医用多远统计学-logistic回归__培训课件.pptVIP

* 多分类logistic回归 * 多分类logistic回归 例6.6 产后大出血与妊高症关系研究中，将产后大出血分为两类即子宫因素(宫缩乏力性)和胎盘因素，对照出血量400ml，调查结果见102页 * 多分类logistic回归 例6.7 教材103页 * * SPSS统计分析：Multinomail Logistic Regression 产生哑变量 * 多分类logistic回归 分析时注意的问题 变量筛选：通过分别拟合二分类logistic模型的方法进行，将各自筛选出的变量合并用于多分类logit模型建模，但最后结论应基于多分类logit模型。 回归模型假设检验 ①检验各自变量对因变量的“整体”作用，检验的零假设为自变量对k-1个logit中的任何一个都没有作用。 ②检验自变量对某一特定logit的影响，它用于确定哪一个logit会受到哪些自变量的影响。 * 多分类logistic回归 分析时注意的问题 拟合多分类logit模型时，需考虑每个自变量在不同的logit函数中是否有统计学意义，还需检验在不同的logit函数中，某变量的效应是否相同。 常见的一个问题是，某变量在某logit函数中有统计学意义，而在另一个logit函数中无统计学意义。如以参数尽可能少的原则建模，可考虑限制logit函数中无统计学意义的变量系数为0。 * 有序分类logistic回归(ordinal logistic regression) 累积比数logistic回归模型 * 累积比数logistic回归模型 有序分类logistic回归（注意a的符号） * 累积比数logistic回归模型 * 累积比数logistic回归模型 * 累积比数logistic回归模型 例6.8 分析儿童智力等级与母亲文化程度的关系，数据见教材106页 常数项 回归系数 * 累积比数logistic回归模型 SPSS/Analyze/Regression/Ordinal Regression * Logistic 族回归的正确应用 医学应用 分析影响因素，控制混杂因素 预测和估计 判别分析 应用条件 二分类logistic回归：独立性、残差服从二项分布、影响因素与logitP呈线性 建模策略（111页） 样本含量：自变量个数的20倍 * 非吸烟女性肺癌危险因素的多分类logistic 模型分析 按5 岁一组的频数配对法, 在市区全人群中随机抽取健康人群对照675 例 研究对象为从某三级甲等医院近5 年的住院急性心肌梗塞(AMI) 患者, 共1 117. 其中:治愈243例,占21. 7 %;有效792 例,占70. 9 %;未愈82 例,占7. 3 %. * 小 结 二分类logistic回归 模型一般形式、预测概率的估计、回归系数的解释、变量的赋值与编码、假设检验、建模策略、拟合效果评价 条件二分类logistic回归 无序多分类logistic回归 有序分类logistic回归 * 自变量的赋值 * 举例 (教材241页6-3) 3. 自变量的赋值 * 应变量的赋值 应变量赋值同分类变量赋值方法 一般“阳性反应”的赋值为1，“阴性反应”的赋值为0。 如果应变量 赋值的顺序相反，则回归系数绝对值不变，但符号相反。 * (四) 参数的估计与假设检验 * (四) 参数的估计与假设检验 * (四)参数的估计与假设检验 检验整个模型：似然比检验 检验模型每个参数(回归系数) Wald Χ2检验 似然比检验 * 似然比检验 (教材241页6-3) * 似然比检验 (教材241页6-3) 两个模型比较 有统计学意义时，选取自变量多的模型 无统计学意义时，选取自变量少的模型 似然比检验即可对模型进行假设检验，也可对回归系数进行检验。 * (五) 建模策略 对一数据集的建模过程远比拟合和检验复杂得多，成功的建模是根据科学原理，将专业知识、经验累积与统计方法相结合。 在一个模型中是否纳入某一变量，随不同的学科，不同的问题而不同，统计学建模的传统方法是寻找能解释资料的最简洁的模型。 减少模型的变量个数的基本原则：使最终模型在数字上更稳定，并且更易被概括。 * (五) 建模策略 (教材90页例6.3) 建模过程应从详细的各变量的单因素分析开始 对性质相同的一些自变量进行部分多因素分析，并探讨自变量纳入模型时的适宜尺度，及自变量间的必要的一些变量变换 在单变量分析和相关自变量分析基础上，进行多因素的逐步筛选。 在多因素筛选模型的基础上，考虑有无必要纳入变量的交互作用项。 不同的分析思维、不同的统计方法所得模型可能不一样，应该允许多个模型并存，只要他们真正较好地反映病因与疾病间的联系。 * (六)