第16章 logistic回归.ppt

第十六章 logistic回归分析 多元线性回归回顾 1 模型的建立 ?=a+b1X1+…+bnXn 资料中要求： Y变量服从正态分布 X变量为可精确测量 2 模型的检验: (1) 方程的检验 方差分析法、决定系数、复相关系数 （2）自变量检验的方法 偏回归平方和、t检验、标准化回归系数 3 自变量选择方法 （1）全局择优法 （2）逐步选择法 前进法、后退法、逐步回归法 4 SPSS操作 资料的分类 基本概念 1 病例对照研究(case-control study)、队列研究(cohort study) 2 暴露(exposure) 3 优势比，比数比(odds ratio,OR ), 相对危险度 (relative risk, RR) 危险度（risk):指发生某有害事件的概率。 常用总体的发病率(incidence of a disease)，患病率(prevalence rate)，死亡率(death rate)表示。 计算举例 例3-3某锡矿的矿工肺癌发病率308.39/10万，非矿工的肺癌发病率为25.48/10万，试计算发病的相对危险度。 RR=308.39/25.48=12.10 注意： 这是样本率计算得到的样本指标存在抽样误差； 只有前瞻性研究(队列研究cohort）才能得到率的指标，因为观察了所有可能得病的样本或总体。所以该指标常用。 优势odds与优势比odds ratio 例：有人做宫外孕与腹部手术的病例对照研究，试问腹部手术史与宫外孕的发生是否有关？ 优势比odds ratio,OR 患者与非患者某因素优势的比值被称作优势比（比数比）。 OR=odds1/odds0 OR值的95%CI公式： 95%CI： 混杂因素(confounding factor) 定义：混杂因素指干扰了所研究的因素与疾病发生相关程度测定的非研究因素。 如： 抽烟与肺癌关系的研究中，若抽烟组年龄与不抽烟组的年龄分布不同，则年龄就成为一个混杂因素。 例：在心血管疾病与口服避孕药(OC)关系的研究中，年龄为一混杂因素，将年龄分为 岁和40岁两个层。计算调整年龄后，心血管疾病与OC使用的OR并做假设检验。(此数据为构造的) OR1=2，OR2=2，不调整年龄的OR＝23.45。 混杂因素的判断 要从两方面考虑: (E为暴露因素，F为可疑混杂因素，D为疾病) （A）与暴露因素有关，但不是其结果。 即： （B）在非暴露人群中，该因素是疾病发生的“危险因素”。 Mantel-Haenszel分层分析法 用于控制一个或多个混杂因素，然后估计研究因素与疾病的相对危险度或比数比 调整后的 调整年龄后的OR值 SPSS执行 SPSS结果 主要内容 1 logistic回归模型简介 2 条件logistic回归 3 多类结果的logistic回归 4 有序结果的累计比数logistic回归 5 logistic回归的应用及其注意事项 1 logistic回归模型简介 Mantel-Haenszel方法的不足: 1 只适用于分层层次较少的情况，随着混杂变量的增加，可能会使格子出现少于0的情况。 2 当暴露因素或混杂因素为连续型变量时，按等级分出现信息损失。 1970年代发展起来的logistic回归可以克服上述弱点。 Logistic回归的应用 1 病例对照研究 食管癌的发生与吸烟、饮酒、不良饮食习惯等危险因素。 2 队列研究 研究腹泻与喂养方式的关系。追踪观察并比较不同喂养方式下的腹泻情况。 1.1 模型简介 Y为二值变量，取值： P阳性结果发生的概率, 0≤P≤1。1- P为阴阳性结果发生的概率。 　　　为“机会”或“优势”(odds) logit P为优势之对数(log odds) Logistic函数的图形 logistic回归模型的几种形式 1.2 传统方法与logistic回归 四格表资料(病例对照)与logistic的关系 分层四格表资料与logistic的关系 例：腹部手术史与宫外孕的发生是否有关？ X=1 表示有腹部手术 X=0 表示没有腹部手术 X=1时 X=0 时 SPSS操作 SPSS结果 例 分层四格表资料与logistic回归 SPSS操作 先定义权重: CMH卡方的操作 Logistic回归 SPSS两结果的比较 传统方法与logistic回归的关系 单因素病例对照研究的OR，与logistic回归等价；