全文获取类型
收费全文 | 122篇 |
免费 | 6篇 |
国内免费 | 3篇 |
专业分类
妇产科学 | 1篇 |
基础医学 | 3篇 |
临床医学 | 8篇 |
内科学 | 11篇 |
神经病学 | 7篇 |
外科学 | 23篇 |
综合类 | 17篇 |
预防医学 | 57篇 |
眼科学 | 1篇 |
药学 | 2篇 |
中国医学 | 1篇 |
出版年
2020年 | 1篇 |
2019年 | 3篇 |
2018年 | 2篇 |
2017年 | 1篇 |
2015年 | 2篇 |
2014年 | 9篇 |
2013年 | 15篇 |
2012年 | 27篇 |
2011年 | 30篇 |
2010年 | 13篇 |
2009年 | 7篇 |
2007年 | 1篇 |
2006年 | 1篇 |
2005年 | 11篇 |
2004年 | 3篇 |
2001年 | 1篇 |
1996年 | 1篇 |
1995年 | 2篇 |
1993年 | 1篇 |
排序方式: 共有131条查询结果,搜索用时 15 毫秒
21.
<正>在流行病学研究中,经常会遇到结果变量是非连续的分类资料,这时常选用Logistic回归模型来分析各影响因素和结果变量之间的关系。研究者除了通过回归方程来预测外更关心的是哪些因素对结果有影响并解释其影响程度如何,同时把评估各因 相似文献
22.
23.
24.
回归方程中r是相关系数,R是复相关系数,R2是复确定系数。在统计学的回归分析中虽然常用它们来描述因变量与自变量的相关性和回归关系,但它们各自表达的统计学意义却不相同,因此三者不能混用。三者的关系是在一个因变量与一个自变量的线性相关和回归中,相关性符号用r,回归关系符号用R2;而在一个因变量的非线性回归或一个因变量与多个自变量的线性相关和回归中,相关符号须用R,这时回归关系符号应该用R2。 相似文献
25.
背景:目前缺乏加拿大心绞痛严重度分级与理化指标之间的相关性研究,且对加拿大心绞痛严重度分级的判别缺乏利用现代科学技术指导的系统研究。目的:通过多中心、随机、大样本横断面调查法建立基于数学模型的加拿大心绞痛严重度分级判别函数式,明确加拿大心绞痛严重度分级的相关理化指标之间的相关性。方法:本研究选择国内12所医院作为分中心,采用流行病学调查法采集不同地区人群的数据资料。样本数为1788,经过严格质量控制数据录入。用统计学方法选取变量,用Logistic回归及判别分析方法建模,从而得到加拿大心绞痛严重度分级的判别方程极其主要特征。结果与讨论:29个理化指标经过因子分析得出13个公因子。建立的Logistic回归及判别模型是对加拿大心绞痛严重度分级进行评判,拟合度比较差。加拿大心绞痛严重度分级的主要相关理化指标为ST段下降总和、I、V5、AVL、V4、V6、V3、心脏彩超、颈动脉彩超、凝血酶原时间、射血分数。 相似文献
26.
多元线性回归中自变量共线性的处理张新民,沈杰,俞顺章在流行病生态学研究中,经常应用多元回归分析方法研究多个因素与某个因素的线性依存关系,但在应用过程中常常因为自变量存在共线性,即自变量彼此相关而使回归研究要么求不出回归系数,要么回归系数不稳定。为此,... 相似文献
27.
陈忠祥 《中国现代应用药学》2005,(1):45-45
在分析工作中 ,经常遇到处理 2个变量之间关系的问题。比如分光光度法中吸光度与溶液浓度之间的关系 ,在这2个变量中 ,被测浓度我们称自变量 ,用 x表示 ;吸光度我们称因变量 ,用 y表示。因变量 y随自变量 x变化呈现规律性 ,为减小误差 ,可用一元线性回归方程 y=a+bx来处理这 2个变量之间的关系。分光光度法中通常是用已知溶液测定吸光度 ,通过几组测定数据制作标准曲线。测定待测溶液吸光度 ,从标准曲线上查得该溶液浓度 ,通过计算便可知试样含量。但是绘制标准曲线繁杂 ,加之所测的数据难免有偏离曲线的点 ,因而导致误差。用一元线性回归… 相似文献
28.
Logistic回归模型使用注意事项和结果表达 总被引:7,自引:0,他引:7
Logistic回归模型是流行病学研究中用途较广的多因素分析方法。然而 ,有时人们因不参很好地理解模型的假设条件而误用 ,或因不能明确地表达和解释结果造成读者的误解。Logistic回归模型简介设D为两项随机变量 (binomialrandomvariable) ,D =1表示在特定的观察期间内 (t0 到t)发病 ,D =0为未发病。可能和疾病发生有关联的自变量有 χ1,χ2 ,… ,χk。在t0 时测量自变量。疾病发生的条件概率 (pr)为 :pr(D =1| χ1,χ2 ,… ,χk) =P(x)对P(x)作“logit”转换变换 :ln[P(x) /… 相似文献
29.
本文目的是介绍回归建模的基础与要领之三,即"变量状态与相互间关系"。首先,介绍"因变量状态"与"自变量状态";其次,介绍"自变量间相互关系",即"自变量间相互独立""自变量间有线性关系"和"自变量间有非线性关系";最后,介绍"自变量与因变量间关系",包括"自变量与因变量间无任何数量关系""自变量与因变量间有间接数量关系"和"自变量与因变量间有直接数量关系"。很明显,清楚"变量状态和变量间关系"是构建合理回归模型的重要基础与要领之一。 相似文献
30.