18logistic回归教程范本.ppt

18 logistic 回归分析 多重线性回归，可用于筛选影响因素，校正混杂效应，进行疾病预测等，但其前提条件，要求因变量Y是连续定量变量，自变量与因变量间具有线性关系,并要求呈正态分布。 生物医学研究领域的诸多因变量（结局指标，或称效应指标）通常是分类变量，例如，“生存或死亡”，“发病与不发病”等，并且影响因素（自变量）与其联系，更多的是非线性关系,不满足正态分布条件 。 根据研究设计类型，logistic回归划分为条件与非条件logistic回归。 条件logistic回归适用于配对（匹配）病例-对照研究 非条件logistic回归主要用于成组或非配对的匹配研究。通常把非条件logistic回归简称为logistic回归。 18.1　单自变量logistic回归 18.1.1　优势与优势比 例18-1　非甾体抗炎药品上市前的研究中，已知可能引起亚临床上消化道出血症状。因此，1980年Strom和Carson开展了大样本上市后安全性再评价，以确定该药品是否引起上消化道出血不良反应。回顾性跟踪调查的47 136例服用该药的患者中，有155例上消化道出血；同期没有服用该药的44 634例对照中，有96例上消化道出血（见表18-1）。 18.1.2 logit变换与单自变量logistic方程 以Y（取值0或1）为因变量的logistic回归概率模型，一般简称为二分类logistic回归模型。 18.1.3　参数估计与回归系数的解释 实际应用logistic回归模型时，首先必须根据样本信息，估计回归方程中的参数 ， 。 logistic回归参数估计一般采用极大似然法。 首先，确定因变量与自变量关系的logistic回归模型； 其次，根据观察样本，确定似然函数； 最后，用迭代法求对数似然方程组的解，得到相应的参数估计值和。 2×2纵向资料 在未服用该药品条件下（X=0），记上消化道出血与不出血的对数优势为 ，即： ； 在服用该药品条件下（X=1），记上消化道出血与不出血的对数优势为 ，即： 。 当X=0和X＝1时，例18-1的两种情况可以统一表示为 ，即 “服用与不服用非甾体抗炎药的对象发生上消化道出血症状的概率是否相等”，进一步归结为检验假设： : ＝0是否成立。经参数估计， b0＝-6.140，b1 ＝0.426，logistic回归方程为 常数项b0是未服用该药品人群“发生出血症状”优势估计值的自然对数； 自变量回归系数 b1是优势比估计值的自然对数。 估计未服用该药品人群“发生出血症状”的优势为 Odds＝exp(b0)＝0.0022； 样本优势比 ＝ exp(b1) ＝1.5306。 总体的95%置信区间估计公式为 （18-5） 2×2横断面资料(例18-2） 欲研究某地农村居民健康相关行为及其影响因素，对该地区8个县（市），40个乡（镇），共80个村委会，随机抽取9 760名15至55岁的居民，对其吸烟、饮酒及主动获取保健知识等内容进行横断面调查。 主要指标有：年龄，家庭人均年实际收入，性别，婚姻状况，职业,受教育程度,吸烟,饮酒,主动获取保健知识,开始吸烟年龄，常去公共场所有无禁烟规定，家庭住室有无吸烟限制,过去1年内是否有过戒烟行为,有无经医生诊断的慢性病,自我健康总体评价。 欲了解吸烟与性别的关系，将表18-2数据汇总，男性居民4 847人，其中吸烟者2 229人；女性居民4 777人，吸烟者136人，见表18-3。 回归参数估计值 ， ，男性吸烟优势比 ，OR的95%置信区间为24.991～35.788，logistic回归方程为 2×2病例对照资料 例18-3　为研究子宫内膜癌患者与过去服用雌激素药品的关系，用回顾性病例对照研究方法，共调查188例患子宫内膜癌患者，另选188例未患子宫内膜癌的妇女作对照，了解过去使用雌激素的历史（暴露史）. 病例对照资料logistic回归中，常数项b0的含义仅代表现有特定样本集合中，没有雌激素暴露史的妇女“发生子宫内膜癌”优势的对数，一般不等于实际总体中没有服用雌激素妇女人群“发生子宫内膜癌”优势的对数值。 根据回顾性病例对照资料建立的logistic回归方程一般不能直接用于预测。 连续型定量资料 有序