Logistic-回归模型.ppt

Logistic 回归模型 赵耐青 复旦大学公共卫生学院 数据分析的背景 计量资料单因素统计分析 对于两组计量资料的比较，一般采用t检验或秩和检验。 对于两个变量的相关分析采用Pearson相关分析或Spearman相关分析 考虑多因素的影响，对于应变量(反应变量)为计量资料，一般可以考虑应用多重线性回归模型进行多因素分析。 数据分析的背景 单因素的分类资料统计分析，一般采用Pearson ?2进行统计检验，用Odds Ratio及其95%可信区间评价关联程度。 考虑多因素的影响，对于反应变量为分类变量时，用线性回归模型P=a+bx就不合适了，应选用Logistic回归模型进行统计分析。 Logistic回归模型 按研究设计分类 非配对设计：非条件Logistic回归模型 配对的病例对照：条件Logistic回归模型 按反应变量分类 二分类Logistic回归模型(常用) 多分类无序Logistic回归模型 多分类有序Logistic回归模型 基础知识 通过下例引入和复习相关概念 例如：研究患某疾病与饮酒的关联性 患病率 P1=a/m1 P2=b/m2 基础知识 Odds（优势） 基础知识 P与Odds一一对应 对于两个Odds的比较，一般用它们的Ratio，并称为Odds Rat