Logistic回归分析 统计 教学PPT课件.pptVIP

39 * 2. 优势比估计 可反映某一因素两个不同水平（c1，c0）的优势比。 39 * 例 表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。 确 定 各 变 量 编 码 39 * 表1 吸烟与食道癌关系的病例－对照调查资料 39 * 经logistic回归计算后得: 的95?可信区间: 39 * 1. 似然比检验 基本思想是比较2种不同假设条件下的对数似然函数值差别的大小。在大样本时，若两个模型有嵌套关系，即对于其中一个模型中的某个自变量，而在另一个模型中包含所有其他所有自变量而无此自变量，那么这两个模型就构成了嵌套关系，则两个模型间的对数似然值乘以（-2）的结果之差近似服从卡方分布，即似然比（L.R.） 三、logistic回归模型的假设检验 39 * 39 * 具体方法是： ①先拟合不包含待检验因素的logistic模型，求对数似然函数值； ②再拟合包含待检验因素的logistic模型，求另一个对数似然函数值； ③比较两个对数似然函数值差别的大小 39 * 39 * 2. 39 * 3 score 检验 　 以未包含某个或几个变量的模型计算保留模型中参数的估计值，并假设新增参数为零，计算似然函数的一价偏导数及信息距阵，两者相乘便得比分检验的统计量S 。n 较大时， S近似服从自由度为待检因素个数的?２分布。 39 * 以上三种方法中，在多数情况下，似然比检验是最有效的检验，score检验一般与它相一致。但两者计算量均较大； Wald检验主要用于对单个回归系数的检验，但是Wald检验未考虑各因素间的综合作用，比较保守，在因素间有共线性存在时,结果不像其它两者可靠。 39 * 概率p值均小于0.05，说明方程有意义。 对所拟合模型的假设检验： 39 * 四、变量筛选 39 * 例 某工作者在探讨肾细胞癌转移的有关临床病理因素研究中，收集了一批行根治性肾切除术患者的肾癌标本资料，现从中抽取26例。试用logistic回归分析筛选出于癌细胞转移有关的危险因素（变量选入和剔除水平均为0.10）。 39 * 用逐步回归法拟合模型,变量选入和剔除水平均为0.10 指定选项“des”是为了按照y=1（有转移）的概率拟合模型。如果不加此选择项，则软件会按照y=0（无转移）的概率拟合模型，此时，应变量的排序水平发生颠倒，且所有参数估计的符号相反，OR值为原来的倒数。 39 * 39 39 *  logistic回归分析 (Logistic Regression) 39 * 讲述内容: 第一节 logistic回归 第二节 条件logistic回归 第三节 logistic回归的应用 及其注意事项 39 * 目的：作出以多个自变量（危险因素）估计应变量（结果因素）的logistic回归方程。属于概率型非线性回归。 资料：1. 应变量为反映某现象发生与不发生的二值变量；2. 自变量宜全部或大部分为分类变量，可有少数数值变量。分类变量要数量化。 39 * 用途：研究某种疾病或现象发生和多个危 险因素（或保护因子）的数量关系。 用 检验（或u检验）的局限性： 1.只能研究1个危险因素； 2.只能得出定性结论。 39 * 种类: 1. 成组（非条件）logistic回归方程。 2. 配对（条件）logistic回归方程。 39 * 第一节? logistic回归 （非条件logistic回归 ） 39 * 基本概念 例： 紧急治疗急性心肌梗死 的风险因子 数据: 200 AMI 病例 风险因子: x1(x1=1, ?抢救前休克; x1=0 其它) X2(X2=1, 抢救前心脏衰竭; X2=0其它) X3(X3=1, 12小时内五治疗; X3=0 其它) P结局: ,P=0 生存; P=1 死亡 39 * 39 * 从数学上看，函数p 对Xi 的变化在p=0 或p=1 的附近是不敏感的、缓慢的，且非线性的程度较高。当p 接近于0 或1 时，自变量即使有很大变化p 的值也不可能变化很大，于是要寻求一个p 的函数θ ( p)，而函数的形式又不是很复杂。因此，我们引入p 的Logistic 变换（或称为p 的Logit 变换）， 39 * 变形: Ln (Odds) 39 * 一、基本概念 ， 在m个自变量的作用下阳性结果发生的概率记作: 39 * 若令: 回 归 模 型 概率P：0～1，logitP：－∞～∞。 取值范围 39 * 图 logistic函数的图形 39 * 模 型 参 数 的 意 义 常数项 表示