Logistic回归分析及应用PPT.pptVIP

3、逐步Logistic回归分析 （1）向前法(forward selection) 开始方程中没有变量，自变量由少到多一个一个引入回归方程。按自变量对因变量的贡献（P值的大小）由小到大依次挑选，变量入选的条件是其P值小于规定进入方程的P界值Enter, 缺省值 P(0.05)。 （2）后退法(backward selection) 开始变量都在方程中，然后按自变量因变量的贡献（P值的大小）由大到小依次剔除，变量剔除的条件是其P值小于规定的剔除标准Remove, 缺省值 p(0.10)。 （3）逐步回归法逐步引入-剔除法（stepwise selection) 前进逐步引入-剔除法 是在前进法的思想下，考虑剔除变量， 因此有两个p界值Enter, Remove。 无论是条件还是非条件Logistic回归，在多变量分析时均可以采用逐步回归方法，实现的方法是：在 model后加选项：/selection=forward、backward或stepwise 再给出SLE, SLS的界值。 调试法：P从大到小取值0.5，0.1，0.05…， 一般实际用时， SLE，SLS应多次选取调整 解 释 设第i个因素的回归系数为bi，表示当有多个自变量存在时，其它自变量固定不变的情况下，自变量Xi每增加一个单位时，所得到的优势比的自然对数。也就是其它自变量固定不变的情况下，自变量Xi每增加一个单位时，影响因变量Y=0发生的倍数。 当bi0时，对应的优势比(odds ratio,记为ORi）:ORi=exp(bi)1,说明该因素是危险因素；当bi0时，对应的优势比ORi=exp(bi)1,说明该因素是保护因素。 在本例中不良饮食习惯X2 ，取值：0、1，2、3，b=1.2218, OR=3.393,表示不良饮食习惯是危险因素；精神状况X3 ，取值：0、1、2，b=2.2947, OR=9.922,表示精神状况是危险因素。 SPSS无论是条件还是非条件Logistic回归，在多变量分析时均可以采用逐步回归方法，实现的方法是： 在 method后加选项： Enter：所有变量一次全部进入方程。 Forward：逐步向前法 Backward：后退法 变量移出方程所采取的检验方法： Conditional; LR; Ward(尽量不用) 二分类Logistic回归 method 中文名称 剔除依据 Enter 全部进入 Forward:conditional 向前逐步 条件参数估计似然比 Forward:LR 向前逐步 最大偏似然估计似然比 Forward:Wald 向前逐步 Wald统计量 Backward:conditional 向后逐步 条件参数估计似然比 Backward:LR 向后逐步 最大偏似然估计似然比 Backward:Wald 向后逐步 Wald统计量 SPSS 软件实现方法 File→Open→相应数据(已存在)→ Analyze→ Regression→Binary Logistic→ Dependent(y)→Covariates (自变量）→ Mothod（逐步回归方法）→Specify model(单因素或多因素） →save(欲保存的内容）→Options(输出选项）→OK 调试法：P从大到小取值0.5，0.1，0.05…， 一般实际用时，Enter、Remove应多次选取调整 Block 1: Method = Forward Stepwise (Likelihood Ratio) 4.Logistic回归-- Logistic回归种类 成组资料的非条件Logistic回归 配对资料的条件Logistic回归 两分类反应变量的Logistic回归 多分类有序反应变量Logistic回归 多分类无序反应变量Logistic回归 1:1配对资料的条件Logistic回归 1:m配对资料的条件Logistic回归 n:m配对资料的条件Logistic回归 Logistic回归分析 　 第十六章　Logistic回归分析 　　　　 Logistic regression 复习　　多元线性回归(multiple linear regression) 在医学实践中，常会遇到一个应变量与多个自变量数量关系的问题。如医院住院人数不仅与门诊人数有关, 而且可能与病床周转次数, 床位数等有关；儿童的身高不仅与遗传有关还与生活质量，性别