SAS的logistic回归(正式)讲解.ppt

例题4－无序多分类 某研究人员欲了解不同社区和性别之间成年居民获取健康知识途径是否不同，对2个社区的314名成人进行了调查，结果见表16-11。变量赋值为：社区（ ：社区1=0，社区2=1）、性别（ ：男=0，女=1）、获取健康知识途径（ ：传统大众媒介=1，网络=2，社区宣传=3）。请拟合社区和性别对居民获取健康知识途径的多分类logistic回归模型。 * 条件Logistic回归 医学研究中的配对病例对照研究资料可以用条件Logistic回归模型来分析。条件Logistic回归模型和非条件Logistic回归模型的区别在于参数的估计是否用到了条件概率。所谓的配对病例对照研究指的是在病例对照研究中，对每一个病例配以性别、年龄或其它条件相似的一个（1：1）或几个（1：M）对照，然后分析比较病例组与对照组以往暴露于致病因素的经历。分析配对病例对照研究资料所用的条件Logistic回归模型中参数的估计方法也是采用最大似然估计法，参数和模型的检验方法和非条件Logistic回归模型也一样。 条件Logistic回归的SAS程序 用于条件Logistic回归分析的过程步一般借用生存数据风险回归分析的PHREG过程步。实用PHREG过程步时要注意数据的输入方法和过程步语句的写法。 PHREG过程步的一般格式如下： Proc phreg data= ; Model 因变量*截尾变量=协变量/ ties=risklimits selection= sle= sls details; Strata 分组变量; Run; 条件Logistic回归的SAS程序 MODEL语句：用于指定模型的结构，适用于生存时间有右截尾的情况，且生存时间变量作为模型的因变量，协变量作为模型的自变量。 TIES：用来选择处理生存时间结点的方法，每一种方法使用了不同的公式来计算最大似然值。 RISKLIMITS：指令输出危险比的95％置信区间，供选择的有：backward、forward、stepwise、score。 条件Logistic回归的SAS程序 SLE：指定协变量进入模型的显著水平，缺省值是0.05。 SLS：指定协变量停留在模型中的显著水平，缺省值是0.05。 DETAILS：指令输出逐步回归过程中每一步的详细分析结果。 STRATA：指定用于分组计算的分组变量。如果分组变量的数值不符合分组要求，则在变量后面的括号内列出分组的端点值。 例题1－二分类 研究吸烟、饮酒与食管癌关系的病例-对照资料，试作logistic回归分析。 * 本章小节 Logistic回归分析在医学研究中应用广泛。Logistic 回归分析在流行病学的病因研究中，是分析疾病与危险因素间联系的一种统计方法。在这类研究中，所观察的项目的值，常以二项反应变量取值，即生存与死亡，是否发病，是否接触危险因素等的反应变量y的取值是0或1。 本章小节 Logistic回归模型有条件与非条件之分，前者适用于配对病例对照资料的分析，后者适用于队列研究或非配对的病例-对照研究成组资料的分析。在使用分析流行病学的方法研究疾病病因时，非条件Logistic模型是用于分析队列或病例-对照研究成组资料的统计方法，既可以进行因素筛选，也可以用于混杂因素的控制。SAS系统中采用LOGISTIC过程步分析非条件Logistic回归。 本章小节 在医学研究中经常遇到多分类无序变量，此类变量一般不能直接进入Logistic回归模型进行分析，这种变量一般采用设置哑变量的方法来进行分析。哑变量，就是一组取值1和0的二值分类变量，用来表示一个分类变量。 非条件Logistic回归适合于队列研究、病例对照研究，同样也适合于现况调查中的病因学研究。按3种不同抽样方式作Logistic回归，除病例对照研究资料的常数项与另外两种不同外，回归系数的意义相同。而配对病例对照研究资料就需要条件Logistic回归模型来分析了。SAS系统中采用PHREG过程步进行数据分析。 * 华中科技大学公卫学院 流行病与卫生统计系 Logistic回归 SAS应用 蒋红卫 Email: JHWCCC@21CN.COM 学习目标 了解Logistic回归模型的建立和假设检验； 了解Logistic回归模型的应用领域； 掌握Logistic回归模型系数的解释，及回归系数与OR值之间的关系； 掌握Logistic回归过程步； 掌握哑变量的设置和结果的解释； 掌握多元Logistic回归模型的逐步过程法和系数的解释； 了解条件Logistic回归的应用； 掌握条件Logistic回归的SAS程序； 概述 线性回归模型和广义线性回归模型要求因变量是连续的正态分布变量，且自变量和因变量呈线性关系。当因变量是分类型变量时，且自