logistic回归、probit回归与poission回归精编版.pptVIP

1.疾病（某结果）的危险因素分析和筛选 用回归模型中的回归系数（βi）和OR说明危险因素与疾病的关系。 适用的资料： 前瞻性研究设计、病例对照研究设计、 横断面研究设计的资料。 三类研究计算的logistic 回归模型的β意义是一致。仅常数项不同。（证明略） logistic回归的应用 2.校正混杂因素，对疗效做评价 在临床研究和疗效的评价，组间某些因素构 成不一致干扰疗效分析，通过该法可控制非处 理因素，正确评价疗效。 3.预测与判别 预测个体在某因素存在条件下，发生某事件 （发病）的概率，为进一步治疗提供依据。 问题3 如同logistic回归，probit分析依赖于将二分因变量上的回 归转化成连续因变量上的回归。给定经历某事件或者具有某 特点的概率，预测的probit变成了一个由一个或者多个自变 量所决定的线性方程的因变量： Z代表了利用累积标准正态分布将概率转为z分数的非线性转 化。通过用一个线性方程来预测z分数，probit分析暗含了一 个与概率的非线性关系，与曲线的极限比，因变量在接近曲线中点时对概率有更大的影响。 在logistic回归中我们可以利用简单的公式来总结将概率变成比数对数的转化以及比数对数变成概率的转化。对于probit分析，标准正态分布曲线的