一、案例介绍

某研究者为检验某冶炼厂的砷暴露与因呼吸道疾病死亡之间的关系，对该厂1978-2009年的职工进行了回顾性队列研究，请对资料进行分析。

二、问题分析

本案例的分析目的为是否砷暴露与呼吸道疾病死亡之间的关系，了解单位时间、单位面积或者空空间内某时间发生数的影响因素，可以考虑使用Poisson回归，并且‘是否砷暴露’这个数据满足平稳性、独立性和普通性这三个特征，因而可以使用Poisson回归进行研究。

三、软件操作及结果解读

(一) 数据导入

1.数据格式

首先将数据整理成正确的格式，一般一个X为一列，Y为一例，并且分析的数据带有数据标签的，需要另添加一个表格进行说明，数据格式如下

2.导入数据

将整理好的数据上传至SPSSAU系统内，如下：

上传的数据如下：

(二) 适用条件判断

1.软件操作

Poisson回归分析路径为点击【实验/医学研究】→【poisson回归】然后进行分析：

2. 结果解读

分析Poisson回归模型似然比检验结果的目的主要是检验整体模型的有效性，首先对p值进行分析，如果该值小于0.05，则说明模型有效；反之则说明模型无效，AIC和BIC值用于多次分析时的对比；此两值越低越好；如果多次进行分析，可对比此两个值的变化情况，综合说明模型构建的优化过程，如果不进行多次分析对比，则无需关注此指标。从分析结果来看，p值小于0.05，因而说明拒绝原定假设，即说明本次构建模型时，放入的自变量具有有效性，本次模型构建有意义。其中AIC、BIC的计算如下：

AIC=-2ln(L)+2k；BIC=-2ln(L)+ln(n)*k；

其中 : L是该模型下的最大似然，n是数据数量，k是模型的变量个数。

然后查看poisson回归分析结果：

然后进行查看数据是否满足等离散检验：

o检验用于检测数据是否等离散。如果O值绝对值大于1.96（此时p 值小于0.05），则说明数据过离散，此时可考虑使用负二项回归进行研究。如果o值绝对值小于1.96 （此时p 值大于0.05），则说明数据等离散，此时数据适合使用Poisson回归，发现o检验的o值为19.402>1.96,p值小于0.05，说明数据过离散，此时可考虑使用负二项回归进行研究。负二项回归的结果如下：

从上表可知，以死亡数作为因变量，有砷暴露为自变量，进行负二项回归分析，从上表可以看出，模型公式为：Log(Y)=-5.919 + 0.597*砷暴露_有砷暴露 + ln(观察人年数)。但是砷暴露_有砷暴露的回归系数值为0.597，p值大于0.05，但是并没有呈现出显著性，说明有无砷暴露不会影响死亡数。