h10 Logistic回归分析.pptVIP

Logistic回归分析 Logistic Regression 一、概述 前面介绍的线性回归模型(一元和多元)均要求应变量Y连续型随机变量，并呈正态分布。 医学上常常碰到应变量是分类变量的情况，如发病与未发病、死亡与未死亡等。如果需要分析多个自变量对此类应变量的影响情况，则不能建立自变量与应变量的一般回归分析模型。 Logit变换 对于应变量Y是二值的情况，始终可以用“阳性”与“阴性”来表达。如果令应变量Y=“阳性”的概率为π，则其对立面Y=“阴性”的概率为1-π。很显然，π及1-π的取值范围均在[0~1]之间，二者经过下面的变换，变换后的取值范围均在(-∞，+∞)之间。 Logistic回归模型 既然Logit(π)的取值是(-∞，+∞)，因此可以将Logit(π)当作“应变量”，从而建立该“应变量”与相应自变量的线性回归模型，如下： 二、Logistic回归过程 SAS中可以实现Logistic回归分析的过程有：LOGISTIC过程、CATMOD过程以及PHREG过程。本节重点介绍LOGISTIC过程的用法，通过实例说明如何实现简单的Logistic回归分析。 Logistic常用语句 PROC LOGISTIC options ; BY variables ; FREQ variable ; MODEL response = effects / options ; STRATA effects / options ; 1、PROC LOGISTIC options ; 过程选项options： OUTEST=数据集名 将结果存储到指定的数据集中。 NOPRINT 不显示统计结果。 ORDER=DATA|FORMATTED|INTERNAL 规定模型中反应变量的水平顺序 ?????????? DATA ：应变量的顺序与数据集中出现的顺序一致 FORMATTED：按照格式化值的顺序，相当于应变量所赋值的大小顺序，从小到大的顺序，默认值 。 INTERNAL：按照非格式化值的顺序 DESCENDING | DES 应变量按从大到小顺序排列 注意，如果应变量的赋值为： 未转移=0，转移=1 要考查危险因素 中转移相对于未转移的风险: Logit(P(转移))，应选择DES选项(即要求从大到小排列)，否则得到的结果是未转移相对于转移的风险: Logit(P(未转移)) (默认按从小到大顺序)。 2、MODEL语句 MODEL response = effects / options ; MODEL语句指定模型的反应变量(response)、考查因素(effects)及有关建立模型的选项、控制结果输出的选项。 Model语句中模型的指定与多元线性回归中模型的指定是相似的。 常用的选项有： SELECTION = FORWARD(或F)| BACKWARD（或B）| STEPWISE|SCORE 规定变量筛选的方法，分别为 向前： FORWARD 向后： BACKWARD 逐步： STEPWISE 最优子集法： SCORE 缺省时为NONE，拟合全回归模型。 如：Model y=x1 x2 x3 x4; Model y=x1 x2 x3 x4/selection=stepwise; Model y=x1 x2 x3 x4/selection=forward; SLE=概率值，指定变量进入模型的显著水平，缺省为0.05 SLS=概率值，指定变量保留在模型的显著水平，缺省为0.05 3、STRATA语句 STRATA id-variable; 用于指定分层或者匹配变量，进行条件Logistic回归分析。用于二值反应变量数据资料。 id-variable可以是数值型也可以是字符型。 实例 例9-1 前列腺癌细胞是否扩散到邻近的淋巴结，是选择治疗方案的重要依据。为了了解淋巴组织中有无癌转移，通常的做法是对病人实施剖腹探查。为了不手术而又能弄清淋巴结的转移情况，Brown(1980)在术前检查了53例前列腺癌患者，分别记录了年龄、酸性磷酸酯酶、X射线、术前探针活检病理分级、直肠指检肿瘤大小位置等