北京大学医学部医学统计学进阶1第3讲 logistic回归PPT.ppt

八、 Logistic回归的应用 危险/保护因素的筛选，并确定其作用大小。 预测：预测某种情况下或者某个病例，某特定事件发生的概率。 九、注意事项 应用条件 1. 各观察对象间相互独立； 2. logit P与自变量呈线性关系。 变量的取值形式：变量采取不同的取值形式，参数的含义、量值及符号都可能发生变化。 二分类变量：0、1（连续性变量或哑变量） 多分类无序变量：哑变量 多分类有序(等级)变量：连续性变量或哑变量 连续性变量：转换为分类变量较易解释OR值的意义。 样本量：一般不小于200例，配对资料对子数n大于等于变量的20倍，否则回归系数的估计是有偏性的。 不应单纯依赖程序筛选变量，要注意变量的医学意义。 多元线性回归分析与Logistic回归分析都是实际工作中常用的方法，用于影响因素分析时，多元线性回归的因变量是连续变量，而Logistic回归的因变量是分类变量；两种方法的自变量均可为连续变量或分类变量，当为多分类变量时，均需设相应的哑变量。 例：比较新疗法与旧疗法治疗某种疾病的疗效。现对40例患者随机分组，分别接受新疗法和旧疗法治疗。根据专业知识，患者的病情严重程度、年龄对疗效也有影响。如何评价新旧疗法的疗效（见数据文件logistic.sav）？（注：作为举例，本例样本量仅为40例，由于样本量太小，Logistic回归的结论仅作为参考） 十、 实例 变量说明：Y：治愈情况，1=治愈；0=未治愈；；X1：病情严重程度，0=不严重，1=严重；X2：年龄。X3：治疗方法，0=新疗法，1=旧疗法。 二值 Logistic回归 因变量 协变量(自变量) 后退法筛选变量 OR的95%置信区间 拟合分类表 对模型的检验 * Logistic回归分析 北京大学公共卫生学院 王海俊 副教授 Logistic Regression 什么是适宜的统计方法？ 1、与研究目的有关 2、与资料类型有关 当研究目的为建立某病发生概率与自变量关系的统计模型时，是否可用线性回归模型？为什么？P 某事件发生的概率X 可能与该事件发生有关的因素 P= α + ?1X1 + β2X2+ β3X3 + … +βmXm 一、 Logistic回归模型 Logistic回归是描述一些自变量X和一个分类变量之间关系的数学模型。 应变量：二分类变量，若令应变量为y，则常用y＝1表示“发病”，y＝0表示“不发病”（在病例对照研究中，分别表示病例组和对照组）。 自变量：可以为分类变量，也可以为连续变量。 与线性回归分析的主要区别： 应变量为连续计量资料 Logistic回归的分类 二分类 多分类 条件Logistic回归 非条件Logistic回归 Logistic function Z = α + ?1X1 + β2X2+ β3X3 + … +βmXm Logistic function f(z) 取值 0-1，可描述/预测概率，Logistic 模型是概率模型 Logistic function f(z) 呈S-形曲线，符合流行病学对危险因素与疾病风险关系的认识 Logistic回归模型特点 Logit变换（也称对数单位转换） logit P= = P=P(y=1|x)，为发病概率； 1-P=P(y=0|x)，为不发病概率。 二、参数估计 最大似然估计法（Maximum likehood estimate） 　似然函数：L= ? P(y=1|x) P(y=0|x) 对数似然函数： lnL=∑(ln P)=ln P1+ln P2+…+ln Pn 非线性迭代方法——Newton-Raphson法 通过迭代法估计一组参数（?0， ?1 ， ?2 ….. ?m）使L达到最大。 三、回归系数的意义 单纯从数学上讲，与多元线性回归分析中回归系数的解释并无不同，亦即βi表示xi改变一个单位时， logit P的平均变化量。 流行病学一些概念： 　设P表示暴露因素X时个体发病的概率，则发病的概率P与未发病的概率1-P 之比为优势或比值（odds）， logit P就是odds的对数值。 比值　　　 Odds=P/(1-P) 比值比　　　OR=[P１/(1-P１)]/[P0/(1-P0)] 比值比 Odds Ratio Odds=P/(1-P) 暴露组： P1=a/(a+b), 1-P1= b/(a+