SPSS 危险度分析和Logistic回归.ppt

危险度分析和Logistic回归 讲授：王柏松 危险度分析 相对危险度(relative risk)简记为RR,人群总体中暴露于某因素者的发病率P1与不暴露于某因素者的发病率P0之比值称为该因素对于该疾病发病的相对危险度。 所比较的是病例组和对照组中暴露者比数(odds),两个比数之比值称为比数比(odds ratio)。 在发病率较低的疾病中可由比数比来近似地估计相对危险度 。 RR与OR的计算 RR＝P1/P0 比数(odds),某事件发生的概率和不发生的概率之比。 Odds=P/（1-P） 病例组中暴露的比数=[a/(a+b)]/[b/(a+b)]=a/b 对照组中暴露的比数=[c/(c+d)]/[d/(c+d)]=c/d 两个比数之比值称为比数比：OR(odds ratio)。 病例组中暴露的比数与对照组中暴露的比数之比值 OR=[a/b]/[c/d]=ad/bc 危险度分析2 有时在分析某危险因素与疾病之间的关系时, 有些额外因素会对所分析的问题起干扰作用,这些额外因素就称为混杂因素。它能部分甚至全部掩盖危险因素与疾病之间的真实关系,故必须设法排除。例如要研究卫生状况与某传染病发病之间的关系,但传播可能与居住密度有关 ,故居住密度对所研究的问题就成为一个混杂因素,如果结论中未排除该因素之干扰,将影响推断之可靠性 危险度分析3 分层分析步骤： （1）计算各层的比数比，作显著性检验。 （2）检验各层的总体比数比是否相同。 如差异有统计学意义，结束。 （3）如差异无统计学意义， 计算公共比数比。 （4）检验公共比数比和1之间的差异是否有统计学意义。 SPSS中的实现 AnalyzeDescriptive Statistics Crosstabs Statistics对话框中选取Risk选项，分层分析另外选取Cochrans and Mantel-haenszel statistics选项。 Logistic回归 数据：因变量为二值变量。 统计量：回归系数，比数比等。 较大值代表终点事件 应用： Logistic回归的应用 1. 在队列研究中用于预测 把各协变量代入方程，得到P值，即发病 的概率。 2. 因素分析 分析哪些因素（协变量）对疾病的发生有显著作用。 对各偏回归系数作显著性检验，如显著，则说明在排除其它因素的影响后，该因素与发病有显著关系。 Logistic回归的应用2 3. 求各因素在排除其它因素的影响后，对于发病的相对危险度（或比数比） 如某因素Xi的偏回归系数为bi， 则该因素Xi对于发病的比数比为exp(bi) (1) 当Xi为二值变量时，如吸烟（1=吸，0=不吸） exp(bi)为吸烟对于发病的比数比 Logistic回归的应用3 （2）当Xi为等级变量时，如吸烟（0=不吸，1=少量，2=中等，3=大量）。 exp(bi)为每增加一个等级，发病的相对危险度 如大量对于不吸其发病的相对危险度为： exp(3bi) （3）当Xi为连续变量时，如年龄（岁） exp(bi)为每增加一岁时，发病的相对危险度 如60岁相对于35岁其发病的相对危险度为exp(25bi) Logistic回归的应用4 4. 比较各因素对于发病的相对重要性 比较各标准化偏回归系数bi’ 绝对值的大小，绝对值大的对发病的作用也大。 5. 考察因素之间的交互作用 如考察XL和XK之间的交互作用是否显著，再增加一各指标：XLK= XL*XK ，如其偏回归系数bLK显著，则XL和XK之间的交互作用显著。 6. Logistic回归也可用于二类间的判别分析。 SPSS中的实现 AnalyzeRegressionBinary Logistic 本节内容 掌握危险度分析在SPSS中的实现及结果解释，注意RR和OR的区别 熟悉分层分析在SPSS中的实现及结果解释 了解logistic回归