统计学-logistic回归的模板.pptVIP

六章回归分析 回归为概率型非线性回归模型，是研究分类观察结果()与一些影响因素()之间关系的一种多变量分析方法  问题提出： 医学研究中常研究某因素存在条件下某结果是否发生？以及之间的关系如何？ 因素（） 疾病结果（） ，，… 发生 不发生 例：暴露因素 冠心病结果 高血压史()：有 或无 有 或 无 高血脂史()： 有 或 无 吸烟()： 有或无 研究问题可否用多元线性回归方法？ .多元线性回归方法要求 的取值为计量的连续性随机变量。 .多元线性回归方程要求与间关系为线性关系。 .多元线性回归结果 不能回答“发生与否” 回归方法补充多元线性回归的不足 回归方法 该法研究是 当 取某值（如）发生的概率（）与某暴露因素（）的关系。 （概率）的取值波动～范围。 基本原理：用一组观察数据拟合模型，揭示若干个与一个因变量取值的关系，反映 对的依存关系。 一、基本概念 .变量的取值 回归要求应变量（）取值为分类变量（两分类或多个分类） 自变量（）称为危险因素或暴露因素，可为连续变量、等级变量、分类变量。 可有个自变量， ，… .两值因变量的回归模型方程 一个自变量与关系的回归模型 如：：发生,未发生 有无， 记为（）表示某暴露因素状态下，结果的概率（）模型。 或 模型描述了应变量与的关系 概率 值 图 回归函数的几何图形 Β为正值，越大，结果发生的可能性（）越大。 几个回归模型方程 回归模型方程的线性表达 对回归模型的概率（）做变换， 截距（常数） 回归系数 ～（∞至∞） 线性关系 方程如下： 在有多个危险因素（）时 多个变量的回归模型方程的线性表达： 或 .模型中参数的意义 Β（常数项）：暴露因素时，个体发病概率与不发病概率之比的自然对数比值。 的含义：某危险因素，暴露水平变化时，即与相比，发生某结果（如发病）优势比的对数值。 （）的概率 （）的概率 危险因素 发病 （） （ ） 不发病 （） （） 危险因素 发病 不发病 有暴露因素人群中发病的比例 反映了在其他变量固定后，与相比发生事件的对数优势比。 回归系数β与 与的关联 β，， 无关 β＞，＞ ， 有关，危险因素 β＜，＜， 有关，保护因子 事件发生率很小，≈。 多元回归模型的的 概念 二、 回归模型 回归的分类 二分类 多分类 条件回归 非条件回归 变换 也称对数单位转换 流行病学概念： 　设表示暴露因素时个体发病的概率，则发病的概率与未发病的概率 之比为优势（）， 就是的对数值。 回归模型 　 回归的模型 　回归模型 三、参数估计 最大似然估计法 （ ） 　似然函数：∏ 对数似然函数： ∑( ) … 非线性迭代方法—— 　　法 四、参数检验 似然比检验（ ） 　 通过比较包含与不包含某一个或几个待检验观察因素的两个模型的对数似然函数变化来进行，其统计量为 （又称）。 ( ) 样本量较大时， 近似服从自由度为待检验因素个数的２分布。 比分检