如何用spss17.0进行二元和多元logistic回归分析..doc

如何用spss17.0进行二元和多元logistic回归分析 一、二元logistic回归分析 二元logistic回归分析的前提为因变量是可以转化为0、1的二分变量，如：死亡或者生存，男性或者女性，有或无，Yes或No，是或否的情况。 下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元logistic回归分析。 （一）数据准备和SPSS选项设置 第一步，原始数据的转化：如图1-1所示，其中脑梗塞可以分为ICAS、ECAS和NCAS三种，但现在我们仅考虑性别和年龄与ICAS的关系，因此将分组数据ICAS、ECAS和NCAS转化为1、0分类，是ICAS赋值为1，否赋值为0。年龄为数值变量，可直接输入到spss中，而性别需要转化为（1、0）分类变量输入到spss当中，假设男性为1，女性为0，但在后续分析中系统会将1，0置换（下面还会介绍），因此为方便期间我们这里先将男女赋值置换，即男性为“0”，女性为“1”。 第二步：打开“二值Logistic 回归分析”对话框： 沿着主菜单的“分析（Analyze）→回归（Regression）→二元logistic（Binary Logistic）”的路径（图1-2）打开二值Logistic 回归分析选项框（图1-3）。 如图1-3左侧对话框中有许多变量，但在单因素方差分析中与ICAS显著相关的为性别、年龄、有无高血压，有无糖尿病等（P0.05），因此我们这里选择以性别和年龄为例进行分析。 在图1-3中，因为我们要分析性别和年龄与ICAS的相关程度，因此将ICAS选入因变量（Dependent）中，而将性别和年龄选入协变量（Covariates）框中，在协变量下方的“方法（Method）”一栏中，共有七个选项。采用第一种方法，即系统默认的强迫回归方法（进入“Enter”）。 接下来我们将对分类（Categorical），保存（Save），选项（Options）按照如图1-4、1-5、1-6中所示进行设置。在“分类”对话框中，因为性别为二分类变量，因此将其选入分类协变量中，参考类别为在分析中是以最小数值“0（第一个）”作为参考，还是将最大数值“1（最后一个）”作为参考，这里我们选择第一个“0”作为参考。在“存放”选项框中是指将不将数据输出到编辑显示区中。在“选项”对话框中要勾选如图几项，其中“exp(B)的CI(X)”一定要勾选，这个就是输出的OR和CI值，后面的95%为系统默认，不需要更改。 另外在“选项”对话框中，“输出”一栏中，系统默认为“在每个步骤中”，这里更改为“在最后一个步骤中”，即：输出结果将仅仅给出最终结果，而省略每一步的计算过程。由于我们采用强迫回归，逐步回归概率选项可以不管 此外还有一个选项需要说明。一是分类临界值（Classification cutoff），默认值为0.5，即按四舍五入的原则将概率预测值化为0 或者1。如果将数值改为0.6，则大于等于0.6 的概率值才表示为1，否则为0。其情况余依此类推。二是最大迭代值（Maximum Iterations），规定系统运算的迭代次数，默认值为20 次，为安全起见，我们将迭代次数增加到50。原因是，有时迭代次数太少，计算结果不能真正收敛。三是模型中包括常数项（Include constant in model），即模型中保留截距。除了迭代次数之外，其余两个选项均采用系统默认值。 完成后，点击各项中“继续（Continue）”按钮。返回图1-3，单击“确定”按钮。 （二）结果解读 其他结果参照文章《利用SPSS进行Logistic回归分析》中解读，这里重点将两点： 第一，分类变量编码（图1-7），由于这里包括性别分类变量，而我们对性别赋值为1和0，但在spss中系统会默认把我们的数值进行置换，即1→参数编码0，0→参数编码1，而最终输出结果是以1来计算的，而0为参考数据。所以这也就是为什么我么之前要对研究组男性的赋值进行置换了。如果男性为1那么spss中最终输出的将是女性的分析结果。 第二，最终输出数据（图1-8）在该结果中，Exp(B)即为文献中提及的OR值，而EXP(B)的95%C.I.即为文献中提及的CI值。其中Exp(B)表示某因素（自变量）内该类别是其相应参考类别具有某种倾向性的倍数。而有的文献中提到的Crode OR和Adjust OR则分别为单因素优势率（Crode odds ratio）和多因素优势率（Adjust odds ratio），即仅对性别单个变量的单因素分析或者对性别和年龄等多个变量进行多因素分析后所得到的不同结果。CI则为可信区间（Confidence interval）。Sig.即我们常说的P值，P0.05为显著（无效假说不成立，具有统计学意义），P0.05为不显著（无效假说成立，不