の予測の例ベストモデルの検出(連続応答)

ある診療所の研究者チームは、医師による初期検査の結果に関するデータを持っています。最初の検査の終わりに、医師は各患者に患者の病気の重症度のスコアを割り当てます。研究者は、医師による検査の前に最も病気の患者に優先順位を付けるのに役立つ短い質問票を作成したいと考えています。対象分野の専門家との協議とデータの初期調査を通じて、研究者は重大度スコアの予測に使用する 8 つの変数を選択します。

研究者は、結果のモデルを使用して、新しい観測値の病気スコアを予測します。

  1. ベストモデルの検出(連続応答)の例を完了します。
  2. ナビゲータで、 の結果を選択します ベストモデルの検出(連続応答)
  3. 結果で [予測 ] を選択します。
  4. ドロップダウンリストから個別値を入力を選択します。
  5. 次の値を入力します。 この例では、各予測変数に2つの値を使用しますが、最大3つの値を使用できます。
    今の症状の数 1 10  
    痰の高生産 0 1  
    息切れの激しさ 0 1  
    激しい胸痛 0 1  
    激しい頭痛 0 1  
    重度の睡眠障害 0 1  
    一般的に非常に悪い感じ 0 1  
    通常の活動の制限 0 1  
  6. OKをクリックします。

結果を解釈する

Minitabでは、結果の重回帰モデルを使用して、予測値セットの病気スコアを推定します。研究者たちは、指定された設定を使用した病気のスコアが、最初のセットで約3.29、2番目のセットで約57.6であることを発見しました。

ベストモデルの検出(連続応答): 病気の重症度スコア 対 今の症状の数, 痰の高生産, 息切れの激しさ, 激しい胸痛, 激しい頭痛, 重度の睡眠障害, 一般的に非常に悪い感じ, 通常の活動の制限

病気の重症度スコアの予測

回帰式

病気の重症度スコア=0.344 + 2.985 今の症状の数 + 0.000000 痰の高生産_0 + 3.874 痰の高生産_1 + 0.000000 激しい胸痛_0
+ 3.247 激しい胸痛_1 + 0.000000 激しい頭痛_0 + 4.203 激しい頭痛_1 + 0.000000 重度の睡眠障害_0 + 3.591 重
度の睡眠障害_1 + 0.000000 通常の活動の制限_0 + 3.400 通常の活動の制限_1 - 0.0419 今の症状の数*今の症状の数
+ 0.000000 今の症状の数*息切れの激しさ_0 + 0.5118 今の症状の数*息切れの激しさ_1 + 0.000000 今の症状の数*一般的に非常に悪い
感じ_0 + 0.5164 今の症状の数*一般的に非常に悪い感じ_1 + 0.000000 息切れの激しさ*激しい頭痛_0 0 + 0.000000 息切れの激し
さ*激しい頭痛_0 1 + 0.000000 息切れの激しさ*激しい頭痛_1 0 + 1.000 息切れの激しさ*激しい頭痛_1 1 + 0.000000 激しい
胸痛*重度の睡眠障害_0 0 + 0.000000 激しい胸痛*重度の睡眠障害_0 1 + 0.000000 激しい胸痛*重度の睡眠障害_1 0
+ 1.741 激しい胸痛*重度の睡眠障害_1 1 + 0.000000 激しい頭痛*重度の睡眠障害_0 0 + 0.000000 激しい頭痛*重度の睡眠障害_0
1 + 0.000000 激しい頭痛*重度の睡眠障害_1 0 - 0.881 激しい頭痛*重度の睡眠障害_1 1 + 0.000000 重度の睡眠障害*通常の活動
の制限_0 0 + 0.000000 重度の睡眠障害*通常の活動の制限_0 1 + 0.000000 重度の睡眠障害*通常の活動の制限_1 0 + 1.146 重
度の睡眠障害*通常の活動の制限_1 1

設定

今の症状の数 = 1,痰の高生産 = 0,息切れの激しさ = 0,激しい胸痛 = 0,激しい頭痛 = 0,重度の睡眠障害 = 0,
一般的に非常に悪い感じ = 0,通常の活動の制限 = 0

予測

観測値適合値適合値の標準誤差95%信頼区間95%予測区間
13.287730.552218(2.20455, 4.37091)(-4.89294, 11.4684)

設定

今の症状の数 = 10,痰の高生産 = 1,息切れの激しさ = 1,激しい胸痛 = 1,激しい頭痛 = 1,重度の睡眠障害 = 1,
一般的に非常に悪い感じ = 1,通常の活動の制限 = 1

予測

観測値適合値適合値の標準誤差95%信頼区間95%予測区間
257.61590.419434(56.7931, 58.4386)(49.4656, 65.7661)