卫生统计学—Logistic回归分析.pptVIP

学习文档 假设n例样本相互独立，自变量为Xi，因变量为Yi(1.0) 学习文档 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。 学习文档 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 学习文档 表1 吸烟与食道癌关系的病例－对照调查资料 学习文档 经logistic回归计算后得: 的95?可信区间: 学习文档 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 学习文档 学习文档 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 学习文档 学习文档 2. 学习文档 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。 学习文档 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。 学习文档 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： 学习文档 四、变量筛选 学习文档 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）。 学习文档 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。 学习文档 学习文档 logistic逐步回归分析筛选出两个有统计学意义的变量为x2和x4，回归系数分别为2.4134和2.0963，比数比分别为11.172和8.136。结果中还给出了标准化回归系数，肾癌细胞核组织学分级（x4）在引起癌细胞转移中的危险性大于肾细胞癌血管内皮生长因子（x2）。 学习文档 一、原理 第二节 条件logistic回归 学习文档 表5 1: M 条件logistic回归数据的格式 * t = 0 为病例，其他为对照 学习文档 学习文档 实例 20－3 P389 学习文档 一、logistic回归的应用 1．流行病学危险因素分析 logistic回归分析的特点之一是参数意义清楚，即得到某一因素的回归系数后，可以很快估计出这一因素在不同水平下的优势比或近似相对危险度，因此非常适合于流行病学研究。logistic回归既适合于队列研究(cohort study)，也适合于病例-对照研究(case-control study),同样还可以用于断面研究(cross-sectional study) 第三节 logistic回归的应用及其注意事项 学习文档 2．临床试验数据分析 临床试验的目的大多是为了评价某种药物或治疗方法的效果，如果有其他影响效果的非处理因素(如年龄、病情等)在试验组和对照组中分布不均衡，就有可能夸大或掩盖试验组的治疗效果。 尽管在分组时要求按随机化原则分配，但由于样本含量有限，非处理因素在试验组和对照组内的分布仍有可能不均衡，需要在分析阶段对构成混杂的非处理因素进行调整。当评价指标为二值变量时(如有效和无效)，可以利用logistic回归分析得到调整后的药物评价结果。对于按分层设计的临床试验可以用相同的方法对分层因素进行调整和分析。 学习文档 如果药物或毒物不止一种，也可以用logistic模型分析其联合作用。 学习文档 4．预测与判别 logistic回归是一个概率型模型，因此可以利用它预测某事件发生的概率。在临床上也可以根据疾病与临床检查指标资料，建立logistic回归模型，对新的对象可根据其临床