[医药卫生]第十九章 logistic回归.pptVIP

Logistic回归分析 流行病学与卫生统计学教研室 姚 雪 梅 Logistic回归分析 Logistic回归概述 非条件Logistic回归 条件Logistic回归 Logistic回归在医学中的应用 一、Logistic回归概述 医学研究中，分析变量间的相互关系是探索疾病病因的重要途径。 多元线性回归要求应变量为连续性变量 Logistic回归是分析应变量为分类变量的一种常用的多元统计方法。 举例：生存与死亡、感染与未感染、患病与未患病等 一、Logistic回归概述 当应变量为分类变量，能否建立与多个自变量的线性回归模型？ 不满足正态性、线性 以往学习的对分类变量资料进行统计分析有哪些？ 一、Logistic回归概述 Logistic回归分类 按自变量（因素）多少分 单因素Logistic回归 多因素（元）Logistic回归 一、Logistic回归概述 Logistic回归分类 按应变量及设计类型分 二分类Logistic回归 成组设计二分类Logistic回归（非条件Logistic回归） 配对设计二分类Logistic回归（条件二分类Logistic回归） 无序多分类Logistic回归 有序多分类Logistic回归 二、非条件Logistic回归 数据形式 Logistic回归模型的一般形式 回归系数的解释 Logistic回归参数估计 Logistic回归模型及回归系数的假设检验 （一）非条件Logistic回归分析数据形式 （一）非条件Logistic回归分析数据形式 （二）Logistic回归模型的一般形式 以Ｙ表示二分类应变量，Ｙ的量化取值为： Ｙ＝1　表示患病、阳性、死亡 Ｙ＝0　表示未患病、阴性、生存 令　P(Y=1)＝π； P(Y=0)＝1－π 如何建立π与多个自变量Ｘｍ线性关系？ （二）Logistic回归模型的一般形式 对应变量π作Logit变换，则： （二）Logistic回归模型的一般形式 模型形式1: Β0为常数项，βj为偏回归系数（简称回归系数） 可解释各自变量对logit(π)的影响及贡献大小 （二）Logistic回归模型的一般形式 模型形式2: 此形式为概率预测模型，给定自变量的取值时，可估计概率 （二）Logistic回归模型的一般形式 例19-1： （三）回归系数的解释 在医学研究中， logit(π)有其特殊涵义，使得对回归系数βj的解释更具有实际意义，使Logistic回归模型应用广泛。 （五）回归系数的解释 举例说明：单因素Logistic回归 （三）回归系数的解释 优势（比值） odds 出现某种结果的概率与不出现某种结果的概率之比。即odds= π/（1- π） 优势比（比值比）odds ratio OR OR为两个优势之比。当疾病的发病率较低时(10％)， OR近似等于RR,可用来描述危险因素与疾病的关联性。 OR1 　危险因素 OR＝1　对疾病无作用 OR1 　保护因素 （三）回归系数的解释 举例说明：多因素Logistic回归 （三）回归系数的解释 回归系数βj的统计学意义 固定其他自变量时（其他自变量保持不变时），自变量Xj 改变一个单位得到的比值比的自然对数 ORj=exp(βj)　也称调整比值比。它表示扣除其他自变量影响后， Xj 的作用。 βj 0时， ORj 1 ,　危险因素 βj ＝0时， ORj ＝1 ,无作用 βj 0时， ORj 1 ,　保护因素 （三）回归系数的解释 OR的解释OR=exp(β),与自变量的编码关系密切 当自变量为二分类变量时，编码为0-1或1-2 注意：对应变量Ｙ＝１的影响大的自变量的水平，编码也大。 举例：例19-1的X2、X3 分别作单因素Logistic回归 （三）回归系数的解释 OR的解释OR=exp(β),与自变量的编码关系密切 当自变量为连续型变量时，不需编码 表示自变量X每增加一个单位得到的比值比的自然对数 例如：前列腺癌患者淋巴组织有无转移与年龄（Ｘ）回归模型 实际工作中，常把连续型变量→等级资料来解释。例19-2 （三）回归系数的解释 OR的解释OR=exp(β),与自变量的编码关系密切 当自变量为有序分类变量时，一般按等级对疾病影响的顺序由大到小编码。（各等级对应变量的影响是线性变化的） 举例：361页例19-3 例：淋巴结有无转移与某恶性肿瘤分级Ⅰ、Ⅱ、Ⅲ、Ⅳ的回归模型，表示肿瘤分级每增加一个等级，淋巴结转移危险性增加1.69倍。 （三）回归系数的解释 OR的解释OR=exp(β),与自变量的编码关系密切 当自变量为无序分类变量时，常用哑变量（假变量）编码；无序分类变量的水平数（分类数）为ｎ，需产生ｎ-1个哑变量。