logistic回归模型概要1.pptVIP

宁夏医科大学流行病与卫生统计学系 乔慧 二分类logistic回归模型 内容提要 非条件logistic回归 模型简介 简单分析实例 哑变量设置 自变量的筛选方法与逐步回归 模型拟合效果与拟合优度检验 模型的诊断与修正 条件logistic回归 对分类变量的分析，当考察的影响因素较少，且也为分类变量时，常用列联表（Contingency Table）进行整理，并用?2检验或分层?2检验进行分析，但存在以下局限性： 无法描述其作用大小和方向，更不能考察各因素间是否有交互作用； 当控制的分层因素较多时，将导致检验结果不可靠； ?2检验无法对连续性自变量进行分析（致命缺陷）。 模型简介 logistic回归模型适合于应变量为二项分类的资料，在医学研究领域中的应用广泛。如流行病病因学研究（包括队列研究、病例对照研究、横断面研究等）、临床疗效研究（如疗效与治疗方法、患病轻中重等因素关系）、卫生服务研究（如是否就诊与性别、年龄、文化程度的关系）等等。 模型简介 模型简介 logistic回归模型： 反应变量为二分类变量或某事件的发生率； 自变量与logit（P）之间为线性关系； 残差合计为0，且服从二项分布； 各观测间相互独立。 模型简介－适用条件 logistic回归模型应该使用最大似然法来解决方程的估计和检验问题，不应当使用以前的最小二乘法进行参数估计。 例1 某医师希望研究病人的年龄age、性别sex（0为女性、1为男性）、心电图检验是否异常ecg（ST段压低、0为正常、1为轻度异常、2为重度异常）与冠心病ca是否有关，数据见logistic_binary.sav。 简单分析实例 简单分析实例 选入应变量 选入自变量 简单分析实例 简单分析实例 结果分析 此表为应变量取值水平编码，SPSS默认取值水平高的为阳性结果。 简单分析实例 结果分析 本表输出当前模型的-2log（似然值）和两个伪决定系数，但对于logistic回归而言，通常看见的伪决定系数不像线性回归模型中的决定系数那么大。 简单分析实例 结果分析 此表输出模型中的各自变量的偏回归系数及其标准误、Wald ?2、自由度、P 值、OR值（即exp（B））。 Forward：Conditional （最可靠） Forward：LR Forward：Wald （应当慎用） Backward： Conditional （最可靠） Backward：LR Backward：Wald（应当慎用） 6 种筛选自变量的方法 逐步回归 多重共线性的对偏回归系数的影响与线性回归模型中的表现一致，如增加或删除一条记录，模型中偏回归系数值发生较大变化，专业上认为有意义的因素无统计学意义等等。 如果在进行logistic模型分析中，尤其是在向模型中引入交互作用项时出现了回归结果反常现象，则自变量之间的多重共线性是需要排除的一种可能。 模型的诊断与修正 多重共线性的识别： 目前SPSS的logistic过程中尚没有关于多重共线性诊断的结果输出，代替方法之一是运用相同的反应变量与自变量，拟合线性回归模型，并进行相应的共线性诊断。 模型的诊断与修正 多重共线性的识别： 匹配设计（matched design）是在设计阶段控制混杂因素的一种方法。当得到一名研究病例后，选择一名或多名非病例作为对照，选择相应对照的条件是：某些需要控制的混杂因素与该病例之间相同或相似，从而形成一个匹配的对子。一个匹配的对子可以只有 1个病例和1个对照，称1：1匹配；当病例很罕见时，常采用 1个病例，多个对照，此时称为1：m匹配，常用的 m一般小于等于4，不同的对子，m可以不同；还可设计m：n匹配，即不同对子的病例与对照个数均可不同，这样的设计增加了收集资料的灵活性。 条件logistic回归－简介 对于这类匹配设计资料，如果采用以上介绍的非条件 logistic回归方法，将会降低检验效能。而应当采用条件logistic回归模型（conditional logistic regression model）又称配对logistic回归模型进行分析。 条件logistic回归－简介 用变量差值拟合：只适用于1：1配对的情况，用Multinomial logistic 过程实现； 用分层Cox模型拟合：适用范围非常广。 条件logistic回归 SPSS中的拟合方法： 例4 Mack等人预考察服用雌激素与患子宫内膜癌的关系，对退休居住在社区的妇女进行病例对照研究。除服用雌激素以外，研究的自变量还包括肥胖、胆囊病史、服用其他非雌激素药物。数据见1_1_logistic.sav。 条件logistic回归－实例分析 compute case = case1 - case2