医学北京大学医学部医学统计学进阶1logistic回归.pptVIP

什么是适宜的统计方法? 1、与研究目的有关 2、与资料类型有关  当研究目的为建立某病发生概率与 自变量关系的统计模型时,是否可 用线性回归模型?为什么? P某事件发生的概率 Ⅹ可能与该事件发生有关的因素 P=a+B1X1+阝2x2+B3x3+…+BnXm  Logistic回归模型 Logistic回归是描述一些自变量X和一个分 类变量之间关系的数学模型。 应变量:二分类变量,若令应变量为y,则常 用 y=1表示“发病”,y=0表示“不发病”(在 病例对照研究中,分别表示病例组和对照组)。 自变量:可以为分类变量,也可以为连续变量。 与线性回归分析的主要区别: 应变量为连续计量资料  Logistic回归的分类 二分类 多分类 条件 Logistic回归 非条件 Logistic回归  ■ Logistic回归模型 (B0+B1X|+B2X2+…+mXm) P 1+e(o+BiXi+B2X2-++BinuXm) PPy=1x),为发病概率; 尻为常数项,B1,2……Bm分别为m个自变量的 回归系数  Logistic function S-sha f(x)= 1+e Z=a+B1X1+2X2+阝3x3+…+ Pnx  Logistic回归模型特点 Logistic function f(a)取值0-1,可描述/预 测概率, Logistic模型是概率模型 Logistic function f(a)呈S-形曲线,符合流 行病学对危险因素与疾病风险关系的认识  Logi变换(也称对数单位转换) ogiP=如/、P B+BX1+B2X2+…+BXm 1-P P=P(y=1|x),为发病概率 1-P=P(y=0x),为不发病概率。  二、参数估计 ■最大似然估计法( Maximum likehood estimate 似然函数:L=∏P=11x)P=0x) 对数似然函数 lnL=∑(nP)=nP1+nP2+…+nPn 非线性迭代方法— - Newton-Raphson法 通过迭代法估计一组参数(B0,B,B2……Bm 使L达到最大  回归系数的意义 ogP=A+月X+月X2+…+风 单纯从数学上讲,与多元线性回归分析 中回归系数的解释并无不同,亦即β表示x 改变一个单位时, logit P的平均变化量。