預(yù)測模型實戰(zhàn)：基于R、SPSS和Stata

定　價：￥118.00

作　者：	武松著
出版社：	清華大學(xué)出版社
叢編項：	新時代·技術(shù)新未來
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥88.50)

ISBN：	9787302639411	出版時間：	2023-11-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　本書包括四大塊，一是預(yù)測模型的基礎(chǔ)知識，二是基于Logistic回歸的臨床預(yù)測模型實戰(zhàn)，是預(yù)測模型中其他要技術(shù)；特色：（1）白話統(tǒng)計：統(tǒng)計難教難學(xué)難應(yīng)用，講解統(tǒng)計需要語言行傳授或表達，本書作者有20年一線統(tǒng)計教學(xué)的經(jīng)驗，可以將統(tǒng)計以為通俗易懂案例行講解，而非標準數(shù)據(jù)，讓讀者有處理真實數(shù)據(jù)的感覺；（3）軟件優(yōu)勢：本書撰寫度低，非常適合廣大的非統(tǒng)計學(xué)專業(yè)的從業(yè)人員學(xué)習(xí)；（4）自編插件：針對數(shù)據(jù)處理中繁瑣的分析過程，可以實現(xiàn)一鍵實現(xiàn)，大降低讀者的學(xué)習(xí)難度！

作者簡介

　　武松（松哥統(tǒng)計），安徽中醫(yī)藥大學(xué)副教授，中國疾病預(yù)防控制中心流行病與衛(wèi)生統(tǒng)計學(xué)博士，世界中聯(lián)臨床科研統(tǒng)計學(xué)會理事，國家高級統(tǒng)計分析師，SPSS高級數(shù)據(jù)分析師。擅長SPSS、SAS、R、Stata等多種統(tǒng)計軟件，國內(nèi)多家雜志編委。目前為止主持課題8項，協(xié)作子課題12項，出版SPSS統(tǒng)計軟件專著2部，均為暢銷書，參與編寫了7部圖書，參與過“十一五” “國家自然基金” “衛(wèi)生部專項基金”等數(shù)十項課題數(shù)據(jù)分析，經(jīng)驗豐富。在國家級刊物作為第一作者或通訊作者發(fā)表文章40余篇，獲得國家發(fā)明專利1項，獲得計算機軟件著作權(quán)5項，獲得上海市出入境檢驗檢疫局科技興檢三等獎1項。

