医学统计学logistic回归7教材课程.pptVIP

data ex15_2; input y x1 x2 f@@; cards; 0 0 0 19 1 0 0 4 2 0 0 2 0 1 0 9 1 1 0 8 2 1 0 6 0 0 1 21 1 0 1 3 2 0 1 2 0 1 1 10 1 1 1 10 2 1 1 5 ; proc logistic descending ; model y=x1 x2 /stb scale=none aggregate lackfit ; freq f; run; Analysis of Maximum Likelihood Estimates Standard Standardized Parameter DF Estimate Error Chi-Square Pr ChiSq Estimate Intercept 1 -2.6678 0.4656 32.8253 .0001 Intercept2 1 -1.1709 0.3929 8.8791 0.0029 x1 1 1.6430 0.4380 14.0708 0.0002 0.4550 x2 1 -0.1903 0.4189 0.2063 0.6496 -0.0527 Odds Ratio Estimates Point 95% Wald Effect Estimate Confidence Limits x1 5.171 2.191 12.201 x2 0.827 0.364 1.879 卫生统计学 统计学 第十五章 多因素对某定性指标 的影响分析 第一节 Logistic回归分析 一、基本概念 应变量是分类变量 1 出现阳性结果（发病、有效、死亡等） Y = 0 出现阴性结果（未发病、无效、存活等） P:Y=1的率 P/(1-P)称优势（比数） Logistic 回归的特点 1、Logistic 回归方程中，各自变量Xi变化范围可以从 - ? 到 + ? ，Xi 可以是定量指标、等级指标或定性指标（需经数量化），而应变量P的变化范围为0到1。 Z→∞时，P值渐近于1 Z→-∞时，P值渐近于0 2、Logistic 回归系数和流行病学中反映各危险因素对疾病作用大小的优势比有直接的联系，并把单因素两水平下的优势比的定义扩展到多因素任意取值。 第一节 Logistic回归分析 设在一组自变量取值X0 下，某病发病的概率为P0 ，而在另外一组取值X1  下，某病发病的概率为P1 变量Xi 由 改变为 而固定其它自 变量取值时，有 ORi = exp[? i( ─ )] ORi 1,高水平（数据大）率大 特别当 ─ = 1 时， （Xi =1为暴露， Xi =0为非暴露） ORi = exp ?i 3、对于流行病学两类调查研究方法? 前瞻性的队列研究和回顾性的病例对 照研究，所建立的Logistic 回归方 程，除常数项不同外，其它各回归系 数均相同。 第一节 Logistic回归分析 二、Logistic 回归模型的配合 1.应变量为二分类的Logistic 回归模型 参数估计采用最大似然函数估计法（maximum likelihood estimate），即根据n例实际观测数据建立一个样本的似然函数： 第一节 Logistic回归分析 Pi:i例暴露条件下阳性率，Yi=1阳性，Yi=0 阴性。若某对象阳性， 用迭代方法使以下目标函数达极大值,估计出