Logistic回归预案.ppt

4. 是否引入交互作用？ 交互作用的定义 当自变量和因变量的关系随第三个变量的变化而显著改变时，则存在交互作用。 交互作用项的引入 专业上考虑对结果有重要影响； 基于模型应用条件的分析。 5. 选择较优的模型 （1）拟合分类表（Classification Table） 根据Logistic回归模型，对样本重新判别分类，符合率越高，模型拟合越好。 新生儿BPD的问题: Forward LR自动筛选变量。 （2）最大似然函数值L。 -2LogLikelihood，此值越小越好。 新生儿BPD的问题: Forward LR自动筛选变量。 6. 输出结果的解释 （1）模型中各个系数B的显著性检验 z检验： Wald ? 2检验：类似于? 2检验（SPSS应用此检验） 系数的正负值：正（负）系数表示随自变量的增加因变量logit值的增加（减少）。 （2） Exp(B)的解释 自变量为二分类变量 Exp(B): OR (odds ratio) 处理组发病比数与对照组发病比数之比。 无血毒症与有血毒症新生儿之间BPD发生率比数比为0.262。 OR的95%置信限： 自变量为多分类变量 以第i类作参照，比较相邻的或相隔的两个类别的eb变化量。 以第3种疗法作参照，相邻的疗法间治愈率的比数比为0.702。 一般都会通过设置哑变量的方法转变为二分类变量间的比较！ 自变量为连续型变量 当自变量改变一个单位时，比数比改变量为eb。 新生儿体重增加一个单位，BPD发生率的比数比改变量为0.997。 新生儿孕期增加一周，BPD发生率的比数比改变量为0.678。 例：研究性别和两种疗法对某病的效果的影响，疗效的评价分为三个等级，数据见下表（ologit.sav)，试分析性别和方法对疗效是否有影响。 性别 治疗方法 疗效 显效 有效 无效 男 Sex=1 新疗法 treat=1 5 2 7 传统疗法treat=0 1 0 10 女 Sex=2 新疗法 treat=1 16 5 6 传统疗法treat=0 6 7 19 应变量为多分类变量的情形 这是一个R×C列联表。如果进行简单的χ2检验： χ2 = 4.841，p = 0.809： 性别与疗效独立（男女之间疗效相同）。 χ2 = 13.055，p = 0.001： 方法与疗效不独立（不同疗法的疗效不同）。 考虑到应变量疗效的有序性。Mann-Whitney检验： z = 1.875，p = 0.061 男女之间疗效秩和相同。 性别与疗效的关系 z = 3.568，p = 0.00036： 不同疗法之间疗效的秩和不相同。 疗法与疗效的关系 …. …. …. …. …. 6 (10.5) 19 (40) 35 (89) 14 (10.59) 20 (40) n (Rmean) N=118 Mann-Whitney U 检验 进一步的问题： 1、性别与疗效之间有无交互作用？ 2、两个变量中哪一个对应变量的影响更大？ 3、不同组别之间，疗效的比数比是多少？ …… 应变量为多分类变量的logit模型 Logit Pa = ln[Pa/Pa] = ln 1 = 0 【a被作为参照】 Logit Pb = ln[Pb/Pa] =αb+β11X1+ …+ β1pXp Logit Pc= ln[Pc/Pa] = αc+β21X1+ …+ β2pXp 同时，Pa + Pb + Pc = 1。 广义的logit模型。应变量有3个水平：a, b, c 相对于a，c发生的概率 相对于a，b发生的概率 我们要回答什么问题？ 定义哑变量，默认last。 Analyze → Regression → Multinomial logistic 预分析，建立饱和模型。 性别与治疗方法没有交互作用。 建立只含有性别与治疗方法主效应的模型： 最终的模型与只含常数项（Intercept）的模型相比，偏差从43.484下降到22.589，?2检验P0.05，说明至少一个自变量的系数不为零。 Logit Pa = ln[Pa/Pa] = ln 1 = 0 Logit Pb = ln[Pb/Pa] =αb+β11X1+ …+ β1pXp Logit Pc= ln[Pc/Pa] = αc+β21X1+ …+ β2pXp 两个变量对效果的影响都有统计学意义。 似然比检验： 显效与无效比较: 男性比女性（作为参照）显效的更少（OR = 0.252） （? 2 = 4.661, P = 0.031）。 传统疗法比新疗法（作为参照）显效的更少（OR = 0.114） （? 2 = 13.316, P 0.001）。 OR值 试着解释：有效与无