医学统计学课件 13.Logistic回归分析(15).pptVIP

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 第一步：建立全回归方程； 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 第一步：建立全回归方程；第二步：对模型进行检验； 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 X1变量被剔除，每次只剔除关系最弱一个变量 第一步：建立全回归方程；第二步：对模型进行检验； 第三步：检验各偏回归系数； 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 第一步：建立全回归方程；第二步：对模型进行检验； 第三步：检验各偏回归系数； 第四步：重建不含剔除变量的全回归方程； 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 第一步：建立全回归方程；第二步：对模型进行检验； 第三步：检验各偏回归系数； 第四步：重建不含剔除变量的全回归方程； 循环检验，直至模型不存在无统计意义变量为止。 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 每次选入一个在模型外且最具统计学意义的自变量后，就对原在方程中的自变量做剔除检验，这个过程逐步进行，直到没有统计意义的自变量可以入选，也没有无统计学意义的自变量保留在方程中为止。 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 ? ? ? 包含变量 X3 X3、X2 X3、X2、X1 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 ? ? ? ? ? 10、回归方程的分类能力 实际与理论一致率（%）= (14+25)×100/50=78% 模型 X3 X3、X2 X3、X2、X1 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 有意义的因素为：动物脂肪摄入X6、高血脂史X5、A型性格X8、年龄（岁）X1 向前逐步法：Conditional 入选0.05，剔除0.10 标准偏回归系数计算 变量 标准偏回归系数 X1 0.401 X5 0.406 X6 0.703 X8 0.523 有意义的因素为： 年龄（岁）X1 高血脂史X5 动物脂肪摄入X6 A型性格X8 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。 说明： 1、扣除吸烟因素影响,饮酒者发病的危险性约为非饮酒者的1.7倍。 2、扣除饮酒因素影响,吸烟者发病的危险性约为非吸烟者的2.4倍。 第三节 logistic回归的应用及注意事项 一、logistic回归的应用 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。 * * 最大似然估计的原理是选择使观测值出现的“概率”达到最大的作为的估计。 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。 表10.4 50例急性淋巴细胞性白血病人的资料 ? ? 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： 可能得到的P值会出现小于 0 及大于 1 的情况，从而使公式失去意义。 式中因变量Y可以是（ -? ，+? ）中任意实数。 无论式中Xi 和bi 是什么数值（实数），