logistic回归剖析实例的操作.docVIP

Logistic回归分析 二分类（因变量Y有（如发病1与未发病0）两种可能出现的结果）资料的Logistic回归分析，至于多分类Logistic回归分析，与二分类操作过程类似，只是在数据编制及分析方法选择处不同。 分析的一般步骤： 变量的编码 哑变量的设置和引入 各个自变量的单因素分析 变量的筛选 交互作用的引入 建立多个模型 选择较优的模型 模型应用条件的评价 输出结果的解释 实例操作 11.1 某研究人员在探讨肾细胞癌转移的有关临床病理因素研究中，收集了一批行根治性肾切除术患者的肾癌标本资料，现从中抽取26例资料作为示例进行logistic回归分析。 1.各变量及其赋值说明 x1：确诊时患者的年龄(岁) x2：肾细胞癌血管内皮生长因子(VEGF)，其阳性表述由低到高共3个等级（1-3） x3：肾细胞癌组织内微血管数(MVC) x4：肾癌细胞核组织学分级，由低到高共4级 （1-4） x5：肾细胞癌分期，由低到高共4期 （1-4） y：肾细胞癌转移情况(有转移y=1; 无转移y=0)。为二分类变量。 若作单因素的Logistic回归分析，也就是分别作Y与各自变量间的回归分析，如Y与X1、Y与X2等的单因素Logistic回归分析。 2.建立数据库 3.分析步骤 （1） （2） 上图中若为单因素回归分析，只需在Covariates协变量框内导入单一自变量如X1即可。 （3） 4.分析结果 （1）数据描述 Case Processing SummaryUnweighted CasesaNPercentSelected CasesIncluded in Analysis26100.0Missing Cases0.0Total26100.0Unselected Cases0.0Total26100.0a. If weight is in effect, see classification table for the total number of cases.  Dependent Variable EncodingOriginal ValueInternal Value无转移0转移1 （2）Block 1: Method = Forward Stepwise (Likelihood Ratio) Omnibus Tests of Model CoefficientsChi-squaredfSig.Step 1Step15.5381.000Block15.5381.000Model15.5381.000Step 2Step6.1781.013Block21.7162.000Model21.7162.000表示两步变量的引入均有统计学意义，方法合理。 Model SummaryStep-2 Log likelihoodCox Snell R SquareNagelkerke R Square118.004a.450.621211.826b.566.781a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001. b. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001. 可见第二步比第一步变量引入后决定系数有所增加，表明第二步变量引入后模型的拟合效果更好。 （3） Classification TableaObservedPredicted肾细胞癌转移情况Percentage Correct无转移转移Step 1肾细胞癌转移情况无转移15288.2转移2777.8Overall Percentage84.6Step 2肾细胞癌转移情况无转移16194.1转移09100.0Overall Percentage96.2a. The cut value is .500  Variables in the EquationBS.E.WalddfSig.Exp(B)95% C.I.for EXP(B)LowerUpperStep 1aX22.563.9167.8291.00512.