18 logistic 回归PPT.ppt

18 logistic 回归分析;多重线性回归，可用于筛选影响因素，校正混杂效应，进行疾病预测等，但其前提条件，要求因变量Y是连续定量变量，自变量与因变量间具有线性关系,并要求呈正态分布。 生物医学研究领域的诸多因变量（结局指标，或称效应指标）通常是分类变量，例如，“生存或死亡”，“发病与不发病”等，并且影响因素（自变量）与其联系，更多的是非线性关系,不满足正态分布条件 。 ;例1 为了探讨冠心病发生的有关危险因素，对26例冠心病病人和28例对照者进行病例?对照研究，各因素的说明及资料见表1和表2，试筛选危险因素。;表2 冠心病危险因素病例?对照调查资料;;18.1　单自变量logistic回归;;;;18.1.2 logit变换与单自变量logistic方程; 以Y（取值0或1）为因变量的logistic回归概率模型，一般简称为二分类logistic回归模型。 ;18.1.3　参数估计与回归系数的解释;2×2纵向资料 ;“服用与不服用非甾体抗炎药的对象发生上消化道出血症状的概率是否相等”，进一步归结为检验假设： : ＝0是否成立。经参数估计， b0＝-6.140，b1 ＝0.426，logistic回归方程为 常数项b0是未服用该药品人群“发生出血症状”优势估计值的自然对数； 自变量回归系数 b1是优势比估计值的自然对数。 ;估计未服用该药品人群“发生出血症状”的优势为 Odds＝exp(b0)＝0.0022； 样本优势比 ＝ exp(b1) ＝1.5306。 总体的95%置信区间估计公式为 （18-5）;2×2横断面资料(例18-2）;;欲了解吸烟与性别的关系，将表18-2数据汇总，男性居民4 847人，其中吸烟者2 229人；女性居民4 777人，吸烟者136人，见表18-3。 回归参数估计值 ， ，男性吸烟优势比 ，OR的95%置信区间为24.991～35.788，logistic回归方程为;2×2病例对照资料;;病例对照资料logistic回归中，常数项b0的含义仅代表现有特定样本集合中，没有雌激素暴露史的妇女“发生子宫内膜癌”优势的对数，一般不等于实际总体中没有服用雌激素妇女人群“发生子宫内膜癌”优势的对数值。 根据回顾性病例对照资料建立的logistic回归方程一般不能直接用于预测。 ;连续型定量资???;有序分类自变量的回归;回归系数检验 ; 18.2 多自变量logistic回归;若令: ;图16-1 logistic函数的图形;模 型 参 数 的 意 义; 流行病学衡量危险因素作用大小的比数比例指标。计算公式为：;与 logisticP 的关系：;; logistic回归模型的参数估计 ; 2. 优势比估计 可反映某一因素两个不同水平（c1，c0）的优势比。;例 表3是一个研究吸烟、饮酒与食道癌关系的病例－对照资料，试作logistic回归分析。 ;表3 吸烟与食道癌关系的病例－对照调查资料 ;经logistic回归计算后得:;方法：前进法、后退法和逐步法。检验统计量：不是 F 统计量，而是似然比统计量、  Wald 统计量和计分统计量之一。;表1 冠心病8个可能的危险因素与赋值 ;表2 冠心病危险因素的病例?对照调查资料 ; 表4 例1进入方程中的自变量及有关参数的估计值 ;;例2 在研究医院抢救急性心肌梗塞(AMI)患者能否成功的危险因素调查中，某医院收集了5年中该院所有的AMI患者的抢救病史共200例(表19-1)。 其中P=0表示抢救成功，P=1表示抢救未能成功而死亡；X1=1表示抢救前已发生休克，X1=0表示抢救前未发生过休克； X2=1表示抢救前发生心衰，X2=0表示抢救前未发生心衰； X3=1表示患者从开始AMI症状到抢救时已超过12小时(即未能及时把患者送往医院)，X3=0表示患者从有AMI症状到抢救时未超过12小时。 ;;;;建立的logistic模型可用于预测;一、原理 ;表1 1: M 条件logistic回归数据的格式 ;;;;;一、logistic回归的应用 1．流行病学危险因素分析 logistic回归分析的特点之一是参数意义清楚，即得到某一因素的回归系数后，可以很快估计出这一因素在不同水平下的优势比或近似相对危险度，因此非常适合于流行病学研究。logistic回归既适合于队列研究(cohort stud