logistic回归由浅入深指南.pdfVIP

logistic 回归由浅入深指南 多重线性回归的因变量y 是连续型变量，自变量可以是连续的，也可以是分类的。但是现实中， 因变量不一定都是连续的，还有其他分类的情形。比如想分析某病的危险因素，这时因变量就无 法用连续资料来表示，而是表示为疾病的“有”或“无”两种情形。在这种情况下，用多重线性回归 就不合适了， 而logistic 回归则是处理这种数据的得力工具。 logistic 回归主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险 因素预测某疾病发生的概率，等等。例如，想探讨胃癌发生的危险因素，可以选择两组人群，一 组是胃癌组，一组是非胃癌组，两组人群肯定有不同的体征和生活方式等。这里的因变量就是是 否胃癌，即“是”或 “否”，为两分类变量，自变量就可以包括很多了，例如年龄、性别、饮食习惯、 幽门螺杆菌感染等。自变量既可以是连续的，也可以是分类的。通过 logistic 回归分析，就可以 大致了解到底哪些因素是胃癌的危险因素。 logistic 回归与多重线性回归实际上有很多相同之处，最大的区别就在于他们的因变量不同，其 他的基本都差不多，正是因为如此，这两种回归可以归于同一个家族，即广义线性模型 （generalized linear model ）。这一家族中的模型形式基本上都差不多，不同的就是因变量不同， 如果是连续的，就是多重线性回归，如果是二项分布，就是logistic 回归，如果是poisson 分布， 就是poisson 回归，如果是负二项分布，就是负二项回归，等等。只要注意区分它们的因变量就 可以了。 logistic 回归的因变量可以是二分类的，也可以是多分类的，但是二分类的更为常用，也更加容 易解释。所以实际中最为常用的就是二分类的logistic 回归。 logistic 回归的主要用途：一是寻找危险因素，正如上面所说的寻找某一疾病的危险因素等。二 是预测，如果已经建立了logistic 回归模型，则可以根据模型，预测在不同的自变量情况下，发 生某病或某种情况的概率有多大。三是判别，实际上跟预测有些类似，也是根据logistic 模型， 判断某人属于某病或属于某种情况的概率有多大，也就是看一下这个人有多大的可能性是属于某 病。 这是logistic 回归最常用的三个用途，实际中的logistic 回归用途是极为广泛的，logistic 回归几 乎已经成了流行病学和医学中最常用的分析方法，因为它与多重线性回归相比有很多的优势，这 些优势将在以后的文章中一一介绍。本篇文章主要是先让大家对logistic 回归有一个初步的了解， 以后会对该方法进行详细的阐述。 为什么回归广受欢迎？ 不管是在流行病学还是在临床中，logistic 回归都是非常受欢迎的一种方法。与多重线性回归相 比，logistic 回归更接近实际。为什么这么说？主要是由于logistic 回归可以估计危险度。 所谓危险度（risk ratio），是流行病学中的一个术语，用来描述某一因素不同状态发生疾病（或 其它结局）的危险有多大。例如，不同性别的胃癌发生危险不同，通过 logistic 回归可以求出危 险度的具体数值，例如1.7。这样在下结论时就可以说，男性发生胃癌的风险是女性的1.7 倍。 而多重线性回归则体现不出这一实际含义。这是logistic 回归受欢迎的一个重要原因。 说到这里，我就顺便再提一个流行病学中的相关术语，当然，这对于熟悉流行病学的人那是班门 弄斧，但我主要是针对临床医师，故仍然介绍一下。 危险度，上面已经提到了，这是最常用的，很多文章都会出现这一名词，一般缩写为RR。但实 际中，它经常用另一个词来代替，即OR。OR （odds ratio ）也能体现相对危险度的含义。他们 主要的区别是用得场合不同，RR 主要用在前瞻性研究中，OR 主要用在回顾性研究中。但他们 表示的实际含义都是一致的，OR 是RR 的无偏估计，所以可以用OR 直接说明危险度。 还有一点需要注意的是，危险度是相对危险度，所有的结论都是相对的。例如上面说得男性发生 胃癌的风险，这是针对女性来讲的危险。再如不同基因型的胃癌发生危险，也是必须有参照的， 如TT ，AT ，AA 。可能以TT 为参照，也可能以AA 为参照，都可以。参照是可以自己选的，但 是估计的方向就不同了。例如上面说得男性发生胃癌的风险是女性的1.7 倍。这是以女性为参照， 如果反过来，以男性为参照，那求得的RR 或OR 就是1/1.7=0.588 了。这时你就可以说，女性 发生胃癌的风险是男性的0.588 倍，或者说，是