Logistic回归分析报告结果解读分析.pdf

L o g i s t i c 回 归 分 析 报 告 结 果 解 读 分 析 Logistic 回归常用于分析二分类因变量 (如存活和死亡、患病和未患病等 )与多个自变量的关系。 比较常用的情形是分析危险因素与是否发生某疾病相关联。 例如，若探讨胃癌的危险因素， 可以选 择两组人群，一组是胃癌组， 一组是非胃癌组， 两组人群有不同的临床表现和生活方式等，因变量 就为有或无胃癌，即“是”或“否”，为二分类变量，自变量包括年龄、性别、饮食习惯、是否幽 门螺杆菌感染等。自变量既可以是连续变量，也可以为分类变量。通过 Logistic 回归分析，就可以 大致了解胃癌的危险因素。 Logistic 回归与多元线性回归有很多相同之处，但最大的区别就在于他们的因变量不同。多元 线性回归的因变量为连续变量； Logistic 回归的因变量为二分类变量或多分类变量，但二分类变量 更常用，也更加容易解释。 1.Logistic 回归的用法 一般而言， Logistic 回归有两大用途，首先是寻找危险因素，如上文的例子，找出与胃癌相关 的危险因素；其次是用于预测，我们可以根据建立的 Logistic 回归模型，预测在不同的自变量情况 下，发生某病或某种情况的概率 (包括风险评分的建立 ) 。 2. 用 Logistic 回归估计危险度 所谓相对危险度 (riskratio ， RR) 是用来描述某一因素不同状态发生疾病 (或其它结局 ) 危险程度 的 比值。 Logistic 回归给出的 OR(oddsratio) 值与相对危险度类似， 常用来表示相对于某一人群， 另一人群发生终点事件的风险超出或减少的程度。如不同性别的胃癌发生危险不同，通过 Logistic 回归可以求出危险度的具体数值，例如 1.7 ，这样就表示，男性发生胃癌的风险是女性的 1.7 倍。这 里要注意估计的方向问题，以女性作为参照，男性患胃癌的 OR 是 1.7 。如果以男性作为参照，算出 来源网络 的 OR 将会是 0.588(1/1.7) ，表示女性发生胃癌的风险是男性的 0.588 倍，或者说，是男性的 58.8 ％。 撇开了参照组，相对危险度就没有意义了。 Logistic 回归在医学研究中广泛使用的原因之一，就是模型直接给出具有临床实际意义的 OR 值，很大程度上方便了结果的解读与推广。 图 1 相对危险度 (riskrat