11Logistic回归分析.docVIP

11 Logistic回归分析 在中医药科研中，经常遇到因变量是分类变量（包括二分类和多分类）的资料，如治愈与未治愈，生存与死亡，发病与未发病，疗效评价分显效、好转、无效等级等。这类资料，由于因变量是分类变量不具有连续性和正态性，直接用一般多元线性回归分析是不妥的，需用Logistic回归分析。Logistic回归分析是一种适用于因变量为分类变量的回归分析，近年来在许多研究领域得到了广泛的应用。 Logistic回归属于概率型非线性回归，它分为非条件Logistic回归和条件Logistic回归(又称配比Logistic回归)二者根本的差别在于构造Logistic模型时是前者未使用条件概率，后者使用了条件概率。 Logistic回归分析 如果因变量是二分类变量，其取值只有两种，如阳性（编码为1）和阴性（编码为0），这时要说明的问题是阳性率与自变量X间的关系，可进行因变量为二分类资料的Logistic回归。二分类Logistic回归对自变量没有特殊要求，自变量可以是分类变量和连续变量。 11.1.1 一个两分类自变量的二分类Logistic回归 一个自变量的二分类Logistic回归要拟合的Logistic回归方程为： 例11-1 《实用中医药杂志》20061月第22卷1期，复方血栓通胶囊配合肌苷片青少年近视，表。试回归。解 本例分组为自变量，疗效为因变量。以fz表示分组（值标签：1=“治疗组”、0=“对照组”）、lx表示疗效（值标签：1=“有效”、0=“无效”）、f表示频数变量建立数据文件，如图11-1。 1．操作步骤 （1）指定频数变量：选择菜单Data →Weight cases，在弹出的Weight cases对话框中，将频数变量f送入Frequency框中；单击OK。 （2）进行二分类Logistic回归。选择菜单Analyze →Regression →Binary Logistic二分类Logistic，弹出Logistic Regression对话框，如图11-2；将因变量lxDependent（因变量）框内，将自变量fzCovariates（协变量）框内Options（选项）按钮，在弹出的Options对话框中，选CI for exp (B)，单击Continue；单击OK。图11-2 Logistic Regression对话框 （1）图11-3是因变量赋值表这是一个特别要留意的表，表中因变量原码值（Original Value）是按升序排列后转换为内码值（Internal Value）0和1，Binary Logistic过程默认以内码值1所对应的因变量取值的概率建立模型，本例以P(lx=1)即有效的概率建立模型。如果本例用1表示有效，2表示无效，则无效2对应的内码值为1，将以P(lx=2)即无效的概率建立模型，尽管所有统计检验结果仍然相同，但是回归系数的符号全将反过来，所计算的Exp（B）就完全不同了。搞清实际分析资料因变量的赋值情况，对分析结果的正确解释很重要。 2）初步模型拟合（输出结果中Block 0: Beginning Block部分，此处略去了输出图表）。给出模型不含任何自变量，只有常数项的一些分析结果，包括Classification Table表，给出模型不含任何自变量时，对所有观察对象的疗效情况进行预测，正确预测的百分率为58.0%；Variables in the Equation表，给出只有常数项的参数检验结果；Variables not in the Equation表，给出若将现有模型外的各个变量纳入模型，对整个模型的拟合优度改变是否有统计学意义。 3）引入自变量后的模型分析结果（输出结果中Block 1: Method = Enter部分）。SPSS提供了7种建立Logistic回归模型的方法，可通过Logistic Regression对话框（见图11-2）中Method下拉列表框来选择，默认Enter法，即强迫所有的自变量同时进入模型，本例为Enter法（全变量模型）。结果如下：①模型系数总检验（见图11-4）。给出了三个结果：Step统计量为每一步与前一步相比的似然比检验结果；Block统计量是指若将block1与block0相比的似然比检验结果；Model统计量则是上一个模型与模型的似然比检验结果。本例由于选择了默认的Enter法，三个统计量及其假设检验结果是一样的。χ2=59.969，P＜0.01（Sig.为0.000），表明自变量fz引入模型有统计学意义。若是两个或两个以上自变量引入模型，模型系数总检验得到，拒绝，接受（，即除常数项外所有的总体回归系数全为0），表明至少有一个自变量的作用有统计学意义。 ②模型的贡献（见图11-5）。给出-2倍的似