SAS 中Logistic回归方法的正确应用及结果的正确解释.doc

Logistic回归方法的正确应用及结果的正确解释 金水高 （中国疾病预防控制中心，北京，100050） Logistic回归是研究当因变量为二分变量时，因变量与自变量关系的常用方法,自80年代初引入国内后，随着计算机技术的发展，统计软件的日益成熟而得到了十分广泛的应用。但是并不是所有的研究者对于Logistic回归的方法都能正确使用，对结果都能正确解释。近年来文献中经常出现对方法错用、误用及对结果的错误解释的现象。本文仅就在使用Logistic方法时经常出现的错误进行探讨。 Logistic回归中分类变量的数量化方法 在Logistic回归中，自变量可以有多种形式。以连续变量形式的如年龄；以等级变量进入方程的如不同的污染等级。而更多的却是以分类变量（定性变量）形式出现的，如性别，地区，职业等。对于多水平分类变量（如职业）的各个水平的赋值方式，尽管在正规的教科书上有详细的介绍，但经常有有些作者将多水平的分类变量按等级来进行赋值(1)。下面摘引的是文献1的作者对其中一些分类变量取值的赋值（表1）。 表1 某个吸烟调查中一些自变量的意义及赋值 变量 变量意义 变量可能取值 研究者对变量的赋值 D1 如果想要烟，你认为你能容易得到吗？ 非常容易；有点容易；有点困难；非常困难 1,2,3,4 M2 在过去的一个月里，你是否在电视里看到过有关吸烟的任何内容？ 没有看到过；看到过，是关于反对吸烟的；看到过，是关于赞成吸烟的；看到过，反对与赞成的都有。 1,2,3,4 J4 你的祖母是否吸烟？ 不吸；不知道；吸烟。 1,2,3 作者将第一个变量不同水平赋为具有等级关系的四个值，虽然比较勉强，还可以接受，因为变量的四个取值确实存在程度的差异（但为什麽相邻之间都相差1，这就没有太多的道理了）。而对后面的两个变量（M2及J4）的不同水平也赋予具有等级关系的值，而且相邻之间都相差1，那就没有任何道理了。因为变量M2是询问调查对象是否在电视中看到过有关吸烟的内容，人们对这个问题给出的答案显然并不存在任何量上的程度差别。 对这类自变量的赋值应该采取数量化的方法。通常建议的数量化方法为设置哑变量。例如对于上面的M2，有4种可能回答，则要设置3个哑变量，假设为M21,M22,M23。将每一种可能回答（水平）用一组哑变量的取值来表述（表2）。 表2。用哑变量表述M2的取值可能 可能回答 M21 M22 M23 没有看到过 0 0 0 看到过，是关于反对吸烟的； 1 0 0 看到过，是关于赞成吸烟的； 0 1 0 看到过，反对与赞成的都有。 0 0 1 从表2可以看到，用M21,M22及M23同时等于0表示没有在电视里看到过有关吸烟方面的任何内容；而用M21=1，M22及M23均为0表示在电视里看到过关于吸烟的内容，等等。由于用一组变量的取值来表示一个水平，每个水平本身也就不再代表一个数，各个水平之间也就不再存在任何数量上的联系。 对于只有两个取值的定性变量，如性别，则可以分别赋值为1和0。可以设男性时为1，而女性时为0。 Logistic回归方程中比数比（OR）的估计 自变量为连续变量时 为了简化起见，我们假设在研究吸烟与一些因素的关系时，拟合了下列形式的Logistic回归方程： Logit (P|y=1) = b0 + b1 M21+ b2 M22+ b3 M23 + b4 (SEX) + b5（AGE） y=1为吸烟，y=0 为不吸烟。 AGE为年龄（年）。 SEX为性别，SEX =1为男性，SEX =0为女性。 M21, M22, M23的定义同前。 由于Logit (P) = ln (P/(1-P)),则在不同年龄（AGE）时的比数可以表达如下： 当年龄=AGE1时， P1/(1-P1) = exp(b0 + b1 M21+ b2 M22+ b3 M23 + b4 (SEX) + b5（AGE1）) 当年龄=AGE2时， P2/(1-P2) = exp(b0 + b1 M21+ b2 M22+ b3 M23 + b4 (SEX) + b5（AGE2）) 则年龄2相对于年龄1的比数比为： OR = [P2/(1-P2)] ÷[P1/(1-P1)] = exp(b0 + b1 M21+ b2 M22+ b3 M23 + b4 (SEX) + b5（AGE2）) ÷ exp(b0 + b1 M21+ b2 M22+ b3 M23 + b4 (SEX) + b5（AGE1）) = exp[b5(AGE2 - AGE1)] 当年龄相差一岁（即AGE2-AGE1=1）时，OR = exp (b5)。 也即，b5表示年龄增加一岁的比数比的对数。 自变量为二分变量时 仍以上述方程为例。我们研究自变量为二水平(如性别)