第6讲 logistic回归.pptVIP

第6讲 logistic回归 logistic的主要内容 logistic回归 条件logistic回归 多类结果的logistic回归 有序结果的累计优势logistic回归 logistic回归的正确应用 logistic回归 模型简介 传统方法与logistic回归的关系 回归系数的解释 模型的估计与假设检验 建模策略 logistic回归的适用条件 多重线性回归的适用条件：应变量为连续变 logistic回归的适用条件：应变量为分类变量 RR1时，表示该因素为危险因素，使发病危险度增大 RR1时，表示该因素为保护因素，使发病危险度减少 RR=1时，表示该因素对疾病的发病无影响 病例对照研究 模式为： ┌─暴露于某危险因素 a ┌─ 病例组─┤ 一定范围的人群 └─非暴露于某危险因素 b │ ┌─暴露于某危险因素 c └─ 对照组 ─┤ └─非暴露于某危险因素 d 病例对照研究（case-control study）是未将病例与对照配对的病例对照研究。 这类研究中无法直接计算暴露与非暴露组的发病率；所比较的是病例组和对照组中暴露者优势（odds），两个优势之比值称为优势比（odds ratio） 6.1 logistic回归模型 P 发病的概率 　　　为 “优势”（odds） logit P 为优势之对数（log odds） P发病的概率， 0≤P≤1。 logistic回归模型的几种形式 6.1.2 logistic回归系数解释 探讨妇女使用雌激素与患子宫内膜癌的病例-对照研究 Logistic回归分析 子宫内膜癌病例-对照研究资料的计算机输入格式 logistic回归分析结果 四格表资料的logistic回归 x=1 表示使用过雌激素 x=0 表示未使用过雌激素 x=1时 x=0 时 优势的自然对数值 在暴露因素 x 为二水平时，暴露时x=1，非暴露时x=0，则logistic回归模型中 x 的系数就是暴露与非暴露优势比的对数值。 当暴露因素 x 为等级变量时，一般以最小等级或最大等级作为参考组，并按等级顺序依次取为0，1，2，表示 x 增加 一个等级时的优势比， 表示 x 增加 k 个等级时的优势比。 当暴露因素 x 为连续变量时， 表示 x 增加1时的优势比 6.1.3 变量的假设检验 在食道癌危险因素研究中，采用病例-对照设计，调查了200个食道癌患者和788个非食道癌患者，调查因素及编码如下 logistic回归结果 模型的估计及假设检验 线性模型时，用最小二乘估计（LSE） logistic回归模型，用极大似然估计。 （maximum likelihood estimate，MLE） Logistic回归分析 子宫内膜癌病例-对照研究资料的计算机输入格式 似然函数 （1）Wald 检验 Wald 检验实际上是比较估计系数与0的差别来进行的，其检验统计量为： Wald ?2检验是 z 的平方 （2）似然比检验（likelihood ratio test） 似然比检验是通过比较两个相嵌套模型的对数似然函数统计量G（又称Deviance）来进行的，其统计量为： G＝GP－GK ＝－2ln（LP）+2ln（LK） 其中，模型 P 中的变量是模型 K 中变量的一部分，另一部分就是我们要检验的变量（模型 P 嵌套在模型 K 中）。 G服从自由度为 K-P 的?2分布 例 6.2 食道癌危险因素研究 在食道癌危险因素研究中，采用病例-对照设计，调查了200个食道癌患者和788个非食道癌患者，调查因素及编码如下 三个变量的logistic回归结果 12个logistic回归模型及其对数似然函数值 似然比检验 检验变量ALC是否有统计学意义: 模型3与模型1 G＝－2×[-494.74421－（-422.42460）] ＝144.6392 ?=1 P0.001 似然比检验 似然比检验 6.1.4 建模策略 任一建模过程均应从详细的各变量的单因素分析开始 对性质相同的一些自变量进行部分多因素分析，并探讨自变