Logistic回归模型在戒烟的影响因素分析中的应用.docx

Logistic回归模型在戒烟的影响因素分析中的应用摘　要应用Logistic回归模型，对影响戒烟成功与否的可能因素进行了分析。结果表明，年龄、婚姻状况、吸烟年限、吸烟量、患病情况、经济状况、宣传影响及在戒烟过程中的身心感受八项因素对戒烟成功与否有显著意义(P0.05)，其中年龄、患病情况和宣传影响三项因素与戒烟成功呈正相关，其余五项因素与戒烟成功呈负相关。关键词　Logistic模型　戒烟　影响因素　　随着我国健康教育的发展、越来越多的人已经认识到吸烟的危害，他们已经或正在戒烟。戒烟成功与否受很多因素的影响，如社会环境心理因素、自身健康等等。目前，国内外对吸烟及其影响因素的研究颇多，而对戒烟过程和戒烟的影响因素研究较为少见。本研究采用对照研究方法，通过非条件Logistic回归分析，对影响戒烟行为的多种因素进行了研究，旨在为有关部门制定有效的控烟措施提供参考依据。1　资料来源和方法1.1　资料来源　　大连市爱卫会对大连地区各县市区开展戒烟活动较好的单位进行了典型调查，共调查了13个单位，发放问卷600份，回收552份，有效答卷528份(其中戒烟成功者330例，未成功者198例)。本次调查对象是有戒烟行为者。我们把有戒烟欲望，并付诸行动，时间不少于3天的人界定为戒烟行为者。同时，借鉴WHO标准，在戒烟行为者中，至今已连续6个月及以上不吸烟者界定为戒烟成功者，否则为戒烟未成功者。根据文献和预调查的结果，共选取26项可能与戒烟行为有关的因素作为本次调查的内容，见表1。1.2　统计方法　　用Logistic回归模型表示出现阳性结果的概率及阳性结果的概率分别为：　　式中β0是与所研究的因素无关的截距项，βj(j=1,…p)是与研究因素Xj有关的参数为偏回归系数。　　对26个自变量(X)与因变量(Y)的赋值见表1，将数据建成数据库，用国际流行统计软件包Spss for Window中非条件Logistic模型进行回归分析，采用逐步筛选法，筛选因子检验方法为似然比法，各变量进出方程的检验水准均为0.05。表1　26项因素及量化表　变量(影响因素)等级划分量化表一般情况　　　X1(性别)女；男0；1　X2(年龄)岁计量单位　X3(年人均收入)元计量单位　X4(文化程度)初中；高中；大学(大专)；研究生0；1；2；3职业　　　指　X5(工人或农民)否；是0；1　示　X6(干部)否；是0；1　变　X7(个体户)否；是0；1　量　X8(大学生)否；是0；1　　　X9(婚烟状况)未婚；已婚0；1　　　X10(烟龄)年计量单位　　　X11(日吸烟量)5;5～;10～;15～;20～0;1;2;3;4吸烟原因　　　X12(出于好奇)否；是0；1　X13(感觉气派)否；是0；1　X14(感到烦恼)否；是0；1　X15(利于思维)否；是0；1　X16(社交需要)否；是0；1戒烟情况　　　X17(开始戒烟年龄)岁计量单位　X18(戒烟次数)次计量单位戒烟动因　　　X19(患病)否；是0；1　X20(经济收入下降)否；是0；1　X21(宣传媒介影响)否；是0；1　X22(受朋友或家庭影响)否；是0；1　X23(法律法规约束)否；是0；1　X24(妨碍与异性交往)否；是0；1其它情况　　X25(在戒烟过程中有无身心感觉)否；是0；1X26(在戒烟过程中是否用戒烟品)否；是0；1因变量Y(戒烟成功与否)否；是0；12　结果与讨论　　通过计算，共有8个变量(因素)具有显著意义(它们进入回归方程中)，回归方程中各变量的偏回归系数估计值见表2。表2　非条件Logistic回归分析结果　　变　量βiβ＇*iS.Eχ2Pexp(βi)X2(年龄)0.0510.62850.014214.2490.0021.0524△X9(婚烟状况)-1.0372-0.38380.337010.0730.00150.3544X10(吸烟年限)-0.0437-0.47900.01449.8800.00170.9573△X11(吸烟量)-0.1568-0.22740.07514.4080.03580.8549X19(患病)0.55310.27660.20217.6160.00581.7387X20(经济收入下降)-0.8664-0.34660.245612.6640.00040.4205X21(宣传媒介影响)0.50110.25560.19906.5130.01071.6505X25(心身感受)-0.5177-0.24850.20696.3900.01150.5959　　注:* β＇i为标准偏回归系数，β＇i=βi×Si,Si为第i个变量的标准差。△为X2,X10都是计量单位，表示该变量每增加一个单位，相对危险度相应增加的量。2.1　年龄、患病情况和宣传媒介三项因素与戒烟成功呈正相关　　一般来讲，