(精）最新logistic回归分析实例操作.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 Summary Unweighted Casesa N Percent Selected Cases Included in Analysis 26 100.0 Missing Cases 0 .0 Total 26 100.0 Unselected Cases 0 .0 Total 26 100.0 a. If weight is in effect, see classification table for the total number of cases. Dependent Variable Encoding Original Value Internal Value 无转移 0 转移 1 （2）Block 1: Method = Forward Stepwise (Likelihood Ratio) Omnibus Tests of Model Coefficients Chi-square df Sig. Step 1 Step 15.538 1 .000 Block 15.538 1 .000 Model 15.538 1 .000 Step 2 Step 6.178 1 .013 Block 21.716 2 .000 Model 21.716 2 .000 表示两步变量的引入均有统计学意义，方法合理。 Model Summary Step -2 Log likelihood Cox Snell R Square Nagelkerke R Square 1 18.004a .450 .621 2 11.826b .566 .781 a. 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 Tablea Observed Predicted 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 15 2 88.2 转移 2 7 77.8 Overall Percentage 84.6 Step 2 肾细胞癌转移情况 无转移 16 1 94.1 转移 0 9 100.0 Overall Percentage 96.2 a. The cut value is .500 Variables in the Equation B S.E. Wald df Sig. Exp(B) 95% C.I.for EXP(B) Lower Upper Step 1a X2 2.563 .916 7.829 1 .005 12.