应用统计学logistic回归模型 幻灯片.pptVIP

模型拟合效果检验 模型拟合效果检验 这就是ROC曲线，预测效果最佳时，曲线应该从左下角垂直上升至顶，然后水平向右延伸到右上角。 结果分析 模型拟合效果检验 结果分析 本表是对ROC曲线下面积计算的结果，可见曲线下面积为0.708，95％可信区间为0.624~0.792。 模型拟合优度检验（Test of Goodness Fit ）： 考察当前模型是否可以进一步改善，检验当前模型与饱和模型的预测效果之差是否有统计学意义。 拟合优度检验 Pearson 和Deviance 拟合优度检验： 当自变量很多，或包含连续性自变量时，不可以用这两种方法。 似然比检验： 主要用于考察饱和模型是否可以进一步简化。 Hosmer－Lemeshow检验： 通常用于自变量很多，或包含连续性自变量的情况。 拟合优度检验 模型拟合优度检验的常用方法： 点击主对话框中的options按钮，出现如下所示的对话框： 拟合优度检验 拟合优度检验 结果分析 ①用save子对话框可以保存各种残差； ②如果残差的绝对值大于2，提示该记录可能是异常点。 Save子对话框 模型的诊断与修正 残差分析 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. compute age = age1 - age2. compute est = est1 - est2. compute gall = gall1 - gall2. compute nonest = nonest1 -nonest2. execute. 由于本例是1：1配对，可以使用变量差值方式加以拟合。 首先运用compute过程产生配对logistic回归的分析变量，或用以下程序予以实现： 条件logistic回归－实例分析 条件logistic回归－实例分析 条件logistic回归－实例分析 把自变量全部选入Covariate框，不能选入factor框！ 默认情况下该复选框选中，应该去除该复选框 条件logistic回归－实例分析 条件logistic回归 结果分析 这是系统给出的警告，说明由于反应变量只有一个水平，因此SPSS将拟合条件logistic回归模型。 结果分析 条件logistic回归 对模型中所有偏回归系数是否均为0进行似然比检验，结果说明他们不全为0。 结果分析 条件logistic回归 输出了三种伪决定系数，本例的伪决定系数还比较大。 结果分析 条件logistic回归 输出从模型中分别剔除每一自变量后拟合新的条件logistic回归模型的-2倍似然对数值，用于考察是否可以从当前模型中