logistic回归.pptVIP

常见的有三类： 二项分类：如药物实验中，动物出现死亡或生存，人群中某种疾病的患病与未患病，临床实验中药物的有效与无效等。 多项有序分类：如某一药物的治疗结果是治愈、显效、有效、无效。 多项无序分类：如研究肝炎的类型，分为甲、乙、丙、丁、戊型等。 Logistic回归（疾病的病因分析） 一、Logistic回归模型 　 Logistic function 取值 0-1，可描述/预测概率，Logistic 模型是概率模型 Logistic function 呈S-形曲线，符合流行病学对危险因素与疾病风险关系的认识 比值比 Odds Ratio Odds=P/(1-P) 暴露组： P=a/(a+b) 1-P= b/(a+b) Odds=a/b 非暴露组：P=c/(c+d) 1-P= d/(c+d) Odds=c/d 四、模型检验和评价 1、对模型回归系数整体的检验：检验模型中所有自变量整体看是否与所研究事件的对数比值比存在线性关系--- 似然比检验（likehood ratio test） 　 通过比较包含与不包含某一个或几个待检验观察因素的两个模型的对数似然函数的变化来进行，其统计量为G （又称Deviance）。 G=-2(ln Lp-ln Lk) 样本量较大时， G近似服从自由度为待检验因素个数的?２分布。 此外，还可以采用计分检验、Wald检验。 五、 变量筛选 基本思想同线性回归分析。 从所用的方法看，有强迫法、前进法、后退法和逐步法。在这些方法中，筛选变量的过程与线性回归过程的完全一样。但其中所用的统计量不再是线性回归分析中的F统计量，而是以上介绍的参数检验方法中的三种统计量之一。 七、注意事项 应用条件： 1. 各观察对象间相互独立； 2. 与自变量呈线性关系。 变量的取值形式：变量采取不同的取值形式，参数的含义、量值及符号都可能发生变化。 二分类变量：0、1（连续性变量或哑变量） 多分类无序变量：哑变量 多分类有序(等级)变量：连续性变量或哑变量 连续性变量：转换为分类变量较易解释OR值的意义。 样本量：一般不小于200例，配对资料对子数n大于等于变量的20倍，否则回归系数的估计是有偏性的。 不应单纯依赖程序筛选变量，要注意变量的医学意义。 多元线性回归分析与Logistic回归分析都是实际工作中常用的方法，用于影响因素分析时，多元线性回归的因变量是连续变量，而Logistic回归的因变量是分类变量； 两种方法的自变量均可为连续变量或分类变量，当为多分类变量时均需设相应的哑变量。 参考书 颜虹主编. 医学统计学. 北京: 人民卫生出版社, 2005 金丕焕主编. 医用统计方法, 第2版. 上海: 复旦大学出版社, 2003 孙振球主编. 医学统计学, 第2版. 北京: 人民卫生出版社, 2005 孙尚拱编著. 医学多变量统计与统计软件. 北京: 北京医科大学出版社, 2000 谢谢！ 变量说明： Y：治愈情况 1=治愈；0=未治愈； X1：病情严重程度 0=不严重，1=严重； X2：年龄 X3：治疗方法 0=新疗法，1=旧疗法。 二值 Logistic回归 因变量 协变量(自变量) 后退法筛选变量 OR的95%置信区间 拟合分类表 对模型的检验 对模型拟合的优良性评价：-2Log likelihood有小幅上升，但差异不大。两种决定系数差异也不大。说明第二步结果的拟合程度没有改善，反而稍有下降。 拟合分类表 符合率为72.5% 本次分析最后一步的预测正确率为72.5%，稍显不足，而且与step 1差异不大。这与上表中的模型评价结论一致。 回归系数 标准误 Wald值 P值 OR OR置信区间 不在模型中的变量 分析结果的解释： 病情严重程度X1与治疗方法X3对患者的治愈情况有影响； 病情严重组相对于不严重组，OR＝0.160（病情严重的患者，其治愈的概率是病情不严重的患者的0.160倍），95%置信区间为(0.031，0.821) ； 旧疗法组相对于新疗法组， OR＝0.118， （接受旧疗法的患者，其治愈的概率是接受新疗法的患者的0.118倍），95%置信区间为(0.024，0.589)。 Logistic