圖書目錄

目錄
第1章臨床預(yù)測模型基礎(chǔ) / 1
1.1 三種建模策略解讀 / 1
1.1.1 風險因素發(fā)現(xiàn)模型 / 1
1.1.2 風險因素驗證模型 / 2
1.1.3 臨床預(yù)測模型 / 3
1.2 臨床預(yù)測模型分類與分型 / 5
1.2.1 預(yù)測模型目的分類 / 5
1.2.2 預(yù)測模型數(shù)據(jù)來源分類 / 6
1.2.3 數(shù)據(jù)集分類 / 7
1.3 區(qū)分度-C指數(shù) / 8
1.4 凈重新分類指數(shù) / 10
1.5 綜合判別改善指數(shù) / 12
1.6 校準度 / 13
1.6.1 Hosmer-Lemeshow檢驗 / 13
1.6.2 Calibration plot / 13
1.7 臨床決策曲線 / 16
1.8 模型可視化（Visualization） / 18
1.9 交叉驗證 / 19
1.9.1 簡單交叉驗證（Simple Cross Validation） / 20
1.9.2 K折交叉驗證（K-Folder Cross Validation） / 20
1.9.3 留一法交叉驗證（Leave-one-out
Cross Validation） / 20
1.10 自助抽樣法 / 20
1.11 LASSO回歸 / 21
1.12 臨床預(yù)測模型報告規(guī)范 / 23
第2章模型構(gòu)建相關(guān)問題 / 26
2.1 單變量進入模型的形式 / 26
2.1.1 數(shù)值變量進入模型的形式 / 26
2.1.2 等級變量進入模型的形式 / 27
2.1.3 分類變量進入模型的形式 / 28
2.2 模型構(gòu)建策略探討 / 29
2.2.1 先單后多法 / 29
2.2.2 全部進入法 / 29
2.2.3 百分之十改變量法 / 29
2.2.4 LASSO回歸法 / 29
2.3 統(tǒng)計建模 / 30
2.3.1 危險因素篩選模型 / 30
2.3.2 風險因素驗證模型 / 30
2.3.3 臨床預(yù)測模型 / 30
第3章 SPSS臨床預(yù)測模型實戰(zhàn) / 31
3.1 SPSS在診斷模型中的應(yīng)用 / 31
3.1.1 數(shù)據(jù)拆分 / 32
3.1.2 統(tǒng)計建模 / 33
3.1.3 模型評價 / 38
3.2 SPSS在預(yù)后模型中的應(yīng)用 / 42
第4章 Stata診斷模型實戰(zhàn) / 46
4.1 Logistic回歸模型構(gòu)建 / 46
4.1.1 先單因素分析 / 46
4.1.2 后多因素分析 / 50
4.1.3 正式后多因素分析 / 51
4.1.4 模型比較 / 54
4.1.5 最終模型 / 56
4.1.6 預(yù)測概率 / 57
4.2 Logistic回歸模型區(qū)分度評價 / 57
4.2.1 訓(xùn)練集的AUC分析 / 58
4.2.2 訓(xùn)練集ROC曲線分析 / 58
4.2.3 驗證集AUC 分析 / 59
4.2.4 驗證集ROC分析 / 60
4.2.5 多條ROC曲線 / 60
4.3　Logistic回歸模型校準度評價：HL檢驗
與校準曲線 / 61
4.3.1 基于HL函數(shù)的校準度 / 61
4.3.2 校準曲線加強版 / 63
4.3.3 Bootstrap校準曲線 / 67
4.4 Logistic回歸模型臨床適用性評價：臨
床決策曲線（DCA） / 69
4.4.1 訓(xùn)練集臨床決策曲線 / 70
4.4.2 驗證集臨床決策曲線 / 70
4.4.3 決策曲線優(yōu)化 / 71
4.4.4 凈減少曲線（Net Reduction） / 72
4.5 Logistic回歸模型可視化：Nomo圖 / 73
4.6 NRI和IDI / 75
4.6.1 NRI（凈重新分類指數(shù)） / 75
4.6.2 IDI（綜合判別改善指數(shù)） / 77
4.7 如何利用別人文章的模型 / 78
4.8 交叉驗證 / 79
4.9 Bootstrap / 81
4.10 LASSO-Logit / 85
4.10.1 LASSO回歸 / 86
4.10.2 路徑圖 / 88
4.10.3 CV-LASSO / 91
4.11 缺失值處理 / 93
4.11.1 直接刪除法 / 93
4.11.2 單一插補法 / 93
4.11.3 多重插補法 / 93
第5章 Stata預(yù)后臨床預(yù)測模型實戰(zhàn) / 100
5.1 模型構(gòu)建 / 100
5.1.1 建立時間變量和結(jié)局變量 / 101
5.1.2 單因素分析 / 101
5.1.3 多因素分析 / 102
5.1.4 模型比較 / 104
5.1.5 確定最終模型 / 105
5.2 區(qū)分度 / 106
5.2.1 C-index / 106
5.2.2 C-index和Somers_D及 95%可信區(qū)間 / 107
5.2.3 時點ROC曲線（Time ROC） / 109
5.3 校準度 / 113
5.3.1 建立模型 / 113
5.3.2 訓(xùn)練集時點校準曲線 / 113
5.3.3 驗證集時點校準曲線 / 114
5.3.4 訓(xùn)練集校準曲線加強版 / 114
5.3.5 驗證集校準曲線加強版 / 115
5.4 決策曲線 / 117
5.4.1 建立模型 / 117
5.4.2 設(shè)立時間節(jié)點死亡概率 / 117
5.4.3 模型組與驗證組DCA / 117
