如何用spss17.0进行二元和多元logistic回归分析.docxVIP

PAGE / NUMPAGES 如何用进行二元和多元 logistic 回归剖析 一、二元 logistic 回归剖析 二元 logistic 回归剖析的前提为因变量是能够转变成 0、1 的二分变量，如： 死亡也许生计，男性也许女性，有或无， Yes或 No，是或否的情况。 下面以医学中不同样样种类脑拥挤与年龄和性别之间的互有关系来进行二元 logistic 回归剖析。 （一）数据准备和 SPSS选项设置 第一步，原始数据的转变：如 图 1-1 所示，其中脑拥挤能够分为 ICAS、ECAS 和 NCAS 三种，但现在我们仅考虑性别和年龄与 ICAS的关系，因此将分组数据 ICAS、ECAS和 NCAS转变成 1、0 分类，是 ICAS赋值为 1，否赋值为 0。年龄为数值变量，可直接输入到 spss 中，而性别需要转变成（ 1、 0）分类变量输入到spss中间，假设男性为 1，女性为 0，但在后续剖析中系统会将 1，0 置换（下面还会介绍），因此为方便期间我们这里先将男女赋值置换，即男性为“ 0”，女性为“ 1”。 1-1 第二步：打开“二值 Logistic 回归剖析”对话框： 沿着主菜单的“剖析（ Analyze）→回归（ Regression）→二元 logistic（ Binary Logistic）” 的路径（ 图1-2）打开二值 Logistic 回归剖析选项框（ 图 1-3）。 如图 1-3左侧对话框中有好多变量，但在单因素方差剖析中与 ICAS显然有关的为性别、 年龄、有无高血压，有无糖尿病等（ P），因此我们这里选择以性别和年龄为例进行剖析。 1-2 图 1-3 图 1-3 在图 1-3 中，由于我们要剖析性别和年龄与 ICAS的有关程度，因此将 ICAS选入因变量 （Dependent ）中，而将性别和年龄选入协变量（ Covariates）框中，在协变量下方的“方法 Method ）”一栏中，共有七个选项。采用第一种方法，即系统默认的强迫回归方法（进入 “Enter ”）。 接下来我们将对分类 （ Categorical），保留（ Save），选项（ Options）依照如 图 1-4、1-5、 1-6中所示进行设置。在“ 分类 ”对话框中，由于性别为二分类变量，因此将其选入分类协 变量中，参照种类为在剖析中是以最小数值“ 0（第一个）”作为参照，还是将最大数值“ 1 （最后一个）”作为参照，这里我们选择第一个“ 0”作为参照。在“ 存放 ”选项框中是指 将不将数据输出到编写显示区中。 在“选项 ”对话框中要勾选如图几项， 其中“ exp(B)的 CI(X)” 必然要勾选，这个就是输出的 OR和 CI值，后边的 95%为系统默认，不需要更正。 图 1-4 分类 图 1-5 保留 图 1-6 选项 其他在“ 选项 ”对话框中，“ 输出 ”一栏中，系统默认为“在每个步骤中”，这里更正 为“在最后一个步骤中”，即：输出结果将但是给出最后结果，而省略每一步的计算过程。 由于我们采用强迫回归，渐渐回归概率选项能够无论 其他还有一个选项需要说明。一是分类临界值（ Classification cutoff ），默认值为，即按 四舍五入的原则将概率展望值化为 0 也许 1。若是将数值改为，则大于等于 的概率值才表 示为 1，否则为 0。其情况余依此类推。二是最大迭代值（ Maximum Iterations ），规定系统 运算的迭代次数，默认值为 20 次，为安全起见，我们将迭代次数增加到 50。原因是，有时 迭代次数太少， 计算结果不能够够真切收敛。 三是模型中包括常数项 （ Include constant in model ）， 即模型中保留截距。除了迭代次数之外，其他两个选项均采用系统默认值。 完成后，点击各项中“ 连续（ Continue ）”按钮。返回 图1-3，单击 “确定” 按钮。 （二）结果解读 其他结果参照文章《利用 SPSS进行 Logistic回归剖析》中解读，这里重点将两点： 第一，分类变量编码（ 图1-7），由于这里包括性别分类变量，而我们对性别赋值为 1 和0，但在 spss中系统会默认把我们的数值进行置换，即 1→参数编码 0， 0→参数编码 1，而 最后输出结果是以 1来计算的， 而 0为参照数据。 因此这也就是为什么我么从前要对研究组男 性的赋值进行置换了。若是男性为 1那么 spss中最后输出的将是女性的剖析结果。 1-7 第二，最后输出数据（ 图1-8）在该结果中， Exp(B)即为文件中提及的 OR值，而 EXP(B) 95%.即为文件中提及的 CI值。其中 Exp(B)表示某因素（自变量）内该种类是其相应参照种类拥有某种倾向性的倍数。 而有的文件中提到的 Crode