logistic回归模型应变量Y是一个二值变量取值为自变量X1.PPTVIP

logistic回归的应用 分析药物和毒物的剂量反应 计算半数效量（如ED50）； 考察不同药物的交互作用。 预测和判别 根据个体的特征，判断个体发生某事件的概率； 判断个体属于的类型。 logistic回归应用的注意事项 变量取值形式 事件变量的取值：一般发生为1，未发生为0，如果发生为0，未发生为1，则模型中回归系数绝对值不变，但符号相反。 自变量可以是二分类变量、有序变量、多分类变量、连续变量。 logistic回归应用的注意事项 连续变量一般需转换为等级变量，否则实际意义不大。 如年龄每增加1岁的优势比。 等级变量取值 认为变化每个等级的优势比相近，则取秩 认为变化每个等级的优势比不同，则应转换为哑变量分析。 logistic回归应用的注意事项 多分类变量只能转换为哑变量处理。 哑变量的设置和结果解释 哑变量的个数为n－1（n为取值个数）； 哑变量的优势比表示自变量的某个取值与对照取值的优势比； 等级变量转换为哑变量后，还可以分析多个等级之间的优势比，公式为exp(bi-bj)。 logistic回归应用的注意事项 样本含量 样本例数与影响因素的个数相关； 一般要求样本含量为影响因素个数的10以上； 配对资料样本的匹配组数应为影响因素个数的20倍以上。 logistic回归应用的注意事项 模型评价 对模型中的每个自变量进行检验(验证)； 对所建立的回归方程做拟合优度检验(探索)。 拟合优度检验的统计量 偏差（deviance，D）和Pearson ?2 P＞α,认为拟合效果好；P≤α，则效果不好。 logistic回归分析 卫生统计学教研室 陆健 副教授 * 表1 吸烟、饮酒与食管癌关系的病例对照调查资料 分层 吸烟 饮酒 阳性例数 阴性例数 观察例数 1 否 否 63 136 199 2 否 是 63 107 170 3 是 否 44 57 101 4 是 是 265 151 416 表1 吸烟、饮酒与食管癌关系的病例对照调查资料（收集资料的形式） 调查对象序号 吸烟 饮酒 食管癌 1 1 0 1 2 0 0 0 …… …… …… …… 875 1 1 1 876 0 1 0 分类资料的影响因素分析方法 如果采用线性回归分析，应变量不满足条件，预测值会超出0和1的范围。 如果采用单变量的?2检验，则必然忽略其他自变量对应变量的影响。 如果采用Mantel-Haenszel分层分析，需要较大的样本量，而且自变量不能太多。 logistic回归能较好地解决上述问题。 logistic回归模型 应变量Y是一个二值变量，取值为 自变量X1，X2，……，Xm。 P表示在m个自变量作用下事件发生的概率。 logistic回归模型 logistic回归模型 P Z logit变换 事件发生概率与未发生概率之比的自然对数，称为P的logit变换，记作logit(P)。 概率P的取值范围在0～1之间，而logit(P)取值是没有界限的。 logit变换 回归模型中参数的意义 ?0（常数项）：所有影响因素均为 0 时（记作X=0），个体发生事件概率与不发生事件的概率之比的自然对数值。 ?j 的含义：某因素因素 Xj 改变一个单位时，个体发生事件概率与不发生事件的概率之比的自然对数变化值。 优势比（odds ratio，OR） 优势（odds）是指某影响因素控制在某种水平时，事件发生率与事件不发生率的比值，即P/(1-P)。 某影响因素的两个不同水平的优势的比值称为优势比，如某影响因素的一个水平为c1，另一个水平为c0，则这两个水平的优势比为： 优势比（odds ratio，OR） OR表示影响因素对事件发生的影响方向和影响能力大小。 OR1表示该因素取值越大，事件发生的概率越大，又称危险因素。 OR1表示该因素取值越大，事件发生的概率越小，又称保护因素。 OR=1表示该因素与事件的发生无关。 优势比（odds ratio，OR） 结果 吸烟 不吸烟 合计 食管癌患者 309(a) 126(b) 435 非食管癌患者 208(c) 243(d) 451 合计 517(a+c) 369(b+d) 886 吸烟与食管癌关系的病例对照调查结果 优势比（odds ratio，OR） OR与? 的关系 ? = 0，OR = 1，影响因素与事件的发生无关。 ? 0，OR 1，影响因素的取值越大，事件的发生的概率越大。 ? 0，OR 1，影响因素的取值越大，事件的发生的概率越小。 logistic回归模型的参数估计 通常采用最大似然估计（maximum likeli-hood estimate，