Statistical Analysis
Data was analysed using SPSS (Version 15.0). Clusters of health related behaviours were identified among 7,350 valid cases using the SPSS TwoStep Clustering algorithm. This algorithm is designed to efficiently handle large datasets, is capable of handling both continuous and categorical variables and has features to aid in determining the optimal number of clusters (SPSS, 2001). A further advantage of the TwoStep Cluster analysis approach is that it identifies which combinations are important from the many logically possible in the data and identifies the types empirically rather than impose them from an a priori scheme.
When analysing both continuous and categorical variables, TwoStep Clustering uses a model-based distance measure which defines the distance between two clusters as the corresponding decrease in log-likelihood by combing them together [43, 44]. In the first step of the cluster analysis, the cases are sorted into pre-clusters. As SPSS examines a case it decides, based on the distance measure, whether a new cluster should be formed or if the case should be added to an existing cluster. The advantage of pre-clustering is that it reduces the size of the matrix which contains the distance between all possible pairs of cases. The result is that the size of the distance matrix is now dependent on the number of pre-clusters as opposed to the number of cases. In the second step, pre clusters are clustered using a hierarchical clustering algorithm. The Bayesian information criterion (BIC) is then used to select the "best" cluster solution, with smaller values of the BIC indicating better models.
Naming of clusters is a subjective process and the clusters were named in a way which best represented the most notable findings in the data. It is argued that while naming the clusters makes presentation to the audience easier [45], it is difficult to encapsulate the level of difference of clusters between clusters with labels. Clusters were assessed to determine the best possible name to represent the defining characteristics of individual clusters. The clusters are not intended to be represented along a continuum.
A multi-nominal logistic regression was performed using SPSS 17.0 NOMREG procedure to predict the odd's ratios of cluster membership with 'healthy lifestyle' as the reference category. Categorical demographic predictors were gender, social class and age. Continuous mental health predictors were Energy and Vitality (EVI) and Mental Health Index-5 (MHI-5) from RAND SF36 [37, 38, 39]. Crude odds ratios were calculated for all predictors. A full logistic regression model was then produced which included all predictors. Odds ratios in the full model were adjusted for all other variables in the model. No interaction effects were considered. Goodness-of-fit for the adjusted model was assessed using a Likelihood Ratio chi-square test.
