《SAS》课件-SAS的logistic回归.pptVIP

* 编号 性别X1 年龄X2 肿瘤家族史X3 慢性鼻炎史X4 职业有害接触X5 吸烟X6 饮茶X7 锻炼X8 生活压力X9 组别 Y 1 0 68 0 0 0 0 0 0 1 0 2 0 22 0 0 1 0 1 1 1 0 … … … … … … … … … … … 234 0 33 1 0 0 0 0 0 0 1 235 1 44 0 1 1 1 1 0 1 1 DATA example18_3; INPUT x1-x9 y@@; DATALINES; 0 68 0 0 0 0 0 0 1 0 ... ; PROC LOGISTIC DESc simple MODEL y=x1-x9; RUN; PROC LOGISTIC DESc; MODEL y=x1-x9/SELECTION=BACKWARD SLS=0.05 sle=0.05 stb; RUN; * 条件Logistic回归 医学研究中的配对病例对照研究资料可以用条件Logistic回归模型来分析。条件Logistic回归模型和非条件Logistic回归模型的区别在于参数的估计是否用到了条件概率。所谓的配对病例对照研究指的是在病例对照研究中，对每一个病例配以性别、年龄或其它条件相似的一个（1：1）或几个（1：M）对照，然后分析比较病例组与对照组以往暴露于致病因素的经历。分析配对病例对照研究资料所用的条件Logistic回归模型中参数的估计方法也是采用最大似然估计法，参数和模型的检验方法和非条件Logistic回归模型也一样。 条件Logistic回归的SAS程序 用于条件Logistic回归分析的过程步一般借用生存数据风险回归分析的PHREG过程步。实用PHREG过程步时要注意数据的输入方法和过程步语句的写法。 PHREG过程步的一般格式如下： Proc phreg data= ; Model 因变量*截尾变量=协变量/ ties=risklimits selection= sle= sls details; Strata 分组变量; Run; 条件Logistic回归的SAS程序 MODEL语句：用于指定模型的结构，适用于生存时间有右截尾的情况，且生存时间变量作为模型的因变量，协变量作为模型的自变量。 TIES：用来选择处理生存时间结点的方法，每一种方法使用了不同的公式来计算最大似然值。 RISKLIMITS：指令输出危险比的95％置信区间，供选择的有：backward、forward、stepwise、score。 条件Logistic回归的SAS程序 SLE：指定协变量进入模型的显著水平，缺省值是0.05。 SLS：指定协变量停留在模型中的显著水平，缺省值是0.05。 DETAILS：指令输出逐步回归过程中每一步的详细分析结果。 STRATA：指定用于分组计算的分组变量。如果分组变量的数值不符合分组要求，则在变量后面的括号内列出分组的端点值。 本章小节 Logistic回归分析在医学研究中应用广泛。Logistic 回归分析在流行病学的病因研究中，是分析疾病与危险因素间联系的一种统计方法。在这类研究中，所观察的项目的值，常以二项反应变量取值，即生存与死亡，是否发病，是否接触危险因素等的反应变量y的取值是0或1。 本章小节 Logistic回归模型有条件与非条件之分，前者适用于配对病例对照资料的分析，后者适用于队列研究或非配对的病例-对照研究成组资料的分析。在使用分析流行病学的方法研究疾病病因时，非条件Logistic模型是用于分析队列或病例-对照研究成组资料的统计方法，既可以进行因素筛选，也可以用于混杂因素的控制。SAS系统中采用LOGISTIC过程步分析非条件Logistic回归。 本章小节 在医学研究中经常遇到多分类无序变量，此类变量一般不能直接进入Logistic回归模型进行分析，这种变量一般采用设置哑变量的方法来进行分析。哑变量，就是一组取值1和0的二值分类变量，用来表示一个分类变量。 非条件Logistic回归适合于队列研究、病例对照研究，同样也适合于现况调查中的病因学研究。按3种不同抽样方式作Logistic回归，除病例对照研究资料的常数项与另外两种不同外，回归系数的意义相同。而配对病例对照研究资料就需要条件Logistic回归模型来分析了。SAS系统中采用PHREG过程步进行数据分析。 华中科技大学公卫学院 流行病与卫生统计系 Logistic回归 SAS应用 学习目标 了解Logistic回归模型的建立和假设检验； 了解Logistic回归模型的应用领域； 掌握Logistic回归模型系数的解释，及回归系数与OR值之间的关系； 掌握Logistic回归过程步； 掌握哑变量的设置和结果的解释； 掌握多元Lo