื่น ๆ ที่จัดตั้งขึ้น R2, กึ่งบางส่วน R2, F และหลอกหลอก t2 สถิติถูกนำมาใช้เป็นเกณฑ์ในการตัดสินใจเกี่ยวกับจำนวนของกลุ่ม สุดท้ายรากหมายถึงตารางค่าเบี่ยงเบนมาตรฐาน(RMSSTD) ที่คำนวณได้เป็นตัวชี้วัดของความเป็นเนื้อเดียวกัน. โพสต์การวิเคราะห์เฉพาะกิจมองที่ไม่ว่าจะเป็นกลุ่มที่ระบุโดยการวิเคราะห์กลุ่มอาจจะมีลักษณะบนพื้นฐานของสมาชิกคุณลักษณะทางสังคมที่เฉพาะเจาะจง โลจิสติกพหุนามถดถอยแบบขั้นตอนด้วยการเลือกใช้สำหรับ purpose.37 นี้ดังนั้นอัตราต่อรองของการเป็นสมาชิกกลุ่มที่ถูกสร้างแบบจำลองสำหรับหนึ่งแอตทริบิวต์สังคมในขณะที่ปัจจัยอื่นๆ ที่ถูกจัดขึ้นอย่างต่อเนื่อง. ค่าสัมประสิทธิ์การคำนวณจึงสามารถตีความได้ว่าการเปลี่ยนแปลงในความน่าจะเป็นสมาชิกของการวิเคราะห์กลุ่มเมื่อเทียบกับประเภทอ้างอิง (คลัสเตอร์ 1). ตามขั้นตอนทางสถิติมาตรฐาน bivariate และการวิเคราะห์หลายตัวแปรได้ทำเฉพาะในชุดข้อมูลเต็มรูปแบบ(n = 1,889) การทดสอบทั้งหมดได้สองด้านอยู่ในระดับที่มีนัยสำคัญของP? 0.05 การวิเคราะห์ถูกดำเนินการโดยใช้สถิติโปรแกรม SAS 9.1 ?.

ผลลัพธ์ (ไทย) 3:

ผม analyses
cluster analysis was เมื่อ identify ฮุย behaviour
health หินท . การวิเคราะห์ตัวแปรหลายตัว นี้จะเป็นประโยชน์สำหรับการค้นหา
เป็นกลุ่มย่อยภายในกลุ่มตัวอย่างเดียวกัน 32
โดยการใช้สอดคล้องกับการพัฒนาล่าสุดในกลุ่มมากที่สุด

analysis.33 เป็นหมายเลขที่แม่นยำของบุคคลกลุ่มไม่ได้รู้จัก priori , วอร์ด
agglomerative hierarchical แนะ was used as ที่ particularly
สัมพันธ์หนึ่งเท่านั้น . 34,35 , the ward method
treated each จะมีเฮ้ย as cluster its สาวๆใน กลุ่มเหล่านี้
ค่อยๆ agglomerated ขนาดใหญ่หนึ่งกลุ่ม บนพื้นฐานของความ

algorithm.32 ฟิวชั่นวัดใช้ที่กำหนดไว้ล่วงหน้าให้ระบุกลุ่มที่แข็งแกร่งของ
สังเกตthe fusion algorithm was stopped at the the หินทเฮ้ยสำหรับคนยากจนกับเก็บกวาดคะแนน as homogenous as ดี
within หินท ( as heterogeneous as ดี in relation
to all ผู้ใหญ่หินท . 34,36 the established measures r2 ,
semi partial r2 ทำผิด f ( statistics t2 pseudo สำหรับ used as
the โรนัลโด for decisions และ total อย่างมาก
ของคลัสเตอร์ แก้วรากกำลังสองเฉลี่ยส่วนเบี่ยงเบนมาตรฐาน
( rmsstd ) คำนวณได้โดยการวัดค่า .
โพสต์ hoc วิเคราะห์ดูว่า กลุ่มระบุ
โดยการวิเคราะห์กลุ่มอาจจะมีลักษณะบนพื้นฐานของ
สมาชิกเฉพาะสังคมแอตทริบิวต์ เป็นวิธีเลือกแบบพหุคูณโลจิสติก
ถูกใช้เพื่อวัตถุประสงค์นี้ . 37
ดังนั้น อัตราเดิมพันของการเป็นสมาชิกกลุ่มได้จำลองสำหรับ
สังคมหนึ่งคุณลักษณะในขณะที่ปัจจัยอื่น ๆที่ถูกจัดขึ้นอย่างต่อเนื่อง .
) คำนวณจึงสามารถตีความเป็นการเปลี่ยนแปลง
ในการเป็นสมาชิกของกลุ่มและวิเคราะห์ความน่าจะเป็น
ประเภทอ้างอิง ( กลุ่มที่ 1 ) .
ตามกระบวนการทางสถิติและการวิเคราะห์หลายตัวแปรโดยใช้มาตรฐาน
มีเพียงเสร็จ
ข้อมูลเต็ม ( n = 1889 )การทดสอบสองหางที่ระดับความสำคัญของ
P
0.05 การวิเคราะห์การใช้โปรแกรมทางสถิติ SAS 9.1 
.