การวิเคราะห์ทางสถิติแก้ไขวิเคราะห์ข้อมูลโดยใช้ SPSS (เวอร์ชั่น 15.0) คลัสเตอร์สุขภาพที่เกี่ยวข้องกับพฤติกรรมถูกระบุในหมู่ 7,350 กรณีที่ถูกต้องโดยใช้อัลกอริทึม SPSS TwoStep คลัสเตอร์ อัลกอริทึมนี้ถูกออกแบบมาเพื่อจัดการกับชุดข้อมูลขนาดใหญ่ได้อย่างมีประสิทธิภาพ มีความสามารถในการจัดการตัวแปรต่อเนื่อง และแน่ชัด และมีคุณสมบัติช่วยในการกำหนดจำนวนสูงสุดของคลัสเตอร์ (SPSS, 2001) เป็นประโยชน์เพิ่มเติมของวิธีการวิเคราะห์คลัสเตอร์ TwoStep จะระบุชุดที่มีความสำคัญจากหลายเป็นไปได้ทางตรรกะในข้อมูล และระบุชนิดเชิงประสบการณ์ด้วย มากกว่ากำหนดพวกเขาจากการเป็น priori โครงร่างเมื่อวิเคราะห์ตัวแปรต่อเนื่อง และแน่ชัด TwoStep คลัสเตอร์รุ่นตามการใช้วัดระยะทางที่กำหนดระยะห่างระหว่างกลุ่มสองเป็นล็อกโอกาสที่ลดลงสอดคล้องกันโดย combing พวกเขาร่วมกัน [43, 44] ในขั้นตอนแรกของการวิเคราะห์คลัสเตอร์ กรณีถูกเรียงลำดับเป็นกลุ่มก่อน เป็นโปรแกรมตรวจสอบกรณี มันตัดสินใจ วัดระยะทาง อิงไว้ว่า ควรเป็นรูปแบบคลัสเตอร์ใหม่ หรือถ้ากรณีควรเพิ่มคลัสเตอร์มีอยู่ ประโยชน์ของคลัสเตอร์ก่อนคือ ว่า มันช่วยลดขนาดของเมตริกซ์ซึ่งประกอบด้วยระยะห่างระหว่างคู่ได้ทุกกรณี ผลลัพธ์คือ ว่าตอนนี้ขึ้นอยู่กับจำนวนของคลัสเตอร์ก่อนเมื่อเทียบกับจำนวนกรณีขนาดของเมทริกซ์ระยะ ในขั้นตอนสอง คลัสเตอร์ก่อนมีคลัสเตอร์โดยใช้อัลกอริธึม clustering แบบลำดับชั้น เกณฑ์ข้อมูลทฤษฎี (BIC) ถูกใช้เพื่อเลือกโซลูชันคลัสเตอร์ "ที่ดีที่สุด" มีค่าเล็กของ BIC ระบุรุ่นที่ดีกว่าชื่อของคลัสเตอร์คือ กระบวนการอัตนัย และคลัสเตอร์การตั้งชื่อในลักษณะที่แสดงผลที่โดดเด่นที่สุดในข้อมูล มันจะโต้เถียงว่า ขณะตั้งชื่อคลัสเตอร์ช่วยให้งานนำเสนอให้ผู้ชมได้ง่ายขึ้น [45], มันยากซ่อนระดับของความแตกต่างของกลุ่มระหว่างกลุ่มกับป้ายชื่อ คลัสเตอร์ถูกประเมินการตรวจสอบชื่อได้ที่ดีที่สุดเพื่อแสดงการกำหนดลักษณะของแต่ละกลุ่ม คลัสเตอร์ไม่ได้มีเจตนาที่จะแสดงตามแนวต่อเนื่องการถดถอยโลจิสติกหลายอัตราดำเนินการใช้ SPSS 17.0 NOMREG กระบวนการทำนายอัตราส่วนของคี่ของคลัสเตอร์เป็นสมาชิกกับ 'สุขภาพดี' เป็นประเภทอ้างอิง เพศ ชนชั้น และทำนายประชากรที่แน่ชัดได้ ทำนายสุขภาพจิตอย่างต่อเนื่องมีพลังงาน และความมีชีวิตชีวา (EVI) และทางจิตสุขภาพดัชนี-5 (MHI-5 จาก SF36 แรนด์) [37, 38, 39] อัตราส่วนราคาน้ำมันดิบถูกคำนวณสำหรับทำนายทั้งหมด แบบจำลองถดถอยโลจิสติกส์เต็มรูปแบบแล้วผลิตซึ่งรวมทั้งหมดทำนาย อัตราส่วนราคาต่อรองในรูปแบบเต็มรูปแบบถูกปรับปรุงสำหรับตัวแปรอื่น ๆ ทั้งหมดในรูปแบบ ไม่มีผลปฏิสัมพันธ์ถูกนำมาพิจารณา รับการประเมินความดีของ fit สำหรับรุ่นปรับปรุงโดยใช้การทดสอบไคสแควร์อัตราความเป็นไปได้
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)
