Logistic模型应用的方法与技术.ppt

谢谢！ Logistic模型应用的方法与技术 问题提出 可用于慢性非传染性疾病的病例对照资料分析，可用于病例对照研究资料分析，不仅限于病例对照研究资料分析; 样本量要求50以上; 对调查的因素或变量先做单因素Logistic模型分析，再有意义的因素变量做多因素变量筛选，即可获得模型分析结果; 问题提出 模型分析结果为某一些因素变量有统计学意义，模型拟合良好（P＝0.8256，P0.05）; 模型分析结果与专业解释有矛盾，专业上认为有意义的，检验结果无意义，或虽有统计意义，但符号和方向相反; 自变量为计量资料(数值变量)信息最多，变量处理上比较简单，可直接进入模型分析。 Logistic模型应用的方法与技术 适用资料和研究设计类型与模型分析目的 模型的应用条件 Logistic模型的样本量 资料准备与变量设置 变量筛选与因素分析 Logistic模型的流行病学意义 不同分析目的和设计类型对分析结果选取 适用资料与研究设计类型 病例对照研究资料 成组设计 个体匹配（1:1, 1:M, N:M）和频率匹配 横断面调查观察资料 队列研究资料（封闭队列） 随机对照试验资料 交叉试验设计资料 药物与毒物剂量反应研究资料 模型的分析目的——因素分析 自变量与因变量间有无关联性 在调整和控制其他因素条件下研究自变量与因变量间的关系 可能的危险因素——结合设计与专业问题 剂量反应关系（连续与有序多分类） 自变量与因变量关系的形态——线性，“Ｓ”型，“Ｕ”型，对数线性等 模型分析目的——建模预测判别 分析的基础上建立 Logistic回归方程，用于因变量的预测与判别 仅对前瞻性研究资料（包括临床随机试验） 反映模型拟合度的指标要好 回代符合率与前瞻符合率要高 对模型的适合性有较高要求 有较好专业研究基础 应用条件 Logistic模型是以二项分布为基础 独立，重复，互拆 独立——各个体间发病（事件）相互不影响 重复——各个体事件发生的条件相同且有一定的重复数，多个调查结果的合并分析与样本量; 互拆——只有两种对立的结果（两分类） 应用条件——实例分析 在高血压患病率与危险因素的现况调查中，以高血压病人为病例，非高血压病人为对照，应用logistic模型分析影响高血压发病的可能危险因素。（GEE模型） 应用logistic回归模型分析传染病病例对照研究资料，探索传染病发病的可能影响因素 Logistic模型的样本量 研究对象个数大于参数个数 一般为自变量个数（参数个数）的5~10倍 小样本时模型效率较差，传统概念为50 与参数个数、病例与非病例的比例、比数比（OR）大小有关（中国公共卫生，中国卫生统计学） 许多情况下样本量50 仍有效 确切Logistic回归模型 资料准备——变量设置 二分类变量——直接设置成0~1变量 无序多分类（计数资料中的多分类），将k类设置成 k-1 个0-1变量 血型 x1 x2 x3 O型 0 0 0 A型 1 0 0 B型 0 1 0 AB型 0 0 1 血型 x1 x2 x3 O型 1 0 0 A型 0 1 0 B型 0 0 1 AB型 0 0 0 资料准备——变量设置 有序多分类变量（等级分组资料） 设置成0,1,2,3,4,… 根据专业问题设置成特殊的数量等级关系，如 0,1.5,3,5 转换成k-1 个0-1变量 例如大便隐血试验结果－,+,++,+++,++++, … 隐血试验结果　　X1 X2 X3 X4 　　　　　－ 0 0 0 0 ＋ 1 0 0 0 ＋＋ 0 1 0 0 　　　＋＋＋ 0 0 1 0 　　＋＋＋＋ 0 0 0 1 资料准备——变量设置 计量资料（连续性变量） 以原始变量值进入 将原始变量值作适当变