SAS软件应用之Logistic回归分析PPT.pptVIP

PROC LOGISTIC过程 SAS系统中进行Logistic回归分析的过程步是PROC LOGISTIC过程。下面我们先了解以下这个过程步。LOGISTIC过程的语句基本格式如下： PROC LOGISTIC data= descending simple order= ; Model 因变量＝自变量/link= noint rsq cl rl selection= sle= sls=; freq 频数变量; output out= pred=变量名； run; PROC LOGISTIC过程 DESCENDING：指令系统输出因变量取值由大到小的概率，缺省时，系统输出因变量取值由小到大的概率。使用和不使用DESCENDING语句的回归模型的回归系数绝对值完全相同，但是符号完全相反。 SIMPLE：指令系统输出每一个自变量的基本统计量。 MODEL：给出模型的因变量和自变量。 LINK：指定因变量概率函数的形式 NOINT：指令模型不含常数项。 RSQ：指定输出确定系数。 PROC LOGISTIC过程 CL：指定输出参数估计值的可信区间。 RL：指定输出相对危险度（或比数比）的可信区间。 SELECTION、SLE和SLS：和REG过程步的对应选项一样，用于逐步回归分析。 FREQ：是否使用，取决于数据的输入方法。当x和y变量的观察值被直接输入到SAS数据集时，不需要使用FREQ语句。但是，当x是分类型变量，且x和y变量的观察值不是直接输入到SAS数据集时，而是将x和y变量的频数输入到SAS数据集中时，需要使用FREQ语句。 OUTPUT语句：用来保存指定的分析结果。Out选择项用来给出输出数据集的名字。Pred选择项用来给出一个预测概率的变量名。 条件Logistic回归 医学研究中的配对病例对照研究资料可以用条件Logistic回归模型来分析。条件Logistic回归模型和非条件Logistic回归模型的区别在于参数的估计是否用到了条件概率。所谓的配对病例对照研究指的是在病例对照研究中，对每一个病例配以性别、年龄或其它条件相似的一个（1：1）或几个（1：M）对照，然后分析比较病例组与对照组以往暴露于致病因素的经历。分析配对病例对照研究资料所用的条件Logistic回归模型中参数的估计方法也是采用最大似然估计法，参数和模型的检验方法和非条件Logistic回归模型也一样。 条件Logistic回归的SAS程序 用于条件Logistic回归分析的过程步一般借用生存数据风险回归分析的PHREG过程步。实用PHREG过程步时要注意数据的输入方法和过程步语句的写法。 PHREG过程步的一般格式如下： Proc phreg data= ; Model 因变量*截尾变量=协变量/ ties=risklimits selection= sle= sls details; Strata 分组变量; Run; 条件Logistic回归的SAS程序 MODEL语句：用于指定模型的结构，适用于生存时间有右截尾的情况，且生存时间变量作为模型的因变量，协变量作为模型的自变量。 TIES：用来选择处理生存时间结点的方法，每一种方法使用了不同的公式来计算最大似然值。 RISKLIMITS：指令输出危险比的95％置信区间，供选择的有：backward、forward、stepwise、score。 条件Logistic回归的SAS程序 SLE：指定协变量进入模型的显著水平，缺省值是0.05。 SLS：指定协变量停留在模型中的显著水平，缺省值是0.05。 DETAILS：指令输出逐步回归过程中每一步的详细分析结果。 STRATA：指定用于分组计算的分组变量。如果分组变量的数值不符合分组要求，则在变量后面的括号内列出分组的端点值。 本章小节 Logistic回归分析在医学研究中应用广泛。Logistic 回归分析在流行病学的病因研究中，是分析疾病与危险因素间联系的一种统计方法。在这类研究中，所观察的项目的值，常以二项反应变量取值，即生存与死亡，是否发病，是否接触危险因素等的反应变量y的取值是0或1。 本章小节 Logistic回归模型有条件与非条件之分，前者适用于配对病例对照资料的分析，后者适用于队列研究或非配对的病例-对照研究成组资料的分析。在使用分析流行病学的方法研究疾病病因时，非条件Logistic模型是用于分析队列或病例-对照研究成组资料的统计方法，既可以进行因素筛选，也可以用于混杂因素的控制。SAS系统中采用LOGISTIC过程步分析非条件Logistic回归。 本章小节 在医学研究中经常遇到多