16章 Logistic 回归分析.pptVIP

第十六章  logistic回归分析 (logistic regression) 授课老师：曾小敏 zxiaomin@xysm.net 公共卫生学院 卫生统计学教研室 一、原理 第二节 条件logistic回归 (conditional logistic regression) (配对设计——控制混杂因素的影响） 表16-5 1: M 条件logistic回归数据的格式 * t = 0 为病例，其他为对照 条件 logistic 模型 1)构造每层（即匹配组）的条件似然函数 2)综合n个匹配组的条件似然函数（常数项β0i被自动消去）:获得各回归系数。 二、应用实例 表16-7 喉癌1:2配对病例?对照调查资料整理表 P344: 表16-8 例16-3进入方程中的自变量及有关参数的估计值 采用逐步法 6个危险因素 变量筛选 4个进方程，结果见表16-9。 讲述内容: 第一节 logistic回归 第二节 条件logistic回归 第三节 logistic回归的应用 及其注意事项 一、logistic回归的应用 1．流行病学危险因素分析 logistic回归分析的特点之一是参数意义清楚，即得到某一因素的回归系数后，可以很快估计出这一因素在不同水平下的优势比或近似相对危险度，因此非常适合于流行病学研究。logistic回归既适合于队列研究(cohort study)，也适合于病例-对照研究(case-control study),同样还可以用于断面研究(cross-sectional study) 第三节 logistic回归的应用及其注意事项 2．临床试验数据分析——当评价某种药物或治疗方法的效果的评价指标为二值变量时(如有效和无效) 影响效果的非处理因素(如年龄、病情等)在试验组和对照组中分布不均衡，就有可能夸大或掩盖试验组的治疗效果。 尽管在分组时要求按随机化原则分配，但由于样本含量有限，非处理因素在试验组和对照组内的分布仍有可能不均衡 在分析阶段对构成混杂的非处理因素进行调整——利用logistic回归分析（得到调整的 ) 对于按分层设计的临床试验可以用相同的方法对分层因素进行调整和分析。 3．分析药物或毒物的剂量反应 用这一模型可以求出任一剂量的阳性反应率 传统的方法：对实验设计有严格的要求，如剂量按等比级数排列，各剂量组的例数必须相同等, logistic回归的方法：没有这些限制。 剂量为X时的阳性率 P 与剂量之间的关系： 1)不同剂量使动物发生“阳性反应”的概率分布常呈正偏态。 2)当将剂量取对数后则概率分布接近正态分布。由于正态分布函数与logistic分布函数都是指数函数，十分接近，所以： 4．预测与判别 logistic回归模型——概率型模型 作用：预测某事件发生的概率。 例如：在临床上可以根据患者的一些检查指标，判断患某种疾病的概率有多大。关于判别问题见第十八章。 二、logistic回归应用的注意事项 3、模型评价： 1）自变量的检验——依据研究目的 选择最佳自变量的组合（探索性研究）： 然似比检验 分析某一个变量是否有统计学意义（验证性研究）：然似比检验、Wald检验、计分检验 2）对回归方程拟合优度检验——主要针对分层资料， 目的：检验模型与实际数据的符合情况 常用的检验统计量： （1）偏差（deviance ，D）：概括样本数据与logistic模型的拟合程度， （2）Pearson ： 大样本资料，两个统计量都服从自由度=g-p-1的卡方分布。 （当小样本时，偏离卡方分布，用D与自由度比较，当D自由度，提示不够理想。） 本章小结： 目的：作出以多个自变量（危险因素）估计应变量（结果因素）的logistic回归方程。属于概率型非线性回归。 资料：1. 应变量为反映某现象发生与不发生的二值变量； 2. 自变量宜全部或大部分为分类变量，可有少数数值 变量。分类变量要数量化。 用途：研究某种疾病或现象发生和多个危险因素（或保护因子）的数量关系。 种类: 1. 成组（非条件）logistic回归方程。 2. 配对（条件）logistic回归方程。 课后应用思考题： 为了分析影响医院抢救急性心肌梗死（AMI）患者能否成功的因素，某医院收集了5年中所有的AMI患者的抢救病史（有关因素很多，由于篇幅有限，本例仅列出3个），共200例见下