logisti回归及其分析攻略.pptxVIP

Logistic回归分析攻略;什么是logistic回归;什么是Logistic回归;什么是Logistic回归;什么是Logistic回归;什么是Logistic回归;结局y;logistic回归参数估计;logistic回归参数估计;logistic回归参数估计;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;logistic回归分析思路;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;Logistic回归的SAS过程;logistic回归中的混杂因素;logistic回归中的混杂因素;logistic回归中的混杂因素;logistic回归中的混杂因素;logistic回归中的混杂因素;logistic回归中的混杂因素;交互作用与混杂因素的区别;logistic回归中的交互作用;logistic回归中的交互作用;logistic回归中的交互作用;logistic回归中的交互作用;logistic回归中的交互作用;logistic回归中的交互作用;logistic回归中的交互作用;logistic回归案例分析;logistic回归案例分析;logistic回归案例分析; 图1 妊娠次数和流产次数与logit P的关系;logistic回归案例分析;logistic回归案例分析;logistic回归案例分析;logistic回归案例分析;多因素分析结果：;多因素分析小结： 为什么rs变得无统计学意义了？ 相关分析结果显示，妊娠次数与流产次数具有较强的相关性（r=0.55，P0.001）。 ;多因素分析小结： 可以设想，妊娠次数对乳腺增生可能并无影响或影响很小，单因素中的影响可能主要是通过流产次数这一因素起作用的，当多因素分析中校正了流产次数的影响后，妊娠次数的影响变得无统计学意义。 将妊娠次数这一变量去掉，重新拟合方程。 ;logistic回归案例分析;模型中所有变量均有统计学意义。 与???rs变量的模型相比，AIC和SC均降低，似然比差别很小。 说明去掉rs后模型更优 含rs模型 不含rs模型;模型的拟合优度评价： P值小于0.05，提示拟合不充分 指标值距离1较远，提示可能有过离散现象存在，意味着可能结果存在假阳性 ;模型诊断： proc logistic desc; model y=chage lc mr/aggregate scale=none influence; run; ;模型诊断图（部分）：并无明显的异常点;进一步考虑是否可能存在交互效应： 考虑母乳喂养与初产年龄的交互作用 proc logistic desc; model y=chage lc mr chage*mr/aggregate scale=none; run;;初产年龄与母乳喂养可能存在一定的交互效应 为什么mr和chage变得无统计学意义？ 一旦模型中加入交互项，变量便不再反映主效应，而是单独效应。此时mr反映的是chage=0时的效应，同样，chage反映的是mr=0时的效应。;交互项的进一步解释： 对于母乳喂养的人（mr=0），初产年龄=25与初产年龄25岁的人相比，其效应（参数估计值）为0.2717。 对于非母乳喂养的人（mr=1），初产年龄=25与初产年龄25岁的人相比，其效应（参数估计值）为0.2717+1.4587=1.7304。 ;如果想详细了解mr和chage两个变量组合的效应，可将这两个变量组合，即（chage=0，mr=0）、（chage=0，mr=1）、（chage=1，mr=0）、（chage=1，mr=1）四类。 将该四分类变量做成虚拟变量，本例，初产年龄小、母乳喂养风险相对较低，