单因素分析和多因素分析
对于人群分布，我们最重要的是分析血清学筛查数据在不同特征的人群中的分布是否有差别，这有助于我们找到重点人群。对于这种分析，我们较多采用的方法就是单因素分析和多因素分析。
1.单因素分析
单因素分析的目的主要是观察两组数据的差别是抽样误差，还是其所代表的总体确实是有差别，其指标主要有卡方检验的卡方值，卡方检验可广泛用于各类数据的单因素分析，卡方检验操作步骤同上，但是读取其中的皮尔逊卡方值。
秩和检验主要用于反应变量有序的资料，例如，有两个人群从2002-2011年的血清学筛查数据，如表4-3所示，现问这两个人群历年的阳性检出率是否有差异，我们可以使用秩和检验，计算步骤如下：
例如某地有两类高危人群的血清学筛查数据如表4-3所示：
表4-3 某地区两类人群HIV 筛查数据表
我们将两类人群的阳性检出率分别录入到SPSS中，录入格式如图4-20所示，1为人群1，2为人群2，注意，此处阳性率我们采用直接计算的率，不能乘以100%。
图4-20 两类人群阳性率SPSS录入截图
录入后，我们点击非参数检验的2个独立样本的检验，如图4-21所示。
图4-21 SPSS秩和检验菜单选项图
选择后，会弹出如图4-22所示的对话框，将阳性率变量选入检验变量列表，组别选入分组变量，同时点击定义组，为不同组定义1和2。
图4-22 SPSS秩和检验选项卡图
点击确定后，可得到结果，如图4-23所示，曼-惠特尼U值即为秩和检验的U值，为37，P值为0.325，我们认为两组历年的血清学阳性检出率没有统计学差异。
(https://www.daowen.com)
图4-23 SPSS秩和检验结果图
2.多因素分析
多因素分析的作用是在单因素分析有统计学意义的一些因素中，通过多因素分析，排除混杂因素，了解真正可能影响结果的因素。多因素分析可以使用SAS、SPSS、STATA等软件来实现，同时多因素分析也是一个比较复杂的统计学方法，我们需要考虑选择合适的模型、模型的敏感度、与专业的符合性等问题，下面我们以SPSS来演示如何进行Logistic多因素分析，计算步骤如下：
例如要分析影响用户选择尿液自检试剂的因素，就可以使用多因素分析，但在进行多因素分析前，要进行单因素分析，将单因素分析有意义的选项纳入多因素分析，使用SPSS进行多因素分析时，首先点击分析按钮，选择回归下的二元Logistic回归（如图4-24）。
图4-24 SPSS二元Logistic回归选项图
打开多因素分析选项栏后，将因变量是否还会使用尿液自检试剂选入因变量，将单因素分析中有意义的年龄变量、少数民族变量等选入协变量对话框，选入方程的方法有输入法、前进法、后退法等，选择何种方法应根据专业等实际需要选择，若不确定，可选择输入法（如图4-25）：
图4-25 SPSS多因素Logistic回归选项卡
Logistic回归中默认每个协变量都是有序的连续变量，对于民族、年龄段这样的非连续性变量，应设置哑变量，哑变量相当于指定其中的一个值为基准值，其他值与此对比。点击分类菜单，将民族和年龄选入分类协变量中，对比处选择指示符对比，参考类别可选择最后一个或第一个（如图4-26）。
图4-26 SPSS定义分类变量选项卡
设置完哑变量后，点击图4-25中的选项菜单，选择进入的标准和除去的标准，一般默认进入标准为0.05，除去标准为0.1，如图4-27所示。
图4-27 SPSS选项菜单图
完成相关设置后，点击确定，即可得到Logistic回归的结果，如图4-28所示，图中的Exp（β）为OR值，即相对于指示变量的危险程度，显著性即为我们常说的P值，Exp（β）的95%置信区间即是OR值的95%可信区间，若该区间跨了1，则代表该OR值无统计学意义。具体到这个例子中，第三组年龄段和第四组年龄段相对于指示的年龄段，更愿意购买尿液自检试剂的可能性为指示年龄段的2.491和2.791倍，P值分别为0.005，0.003，其95%可信区间为1.315～4.791和1.425～5.466。民族相对于指示变量，其愿意购买的可能性为指示变量的1.443倍，P值为0.037，OR的95%可信区间为1.021～2.038。
图4-28 SPSSLogistic回归结果图