SAS软件应用之多元线性回归与相关PPT.ppt

第10章 多元线性回归与相关;学习目标;多元线性回归与相关的基础理论;多元线性回归 ;回归变量的选择与逐步回归 ;回归变量的选择与逐步回归;回归变量的选择与逐步回归;回归变量的选择与逐步回归;回归变量的选择与逐步回归;回归变量的选择与逐步回归;多重共线性 ;多重共线性;多重共线性;多重共线性检验;直观的判断方法;方差扩大因子法(VIF) ;特征根判定法;多重共线性的处理方法 ;多重共线性的处理方法;多重共线性的处理方法;多重共线性的处理方法;复相关系数与偏相关系数 ;复相关系数;偏向关系数;偏向关系数;偏向关系数;多元相关分析与多元回归分析的区别;多元相关分析与多元回归分析的区别;本章小节 ;本章小节;本章小节;;第11章 Logistic回归分析;学习目标;概述;非条件Logistic回归 ;非条件Logistic回归;非条件Logistic回归;非条件Logistic回归;问题的提出 ;;;;;;不同年龄组内服用避孕药的比例;Mantel-Haenszel分层分析法 按年龄分层,可以得到下表: ————————————————————————————————— 〈40岁 ≥40岁 ———————————— ———————————— MI 非MI 合计 MI 非MI 合计 ————————————————————————————————— 服OC 21 17 38 18 7 25 未服OC 26 59 85 88 95 183 ——————————————————————————— 合计 47 76 123 106 102 208 ————————————————————————— OR(1) = 2.803 ?2 (1)= 6.77 OR(2) = 2.776 ?2 (2)= 5.03 ; 分层分析中，可以分别计算出分层后的各层OR值，如果发现与总的OR有较大的差异，则可以认为该风层因素是混杂因素。必须对该因素进行MH调整，调整后的OR值才能真正反映因素和结局间的关系。 如果当分层后各层的OR值经过一致性检验发现：各层间的OR值有统计学差异，这时说明分析因素在分层因素的不同水平上与结局变量的联系强度是不同的，这时分层因素和研究因素存在这交互作用（效应修饰作用）。这时应该分层报告OR值，而不能计算调整OR值。 ;分层分析的局限性;二、Logistic 回归原理; Logistic 模型中系数的意义： 回归系数的流行病学意义是：在其它自变量都不变的条件下，当因素X变化一个测量单位时所引起的OR值自然对数的改变量。 ;三、Logistic 回归和OR值间的关系;假设建立了如下的logistic回归方程： Logit P = α + βx x 为二分变量，当暴露时，取值为1； 不暴露时，取值为0。 所以暴露时, Logit(P1) = α + β， 比值(odds) = exp(α + β ) 所以不暴露时, Logit(P0) = α ， 比值(odds) = exp(α) 则，暴露对于不暴露的比值比(odds ratio)为： OR = exp(α + β ) / exp(α) = exp(β);举例2 使用雌激素与子宫内膜癌病例对照研究 （病例对照，曾光《现代流行病学方法与应用》，P76） 以一个最简单的Logistic回归模型做为例子。 —————————————————————————— 使用过 未使用过 合计 —————————————————————————— 病例 55 128 183 对照 19 164 183 —————————————————————— 合计 74 293 366 —————————————————————————— 建立的logistic 回归方程形式为： Logit P = -0.2478 + 1.3107 x X取值：1 使用过雌激素 0 未使用过雌激素 ;使用过雌激素的Logit 为： Logit P(x=1) = -0.2478 + 1.3107 = 1.063 即：Ln (p1/q1) = 1.063 所以，使用过雌激素的比值（odds) 为： p1/q1 = exp(1.063) =2.895 未使用过雌激素的Logit 为： Logit P(x=0)