统计学--Logistic_回归模型.pdf

Logistic 回归模型 赵耐青 复旦大学公共卫生学院 1 数据分析的背景 • 计量资料单因素统计分析 – 对于两组计量资料的比较，一般采用t检 验或秩和检验。 – 对于两个变量的相关分析采用Pearson相 关分析或Spearman相关分析 • 考虑多因素的影响，对于应变量(反应变量) 为计量资料，一般可以考虑应用多重线性 回归模型进行多因素分析。 2 数据分析的背景 • 单因素的分类资料统计分析，一般采用 Pearson 2进行统计检验，用Odds Ratio 及其95%可信区间评价关联程度。 • 考虑多因素的影响，对于反应变量为分 类变量时，用线性回归模型P=a+bx就不 合适了，应选用Logistic回归模型进行统 计分析。 3 Logistic回归模型 • 按研究设计分类 – 非配对设计：非条件Logistic回归模型 – 配对的病例对照：条件Logistic回归模型 • 按反应变量分类 – 二分类Logistic回归模型(常用) – 多分类无序Logistic回归模型 – 多分类有序Logistic回归模型 4 基础知识 • 通过下例引入和复习相关概念 • 例如：研究患某疾病与饮酒的关联性 饮酒 不饮酒 合计 (X=1) (X=0) 患病(y=1) a b n1 未患病(y=0) c d n2 合计 m1 m2 N • 患病率 P =a/m P =b/m 1 1 2 2 5 基础知识 P • Odds （优势） Odds 1P P (P 1) 1 1 Odds 1 1P 1P 1P P越大,则Odds越大；P越小,则Odds越小 并且 0Odds+