(精选)卫生统计学：Logistic回归分析课件.pptVIP

第十五章 第二节 Logistic回归分析;一、前言;多重线性回归难以解决的问题;解决方法;Logistic回归分析解决的问题;设:暴露组 发生率 p1 /未发生率(1-p1) 对照组 发生率 p0 /未发生率(1-p0) p表示暴露因素X时个体发病的概率，则发病的概率 与未发病的概率 1- p之比称为优势（odds）. 暴露组 odds p1 / (1-p1) 对照组 odds p0 / (1-p0) ;Logit变换 也称对数单位转换 logit P= 病例组 与对照组 的 优势比 （odds retio ,OR） ;Logistic回归分析模型; Logistic回归模型是一种概率模型, 它是以疾病,死亡等结果发生的概率为因变量, 影响疾病发生的因素为自变量建立回归模型。 它特别适用于因变量为二项, 多项分类的资料。 在临床医学中多用于鉴别诊断, 评价治疗措施的好坏及分析与疾病预后有关的因素等。 ;Logistic回归分析模型;三、参数估计;logistic 回归系数的意义;;;;;Logistic回归中的常数项（b0）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回归系数（ bi ）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。;实例分析;实例分析;四、参数检验;比分检验（score test） 　 以未包含某个或几个变量的模型计算保留模型中参数的估计值，并假设新增参数为零，计算似然函数的一价偏导数及信息距阵，两者相乘便得比分检验的统计量S 。n 较大时， S近似服从自由度为待检因素个数的?２分布。;Wald检验（ wald test） 　即广义的t检验，统计量为u 　 u服从正态分布，即为标准正态离差。 　; 以上三种方法中，似然比检验最可靠，比分检验一般与它相一致，但两者计算量均较大；而Wald检验未考虑各因素间的综合作用，在因素间有共线性存在时,结果不像其它两者可靠。;分析因素xi为等级变量时，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， e(bi) 表示xi增加一个等级时的优势比， e(k* bi)表示xi增加k个等级时的优势比。 分析因素xi为连续性变量时， e(bi)表示xi增加一个计量单位时的优??比。;六、 Logistic回归分析方法; 为计算方便，通常向前选取变量用似然比或比分检验，而向后剔除变量常用Wald检验。 ;七、条件Logistic回归;假设自变量在各配比组对结果变量的作用相同，即自变量的回归系数与配比组无关。 配比设计的Logistic回归模型 不含常数项。 ; 可见非条件Logistic回归模型与回归模型十分相似，只不过其参数估计是根据条件概率得到的，因此称为条件Logistic回归模型。 条件Logistic回归模型的回归系数检验与解释同非条件Logistic回归。;八、 Logistic回归的应用;十、应用中应注意的问题;（二）变量的数量化;变量的编码;（三）哑变量的设置和引入;哑变量的设置;教育程度;（四）其他问题;谢谢！