5.4.4 多模型DCA曲線 / 119
5.4.5 凈獲益的數(shù)據(jù) / 120
5.5 Nomo圖 / 120
5.5.1 構(gòu)建模型 / 120
5.5.2 命令繪制Nomo圖 / 120
5.5.3 窗口Nomo繪制 / 122
5.6 NRI與IDI / 123
5.6.1 NRI / 123
5.6.2 IDI / 125
5.7 Bootstrap / 126
第6章 R語言診斷臨床預(yù)測模型實戰(zhàn) / 129
6.1 Logistic回歸模型構(gòu)建 / 129
6.1.1 單因素分析 / 129
6.1.2 多因素分析 / 138
6.2 Logistic回歸模型區(qū)分度評價 / 154
6.2.1 訓(xùn)練集AUC與ROC / 155
6.2.2 驗證集AUC和ROC / 159
6.2.3 繪制多條ROC曲線 / 163
6.2.4 兩條ROC曲線比較 / 165
6.2.5. Bootstrap法ROC內(nèi)部驗證 / 166
6.3 Logistic回歸校準度評價：HL檢驗與校
準曲線 / 168
6.3.1 calibrate包val.prob函數(shù)校準曲線實現(xiàn) / 168
6.3.2 Hosmer-Lemeshow test檢驗 / 170
6.3.3 riskRegression包plotCalibration函數(shù)校準曲
線實現(xiàn) / 171
6.3.4 lrm calibrate plot校準曲線實現(xiàn) / 172
6.3.5 校準曲線方法四（Bootstrap法) / 174
6.4 Logistic回歸模型臨床決策曲線
（DCA） / 175
6.4.1 軟件準備工作 / 176
6.4.2 rmda包決策曲線實現(xiàn) / 176
6.4.3 臨床影響曲線（clinical impact curve） / 180
6.4.4 DCA及可信區(qū)間 / 182
6.4.5 交叉驗證DCA / 182
6.4.6 DCA包臨床決策曲線繪制 / 183
6.5 Logistic回歸模型可視化：Nomo圖 / 185
6.5.1 rms包常規(guī)普通列線圖回歸 / 186
6.5.2 regplot包繪制交互列線圖 / 187
6.5.3 普通列線圖變種 / 189
6.5.4 DynNom包動態(tài)列線圖 / 190
6.5.5 制作網(wǎng)絡(luò)版動態(tài)列線圖 / 193
6.6 Logistic回歸模型診斷效果評價 / 197
6.6.1 診斷試驗評價 / 198
6.6.2 ROC曲線比較 / 198
6.6.3 Logistic回歸分析 / 199
6.7 NRI和IDI / 200
6.7.1 凈重新分類指數(shù) / 200
6.7.2 綜合判別改善指數(shù) / 202
6.8 如何驗證別人已經(jīng)發(fā)表的模型 / 204
6.9 LASSO在Logistic回歸中應(yīng)用 / 205
6.9.1 軟件包準備 / 205
6.9.2 數(shù)據(jù)準備 / 205
6.9.3 LASSO-Logit / 205
6.9.4 CV-LASSO / 207
6.10 交叉驗證與Bootstrap / 209
6.10.1 簡單交叉驗證 / 210
6.10.2 十重交叉驗證 / 211
6.10.3 留一法交叉驗證 / 212
6.10.4 Bootstrap CV / 213
6.10.5 Bootstrap ROC / 214
第7章 R語言預(yù)后臨床預(yù)測模型實戰(zhàn) / 216
7.1 COX回歸模型構(gòu)建 / 217
7.1.1 數(shù)據(jù)讀取 / 217
7.1.2 軟件包準備 / 218
7.1.3 先單因素分析 / 218
7.1.4 后多因素分析 / 219
7.1.5 批量單因素分析 / 220
7.1.6 多因素分析 / 222
7.1.7 模型比較 / 226
7.2 預(yù)后模型區(qū)分度分析 / 229
7.2.1 Concordance index / 229
7.2.2 Time-ROC / 234
7.2.3 時間依賴AUC / 239
7.3 預(yù)后模型校準度分析 / 244
7.3.1 基于rms包的校準曲線 / 244
7.3.2 基于pec包的校準曲線 / 250
7.4 預(yù)后模型決策曲線分析 / 255
7.4.1 基于stdca.R的決策曲線 / 257
7.4.2 基于dcurves包的決策曲線 / 263
7.4.3 基于ggDCA包的決策曲線 / 270
7.5 交叉驗證 / 274
7.6 預(yù)后模型Nomo展示 / 277
7.6.1 普通生存概率列線圖 / 277
7.6.2 中位生存時間列線圖 / 279
7.6.3 網(wǎng)格線列線圖 / 280
7.6.4 動態(tài)列線圖 / 280
7.7 NRI和IDI / 283
7.7.1 NRI（凈重新分類指數(shù)） / 283
7.7.2 IDI / 285
7.8 LASSO-COX / 286
7.8.1 數(shù)據(jù)準備 / 286
7.8.2 LASSO-COX / 286
7.8.3 CV-LASSO / 288
7.9 模型效果驗證 / 290
7.9.1 風險分組后KM曲線 / 290
7.9.2 風險得分圖 / 293
7.10 生存分析數(shù)值變量分類方法 / 295
7.10.1 Time-ROC / 295
7.10.2 X-Tile / 297
參考資料 / 299