6logistic回归(II).pptVIP

第5讲 logistic族回归(II) 主要内容 多元logistic回归 条件logistic回归 多类结果的logistic回归 有序结果的logistic回归 logistic回归的正确应用 控制混杂因素的方法有两种，一是在设计时加以控制，二是在统计分析时进行调整。 配比的作用是使病例和对照在所控制的配比因素上达到均衡。与非配比的资料相比，同样的样本含量，使用配比可以提高优势比的估计精度。 2 条件logistic回归 配比(matched)设计资料 1:1 1:2 2:1 n:m 1:m配比设计的资料格式 配比设计资料的logistic回归 又称为条件logistic回归 没有截距 原因？ 以1:m配对为例 二分类logistic回归时，建立的是P(y=1)的模型。 而在配对设计中，由于经过配对，相当于知道了一个配比组中，有1个病例，这是已知信息。所以建立的是P(y=1|配比组中有1个是病人)的模型。所以称为条件logistic回归 以1：1配对为例 软组织肉瘤与接触苯氧乙酸的关系 软组织肉瘤与接触苯氧乙酸或氯酚的原始数据 Data exp6_4; input match1 y1 x1 match2 y2 x2 f; y=y1-y2; x=x1-x2; cards; 1 1 1 1 0 1 3 2 1 1 2 0 0 16 3 1 0 3 0 1 4 4 1 0 4 0 0 30 ; proc logistic; model y=x/noint(无截距) clparm=wald clodds=wald; freq f; run; 相应的条件logistic回归模型 子宫内膜癌与是否使用了雌激素 条件logistic回归(考虑是否使用过) 条件logistic回归(考虑使用过多少) 结果显示，患高血压（ht）子宫内膜癌无关(e-0.1104=0.90，95%CI:(0.46,1.40)，P=0.58）， 而使用过雌激素的人患子宫内膜癌的可能性比未使用过雌激素的人大，其优势比为e1.9321=6.90 (95%CI:2.95~16.17,P0.001) 使用其他药物（drug）患子宫内膜癌的可能性也要大于没有使用其他药物患子宫内膜癌的可能性(优势比e0.7618=2.1421，95%CI:(0.81,5.63)，P=0.055）。 1：m配对设计的实现 如果是1：1配对，则可以用logistic过程。但是1:m或n:m配对，必须要用phreg过程。 看练习6-7. data ex6_7; input match obs low age lwt smoke ht ui pt1; time=2-low; cards; proc phreg; model time*low(0)= lwt smoke ht ui pt1/ties=breslow risklimits ; strata age; run; 先作单变量回归，发现smoke（P=0.02）,ui （P=0.06）, pt1 （P=0.0004） 的P值都比较小。 作全变量回归时，发现smoke（P=0.28）和ui （P=0.50）变大， pt1 （P=0.03）。原因是smoke与pt1相关较大，ui与pt1相关较大。 在全变量模型的基础上，逐步剔除P值较大的变量，看拟合优度的改变和自变量回归系数的改变，最后确定模型中包含smoke 和pt1。 结果 最后建立的条件logistic回归模型： logitP=0.5smoke+1.2pt1。 模型的拟合优度：-2lnL=112.7, 似然比检验，卡方=13.79，P=0.02。 意义：在控制早产史这个变量后，母亲吸烟新生儿低体重的可能性是母亲不吸烟的1.649倍（OR95%CI(0.707,3.845),P=0.2466）。在控制母亲吸烟这个变量后，母亲有早产史新生儿低体重的可能性是母亲没有早产史的 3.321倍(OR95%CI(1.416,3.7.786),P=0.0058)。 3 多类结果变量的logistic回归模型 多类结果变量的logistic回归模型 各类概率 产后大出血与妊高症的关系 产后大出血与妊高症的三类结果logistic回归 logit P宫/对＝-1.6206+0.889755x logit P胎/对＝-3.2806+1.776555x e0.889755=2.4345331 e1.776555=5.9094650 两类产后大出血与妊高症、人流史的关系 三分类结果的logistic回归 三分类结果的logistic回归 logit P宫/对＝-1.5548+0.9483x1-0.3882x2 logit P