第3讲logistic回归.pptVIP

安徽医科大学流行病与卫生统计学系 第三讲 logistic回归 logistic的主要内容 非条件logistic回归 条件logistic回归 多类结果的logistic回归 有序结果的累计比数logistic回归 logistic回归的正确应用 二分类logistic回归的SPSS过程 配对logistic回归的SPSS过程 多分类有序的logistic回归SPSS分析过程 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 多元线性回归的适用条件 为什么要引入logistic回归模型 经典方法的局限性（如分层校正技术） 1.只能将因素分析2个或几个水平； 2.只能控制2-3个混杂因素的干扰，且各因素各水平的组合需要足够的样本含量； 3.只能判断因素对发病的影响是否存在，不能对危险因素的作用大小进行定量分析，同时也不能分析交互效应。 1　模型简介 P发病的概率, 0≤P≤1。 logistic回归模型 P发病的概率。 　　　为“机会”或“优势”(odds) logit P为优势之对数(log odds) 和优势比 logistic回归模型的几种形式 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 四格表资料 探讨妇女使用雌激素与患子宫内膜癌的病例-对照研究 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 四格表资料与logistic回归 X=1时 X=0 时 例 分层四格表资料与logistic回归 Mantel-Haenszel法结果 logistic回归结果 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； 分层病例对照研究的ORMH，与logistic回归结果近似。 logistic回归是传统方法的扩展。 混杂因素的控制 控制某混杂因素，实际上就是将该因素纳入模型。 在解释暴露因素的影响时，该混杂因素实际上是控制了。 3 回归系数的解释 logistic回归中的系数?，与OR有关！ 一个暴露因素时，当暴露为1，非暴露为0时， ?＝ln(OR) 回归系数的解释 一个暴露因素时，当暴露为c1，非暴露为c0时， 回归系数的解释 一个暴露因素：暴露为1，非暴露为0。 一个混杂因素时：水平数分别为：1，2，… 例 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。 logistic回归系数的解释 回归系数的解释 等级变量：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，…。此时，exp(?)表示X增加一个等级时的优势比， exp(k?)表示增加k个等级时的优势比。 连续性变量：表示增加1(个计量单位)时的优势比（在实际评价中意义不大）。 回归系数的解释 多分类变量：哑变量(dummy variable) x＝1时：D1＝0， D2＝0， D3＝0 表示A型血 x＝2时：D1＝1， D2＝0， D3＝0 表示B型血 x＝3时：D1＝0， D2＝1， D3＝0 表示AB型血 x＝4时：D1＝0， D2＝0， D3＝1 表示O型血 exp(?1) 表示B与A比之OR; exp(? 2) 表示AB与A比之OR; exp(? 3) 表示O与A比之OR。 ?的解释（一般性了解）-在实际分析中意义不大 在横断面调查研究中， 表示基线状态下，个体的患病率； 在队列研究中，表示基线状态下，个体的发病率； 在成组病例-对照研究中，表示基线状态下，病例在研究对象中所占比例； 在1:1配比病例-对照研究中，?=0，该数值等于0.5，表示基线状态下，病例在研究对象中占一半； 4 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) 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的?2检验是 z 的平方。 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