北京大学医学部医学统计学进阶1第3讲 logistic回归.pptVIP

Logistic回归分析;什么是适宜的统计方法？;当研究目的为建立某病发生概率与自变量关系的统计模型时，是否可用线性回归模型？为什么？P 某事件发生的概率X 可能与该事件发生有关的因素 P=;一、 Logistic回归模型;Logistic回归的分类 二分类 多分类 条件Logistic回归 非条件Logistic回归;Logistic回归模型 　 ; Logit变换（也称对数单位转换） logit P= = ;二、参数估计;三、回归系数的意义;流行病学一些概念： 　设P表示暴露因素X时个体发病的概率，则发病的概率P与未发病的概率1-P 之比为优势或比值（odds）， logit P就是odds的对数值。;比值比 Odds Ratio;相对危险度（relative risk）: RR=P1/P0 当一种病的死亡率（或发病率）较小，近似于零时，1-P≈1，则有： OR≈RR=P1/P0 ;Logistic回归中的常数项（β0）表示，在不接触任何潜在危险／保护因素条件下，效应指标发生与不发生事件的概率之比的对数值。 Logistic回归中的回归系数（βi ）表示，某一因素改变一个单位时，效应指标发生与不发生事件的概率之比的对数变化值，即OR的对数值。;Logistic回归系数的意义;分析因素xi为多分类无序变量时，为方便起见，常用1，2，…，k分别表示k个不同的类别。进行Logistic回归分析前需将该变量转换成k-1个指示变量或哑变量（design/dummy variable），这样指示变量都是一个二分变量，每一个指示变量均有一个估计系数，即回归系数，其解释同前。;分析因素xi为多分类有序(等级)变量时： 如果每个等级的作用相同，可按计量资料处理：如以最小或最大等级作参考组，并按等级顺序依次取为0，1，2，…。此时， eβi 表示xi增加一个等级时的优势比， e(k*βi)表示xi增加k个等级时的优势比。 如果每个等级的作用不相同，则按多分类无序资料处理。 分析因素xi为连续性变量时， eβi表示xi增加一个计量单位时的优势比。; 多因素Logistic回归分析时，对回归系数的解释都是指在其它所有自变量固定的情况下的优势比。 存在因素间交互作用时， Logistic 回归模型中各自变量与疾病关系的联合作用为乘法模型，回归系数的解释变得更为复杂，应特别慎重。; 样本量较大时，Logistic回归系数bi服从u分布。因此其可信区间为 进而，优势比OR(ebi )的可信区间为 ;四、模型检验和评价;Wald检验（ wald test） 　 即广义的t检验，统计量为u 　 u服从正态分布，Sbi即为标准误。 　同理，Logistic回归系数的区间估计 　;似然比检验：卡方检验 Wald检验：只能对单个b检验；未考虑各因素间的综合作用，在因素间有共线性时结果不如前者可靠。 大样本时两种方法结果一致。;对模型拟合的优良性评价： （1）拟合分类表（Classification Table） 根据Logistic回归模型，对样本重新判别分类，符合率越高，模型拟合越好。注意：Logistic回归用于判别分类很粗劣，此法仅作参考。 ;（2）最大似然函数值L SPSS报告：“-2LogLikelihood” 报告值越大，意味着回归方程的似然值越小(L ?1) ，标志模型的拟合程度越差； 很高的-2L值说明： 1）可能Logistic回归不合适； 2）可能影响因变量的主要因素未被考虑在内。;五、 变量筛选;六、条件Logistic回归;配对设计的Logistic回归模型 其中不含常数项。 ;七、其他Logistic 回归模型;八、 Logistic回归的应用;九、注意事项;变量的取值形式：变量采取不同的取值形式，参数的含义、量值及符号都可能发生变化。 二分类变量：0、1（连续性变量或哑变量） 多分类无序变量：哑变量 多分类有序(等级)变量：连续性变量或哑变量 连续性变量：转换为分类变量较易解释OR值的意义。 样本量：一般不小于200例，配对资料对子数n大于等于变量的20倍，否则回归系数的估计是有偏性的。 不应单纯依赖程序筛选变量，要注意变量的医学意义。; 多元线性回归分析与Logistic回归分析都是实际工作中常用的方法，用于影响因素分析时，多元线性回归的因变量是连续变量，而Logistic回归的因变量是分类变量；两