多元线性-logistic回归-cox回归-复习要点.pptVIP

多元线性回归、logistic回归和Cox回归复习要点 暨南大学基础医学院医学统计教研室 林汉生 1. 用途和对资料的要求 多元线性回归：是研究一个应变量（Y是计量资料 ）和多个自变量（X1 , X2 , X3 ,…）之间的线性依存关系的多变量分析方法。自变量可以是计量和分类资料，残差近似正态分布 。 logistic 回归：是研究一个二分类观察结果（Y：0，1）与多个自变量（X1 , X2 , X3 ,…）之间关系的多变量分析方法。自变量可以是计量和分类资料。 Cox比例风险回归：分析多个预后因素对生存时间（包括截尾值）的影响。自变量可以是计量和分类资料。 2. 自变量为分类变量时的赋值方法 二分类：赋值为1或2、0或1。如性别（男= 1，女= 2）、肥胖（无= 0，有= 1） 有序多项分类（等级资料） ：如随等级增加，Y呈线性增加或发病风险呈线性增加，直接用数值1、2、 3、4赋值。如年龄组（18岁= 1，18~34岁=2，35~59岁= 3，≥60岁=4）。如不呈线性增加，按无序多项分类赋值方法。 无序多项分类：选取其中1个类别为参照组，生成k-1个哑变量。如有4个类别（k=4），则生成3个哑变量。如只有其中1个哑变量有统计学意义，其他哑变量也需一起引入模型。 3. 回归系数的含义 多元线性回归： 它表示在扣除其它自变量影响的情况下，Xj 增加或减少一个单位时，Y 的平均改变量。 logistic 回归： 它表示扣除了其它自变量影响后，自变量Xj 增加1个单位与未增加1个单位时OR 值的自然对数。 Cox比例风险回归：表示扣除了其它自变量影响后，自变量Xj 增加1个单位与未增加1个单位时RR 值的自然对数。 4. 自变量的筛选方法 多元线性回归：向后剔除法、向前引入法、逐步筛选法、其他 logistic 回归：向后剔除法、向前引入法、其他 5.检验水准 多用于因素筛选，因此不必对检验水准规定得很严格，可以选择几个水平如0.05、0.10甚至0.15，以分析不同检验水准下的自变量与应变量之间的依存关系。 6. 多元线性回归结果解释 方差分析 决定系数R2 偏回归系数，标准偏回归系数，偏回归系数的t检验 剔除的变量情况 标准化残差直方图 结果解释 决定系数R2 =0.598糖化血红蛋白、胰岛素和甘油三酯可解释血糖含量变异性的59.8％ 标准化残差直方图 标准化残差直方图近似正态分布，说明该资料适合用多元线性回归分析。 7. logistic回归结果解释 B：回归系数的估计值。 Exp (B)：OR值（调整的OR值，adjusted odds ratio） SE：回归系数的标准误 Wald值：对回归系数进行假设检验的统计量 最重要的结果 X2和X4的OR值都大于1，故等级越高，肾癌转移的风险越大。 总体OR值的95%可信区间太宽，提示例数太少 。 可以将X2和X4的取值代入下式，计算肾癌转移的概率。判断的截断点默认为0.50，大于0.50则预测为肾癌转移（分类表中的结果）。 分类表 Y的观察值和预测值的符合情况：观测值为0时（肾癌未转移），预测的正确率为94.1%（特异度）； 观测值为1时（肾癌转移），预测的正确率为100.0%（灵敏度）；总的预测正确率为96.2%。 结果报告与解释 统计表 文字描述 表1 肾细胞癌转移的多因素logistic回归分析 表1 肾细胞癌转移的多因素logistic回归分析 结果解释 用多因素logistic回归中的似然比前进法筛选影响肾细胞癌转移的独立因素并估计OR值，检验水准?=0.05。肾细胞血管内皮生长因子表达等级（OR=11.17；95 % CI:1.07，116.45）和肾癌细胞核组织学分级（OR=8.14；95 % CI: 0.97，68.62 ） 是肾细胞癌转移的独立危险因素，而其他3个临床病理因素与肾细胞癌转移的关联无统计学意义。 8. Cox比例风险回归结果解释 Cox比例风险回归模型的结果解释 用Cox比例风险回归模型的似然比前进法筛选变量，按?=0.05水准， 2个变量引入模型。治疗方法的RR值为0.17（95% CI：0.06，0.50），即新治疗方式病人死亡的风险是传统治疗方式的0.17倍；淋巴结转移的RR值为2.54（95% CI： 1.06，6.07），即病人有淋巴结转移死亡的风险是无转移的2.54倍。 X1 X2 X3 X4 X1 X2 X3 X4 X1 X2 X3 X4 X1 X2 X3 X4 方差分析，以最后一个为准（Model 5）方差分析结果显示：多元直线回归方程中的3个总体偏回归系数不全为0（F=11.41，P0.001） 糖化血红蛋白和甘油三酯对血糖有升高作用，而胰岛素对血糖有降低作用。标准化回归系数显示糖