第八章 logistic回归0课题.pptVIP

logistic回归分析及定序回归分析 表1 吸烟、饮酒与食管癌关系的病例对照调查资料 分类资料的影响因素分析方法 如果采用线性回归分析，因变量不满足条件，预测值会超出0和1的范围。 如果采用单变量的?2检验，则必然忽略其他自变量对应变量的影响。 如果采用Mantel-Haenszel分层分析，需要较大的样本量，而且自变量不能太多。 logistic回归能较好地解决上述问题。 Logistic回归分析的分类 按数据的类型： 非条件logistic回归分析（成组数据） 条件logistic回归分析（配对-对照数据） 按因变量取值个数： 二分类logistic回归分析 多分类logistic回归分析 logistic回归模型 因变量Y是一个二值变量，取值为 自变量X1，X2，……，Xm。 P表示在m个自变量作用下事件发生的概率。 logistic回归模型 logistic回归模型 logit变换 事件发生概率与未发生概率之比的自然对数，称为P的logit变换，记作logit(P)。 概率P的取值范围在0～1之间，而logit(P)取值是没有界限的。 logit变换 回归模型中参数的意义 ?0（常数项）：所有影响因素均为 0 时（记作X=0），个体发生事件概率与不发生事件的概率之比的自然对数值。 ?j 的含义：某因素因素 Xj 改变一个单位时，个体发生事件概率与不发生事件的概率之比的自然对数变化值。 优势比（odds ratio，OR） 优势（odds）是指某影响因素控制在某种水平时，事件发生率与事件不发生率的比值，即P/(1-P)。 某影响因素的两个不同水平的优势的比值称为优势比，如某影响因素的一个水平为c1，另一个水平为c0，则这两个水平的优势比为： 优势比（odds ratio，OR） OR表示影响因素对事件发生的影响方向和影响能力大小。 OR1表示该因素取值越大，事件发生的概率越大，又称危险因素。 OR1表示该因素取值越大，事件发生的概率越小，又称保护因素。 OR=1表示该因素与事件的发生无关。 优势比（odds ratio，OR） 优势比（odds ratio，OR） OR与? 的关系 ? = 0，OR = 1，影响因素与事件的发生无关。 ? 0，OR 1，影响因素的取值越大，事件的发生的概率越大。 ? 0，OR 1，影响因素的取值越大，事件的发生的概率越小。 logistic回归模型的参数估计 通常采用最大似然估计（maximum likeli-hood estimate，MLE）估计回归系数?，同时得到回归系数的标准误Sb。 根据最大似然原理，在一次抽样中获得现有样本的概率应该最大。即似然函数取值最大。 计算可以通过统计软件来完成。 logistic回归模型的参数估计 根据计算所得的bj计算OR值。 OR值的可信区间：可以利用bj的抽样分布来估计，在样本含量较大的情况下，近似服从正态分布。当自变量只有两个水平时，可采用下列公式计算。 Spss分析步骤： 结果解释 上表是关于模型拟合度的检验。最大似然平方的对数值（-2对数似然=1159.422）用于检验模型的整体性拟合效果，该值在理论上服从卡方分布，上面给出的卡方临界值5.991，因此，最大似然对数值检验通过。这用CoxSnell R方和Negelkerke R方代替了线性回归中的R方，他们的值越接近1，说明拟合度越好，它们分别为0.074和0.099，单纯看这一点，似乎模型的拟合度不好，但是该参数主要是用于模型之间的对比。 似然比函数的自然对数值对样品数目很敏感，作为补充和参照，需要Hosmer-Lemeshow 检验。 该检验依然以卡方分布为标准，但检验的方向与常似然比检验不同：要求其卡方值低于临界值而不是高于临界值。作为Hosmer-Lemeshow检验的卡方值3.4225.5991，检验通过。后面的Sig.值0.181大于0.05，据此也可以判知Hosmer-Lemeshow 检验可以通过。 计算结果表明，相应于“是否癌症=1”，期望值逐渐减少，与观测值趋于接近；相应于“是否癌症=0”，期望值与观测值也趋于接近。这种结果是比较理想的，否则，模型的Hosmer-Lemeshow 检验就不太理想，从而模型的整体拟合效果不是很好。 经过迭代运算，模型参数逐渐收敛到稳定值，于是得到最终模型参数。利用最终的logistic 模型，可以对因变量进行预测，预测结果分类列入下表。可以看出，观测值否有451个（是否癌症=0），相应的预测值有300个，预测正确率为300/451*100%=66.5%；观测值是有435个，相应的预测值有265个，预测正确率为265/435*100%=60.9%。总的预测正确率为63.8%，模型效果一般。 上表饮酒与吸烟均通过了显著性检