医学统计学 第十三章 logistic回归分析.ppt

例13-2 某医院在研究某种药物治疗骨折效果时，收集了516例病例资料，对每一患者采用相同的标准按照“好、差”做疗效评价。在评价时需要同时考虑骨折的类型、是否手术、是否服药和治疗时间4个因素对结果的影响。数据资料见表13-4和表13-6，试作logistic逐步回归分析。 因素 变量名 编码说明 骨折类型 X1 闭合=0， 开放=1 治疗方法 X2 非手术=0， 手术=1 服药情况 X3 未服药=0， 服药=1 治疗周数 X4 1~=1，11~=2，21~=3 疗效评价 Y 差=0，好=1 表13-4　 骨折治疗效果的4个可能影响因素与编码说明 表13-5 治疗周数的哑变量赋值 水平 哑变量 X4-1 X4-2 1 0 0 2 1 0 3 0 1 表13-6 骨折治疗效果评价研究资料 分层 X1 X2 X3 X4 阳性数 阴性数 观察例数 1 0 0 0 1 0 18 18 2 0 0 0 2 2 15 17 3 0 0 0 3 7 3 10 4 0 0 1 1 10 68 78 ┇ ┇ ┇ ┇ ┇ ┇ ┇ ┇ 24 1 1 1 3 6 0 6 SPSS向前选择法筛选自变量结果 表13-7 例13-2的logistic回归模型自变量筛选结果 模型 因素 回归系数 标准误 Wald χ2 P值 OR值 OR值95%可信区间 X b Sb 下限 上限 第1步 常数项 -2.528 0.238 112.433 0.001 0.080 治疗11周 2.149 0.289 55.267 0.001 8.578 4.867 15.117 治疗21周 3.299 0.323 104.602 0.001 27.073 14.388 50.940 第2步 常数项 -4.647 0.422 121.502 0.001 0.010 服药情况 2.309 0.355 42.174 0.001 10.060 5.012 20.192 治疗11周 2.684 0.310 74.842 0.001 14.638 7.970 26.887 治疗21周 4.761 0.444 114.981 0.001 116.863 48.949 279.006 一、条件logistic回归的原理 条件logistic回归（conditional logistic regression）是针对配对或分层资料的一种分析方法。在这类资料中，每一个病例配以条件相似的一个（1:1）或几个（1:M，通常M ≤3）对照，形成一个匹配组（层），称为1:1配对或1:M配对。 第二节 条件logistic回归 有n个病例，每个病例配以条件相似的M个对设照，共形成n个匹配组，数据格式如表13-8所示。 表13-8 1:M 条件logistic回归数据的格式 匹配组号 组内编号* 反应变量 危险因素 i t Y X1 X2 … Xk 1 0 1 X101 X 102 … X 10k 1 0 X 111 X 112 … X 11 k 2 0 X 121 X 122 … X 12k ? ? ? ? ? ? M 0 X iM1 X iM2 … X iMk ? ? ? ? ? ? ? n 0 1 Xn01 X n02 … X n0k 1 0 X n11 X n12 … X n1 k 2 0 Xn21 X n22 … X n2k ? ? ? ? ? ? M 0 XnM1 XnM2 … X nMk 用Pi表示第i层在一组危险因素作用下发病的概率, 条件 logistic 模型可表示为 与非条件logistic 回归模型不同之处在常数项上，不同匹配组的β0i 可以各不相同，但内在假定了每个危险因素的致病能力在不同匹配组中相同。 i= 1,2,…,n Conditional logistic regression 考虑第i个匹配组中的 个观察对象有1名病例的条件下，恰好第一个观察对象属于病例组的条件概率为 Conditional logistic regression 综合n个匹配组的条件似然函数为 可以看出，条件logistic 回归分析只估计了表示危险因素作用的βj值，表示匹配组效应的常数项βi0则被自动地消去了。 Conditional logistic regression 对上述条件似然函数L取自然对数后，用非线性迭代法求出参数的估计值bi及其标准误Sbi。回归系数的假设检验及分析方法与非条件logistic回归完全相同。 Conditional logistic regression 例13-3 上海某大学研究人员做了胃癌1:1配对设计的病例-对照研究，本例节录了