医学统计学课件：13_Logistic回归分析.ppt

Logistic回归 例 50例急性淋巴细胞白血病病人，在入院时白细胞数X1（×109/L），淋巴结浸润度X2（记为 0、1、2三级），缓解出院后巩固治疗X3 （巩固治疗时赋值 1，无巩固治疗时赋值 0）。随访1年取得每例病人是否死亡 Y （死亡赋值1，生存赋值0）的资料。请分析影响一年内死亡的有关因素。 第一节 Logistic 回归 1、概念 Logistic 回归是一种主要用于应变量为二项分类的概率型非线性回归。 在医学研究中经常遇到应变量为互斥的二项分类资料，如治愈和未愈、发病和未发病、生存和死亡等，即成功与失败两种可能的结果。同时有许多自变量可能对结果产生影响，而且这种影响不一定是线性的，用线性回归分析这类资料欠合理。这时可用Logistic 回归。 2、Logistic 回归模型： 统计学中，把ln（P/Q）称为 P 的Logit 转换或对数转换，记为Logit P。由此得到的回归方程，称为Logistic回归方程。 3、Logistic 模型回归系数的含义 回归系数（bi）表示：在其它自变量不变时，某自变量 Xi改变一个单位时LogitP的改变量。 优势比（OR）指某一影响因素Xi两个不同暴露水平（C1，C0）的P/Q值之比。 当某影响因素Xi仅为两个水平 （1暴露，0非暴露），则： 4. Logistic 回归模型的参数估计 4. Logistic 回归模型的参数估计 4. Logistic 回归模型的参数估计 5. Logistic 回归方程的计算 例50例急性淋巴细胞白血病病人，在入院时白细胞数X1（×10/L），淋巴结浸润度X2（记为 0、1、2三级），缓解出院后巩固治疗X3 （有巩固治疗时赋值 1，无巩固治疗时赋值 0）。随访1年取得每例病人是否死亡 Y （死亡赋值1，生存赋值0）的资料。请分析影响一年内死亡的有关因素。 6、回归模型或回归系数的假设检验 6、回归模型或回归系数的假设检验 (1) 似然比检验 (1) 似然比检验 (2) Wald检验 (2) Wald检验 (3) 计分检验 x3似然比检验 模拟向后剔除法筛选变量过程：上例资料，设剔除检验水准α=0.10 模拟向后剔除法筛选变量过程：上例资料，设剔除检验水准α=0.10 模拟向后剔除法筛选变量过程：上例资料，设剔除检验水准α=0.10 模拟向后剔除法筛选变量过程：上例资料，设剔除检验水准α=0.10 模拟向后剔除法筛选变量过程：上例资料，设剔除检验水准α=0.10 模拟向前逐步法筛选变量过程：上例资料，设入选检验水准为0.05，剔除检验水准为0.10 模拟向前逐步法筛选变量过程：上例资料，设入选检验水准为0.10，剔除检验水准为0.15 8、模型概况 9、概率预测 一名淋巴结浸润度(X2)为2级，而且出院后没有巩固治疗（X3=0）的病人，其一年内死亡的概率为： P = 0.96，其生存概率为 1 – 0.96 = 0.04 一名淋巴结浸润度(X2)为2级，而且出院后有巩固治疗（X3=1）的病人，其一年内死亡的概率为： P = 0.57，其生存概率为 1 – 0.57 = 0.43 例16-2 为了探讨冠心病发生的有关危险因素，对26例冠心病病人和28例对照者进行病例?对照研究，各因素的说明及资料见表16-2和表16-3。试用logistic逐步回归分析方法筛选危险因素。 单因素logistic回归分析 标准偏回归系数计算 例16-1 表16-1是一个研究吸烟、饮酒与食道癌关系的病例－对照资料，试作logistic回归分析。 第三节 logistic回归的应用及注意事项 一、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。 例：研究者欲了解a、b两种治疗方案对尿路感染的疗效，收集了一批病例资料如下表，病例分有无并发症两类，比较两种治疗方案的疗效？ 应变量：疗效（有效1，无效0） 自变量：治疗方案(a=1,b=0)、并发症(有1，无0） 一、Logistic回归的应用 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。 二、Logistic回归应用的注意事项 1.模型中自变量的取值 自变量（X）可为计量资料、分类资料或等级资料。 计量资料常重新划为有序组段，OR的实际意义较大。 2.样本含量 自变量个数越多，例数越多。各组样本例数（对照组和病例组）至少为自变量个数的5-20倍。 回归分析的分型 回归分析根据因变量的取值不同可分