วิเคราะห์สถิติ
วิเคราะห์ข้อมูลโดยใช้โปรแกรม SPSS (เวอร์ชั่น 15.0) กลุ่มของพฤติกรรมที่เกี่ยวข้องกับสุขภาพที่ถูกระบุในหมู่ 7,350 กรณีที่ถูกต้องโดยใช้อัลกอริทึม SPSS TwoStep Clustering ขั้นตอนวิธีการนี้ถูกออกแบบมาให้มีประสิทธิภาพการจัดการชุดข้อมูลขนาดใหญ่, มีความสามารถในการจัดการทั้งตัวแปรอย่างต่อเนื่องและเด็ดขาดและมีคุณสมบัติที่จะช่วยในการกำหนดจำนวนที่เหมาะสมของกลุ่ม (SPSS, 2001) ข้อได้เปรียบอีกของวิธีการวิเคราะห์ TwoStep คลัสเตอร์คือว่ามันระบุว่ารวมกันมีความสำคัญจากหลาย ๆ ที่เป็นไปได้มีเหตุผลในข้อมูลและระบุประเภทสังเกตุมากกว่ากำหนดให้พวกเขาจากเบื้องต้นโครงการ. เมื่อวิเคราะห์ทั้งสองตัวแปรอย่างต่อเนื่องและเด็ดขาด TwoStep Clustering ใช้วัดระยะทางแบบที่ใช้ซึ่งได้กำหนดระยะห่างระหว่างสองกลุ่มเป็นลดลงสอดคล้องกันในโอกาสเข้าสู่ระบบโดย combing พวกเขาร่วมกัน [43, 44] ในขั้นตอนแรกของการวิเคราะห์คลัสเตอร์กรณีถูกจัดเรียงเป็นกลุ่มก่อน ในฐานะที่เป็นโปรแกรม SPSS ตรวจสอบกรณีที่ตัดสินใจอยู่บนพื้นฐานของการวัดระยะทางไม่ว่าจะเป็นกลุ่มใหม่ควรจะเกิดขึ้นหรือถ้ากรณีที่ควรจะเพิ่มคลัสเตอร์ที่มีอยู่ ข้อได้เปรียบของการจัดกลุ่มก่อนก็คือว่ามันช่วยลดขนาดของเมทริกซ์ซึ่งมีระยะห่างระหว่างคู่ที่เป็นไปได้ทุกกรณีที่ ผลที่ได้คือว่าขนาดของเมทริกซ์ระยะทางที่อยู่ในขณะนี้ขึ้นอยู่กับจำนวนของกลุ่มก่อนเมื่อเทียบกับจำนวนผู้ป่วย ในขั้นตอนที่สองกลุ่มเป็นคลัสเตอร์ก่อนใช้วิธีการจัดกลุ่มตามลำดับชั้น ข้อมูลคชกรรมเกณฑ์ (BIC) ที่ใช้แล้วเพื่อเลือก "ที่ดีที่สุด" การแก้ปัญหากลุ่มที่มีค่ามีขนาดเล็กของ BIC ระบุรุ่นที่ดีกว่า. การตั้งชื่อของกลุ่มเป็นกระบวนการอัตนัยและกลุ่มที่ถูกตั้งชื่อในทางที่ดีที่สุดเป็นตัวแทนที่โดดเด่นมากที่สุด ผลการวิจัยในข้อมูล มันเป็นเรื่องที่ถกเถียงกันอยู่ว่าในขณะที่การตั้งชื่อกลุ่มทำให้นำเสนอให้กับผู้ชมได้ง่ายขึ้น [45] มันเป็นเรื่องยากที่จะแค็ปซูลระดับของความแตกต่างของกลุ่มระหว่างกลุ่มที่มีป้ายชื่อ กระจุกมีการประเมินการตรวจสอบชื่อที่ดีที่สุดเพื่อเป็นตัวแทนของการกำหนดลักษณะของกลุ่มบุคคล กลุ่มไม่ได้มีเจตนาที่จะแสดงต่อเนื่องไปตลอด. ถดถอยโลจิสติกหลายเล็กน้อยถูกดำเนินการโดยใช้โปรแกรม SPSS ขั้นตอน NOMREG 17.0 ที่จะคาดการณ์อัตราส่วนแปลกของสมาชิกคลัสเตอร์ด้วย 'วิถีชีวิตที่มีสุขภาพดี' เป็นหมวดหมู่อ้างอิง พยากรณ์ประชากรศาสตร์เด็ดขาดคือเพศระดับชั้นทางสังคมและอายุ อย่างต่อเนื่องทำนายสุขภาพจิตเป็นพลังงานและความมีชีวิตชีวา (EVI) และสุขภาพจิตดัชนี-5 (MHI-5) จาก RAND SF36 [37, 38, 39] อัตราส่วนราคาต่อรองน้ำมันดิบจะถูกคำนวณพยากรณ์ทั้งหมด เต็มรูปแบบการถดถอยโลจิสติกถูกผลิตแล้วซึ่งรวมถึงการพยากรณ์ทั้งหมด อัตราส่วนราคาต่อรองในรูปแบบเต็มรูปแบบมีการปรับสำหรับตัวแปรอื่น ๆ ทั้งหมดในรูปแบบ ไม่มีผลการทำงานร่วมกันได้รับการพิจารณา คุณงามความดีของพอดีสำหรับรุ่นที่ปรับได้รับการประเมินโดยใช้การทดสอบไคสแควโอกาสอัตราส่วน
การแปล กรุณารอสักครู่..
![](//thimg.ilovetranslation.com/pic/loading_3.gif?v=b9814dd30c1d7c59_8619)