logistic回归probit回归与poission回归.pptVIP

Logistic回归（因变量为二分变量/二项分布） probit回归 Poisson （因变量为poisson分布） ;Logistic回归（因变量为二分变量/二项分布） probit回归 Poisson （因变量为poisson分布） ;logistic回归probit回归与poission回归;logistic回归的分类： （1）二分类资料logistic回归： 因变量为两分类变量的资料，可用非条件logistic回归和条件logistic回归进行分析。非条件logistic回归多用于非配比病例-对照研究或队列研究资料，条件logistic回归多用于配对或配比资料。 （2）多分类资料logistic回归： 因变量为多项分类的资料，可用多项分类logistic回归模型或有序分类logistic回归模型进行分析。 也可以分为logistic回归和条件logistic回归;令因变量两个水平对应的值为0、1，概率为1-p、p，则显然我们也可以用多重回归进行分析？为什么要用logistic回归分析？ logistic回归回归系数、模型评估、参数估计、假设检验等与之前的回归分析有何不同？ 因变量为二分变量时既可以用logistics回归也可以用probit回归，那么probit回归及其与logistic回归的异同之处;logistic回归probit回归与poission回归;P概率;线性回归在处理有上限和下限的因变量时面临着一个问题：X上同样的变化对Y产生的影响不同，由图1也可以直观的看出这里并不适合进行线性回归。 虽然有很多非线性的函数可以呈现S形，但由于Logit转化比较简易，所以更受欢迎。 ;logistic回归probit回归与poission回归 ppt课件;Logit与概率不同，它没有上下限。比数去除了概率的上限，比数的对数去除了概率的下限；且是以0,5为中点对称的，概率大于0.5产生正的logit,logit距离0的距离反映了概率距离0.5的距离；概率上相同的改变与在logits上产生的改变是不同的，logit转化拉直了X与最初的概率之间的非线性关系。;回归系数的意义：; ;logistic回归probit回归与poission回归;logistic回归probit回归与poission回归;logistic回归probit回归与poission回归 ppt课件;除此以外，logistic回归还可以用优势比估计：;案例：;在logistic过程步中加“descending”选项的目的是使SAS过程按阳性率（y=1）拟合模型，得到阳性病例对应于阴性病例的优势比。 ;;logistic回归probit回归与poission回归;3.比分检验（score test） 　 以未包含某个或几个变量的模型为基础，保留模型中参数的估计值，并假设新增加的参数为零，计算似然函数的一价偏导数（又称有效比分）及信息距阵，两者相乘便得比分检验的统计量S 。样本量较大时， S近似服从自由度为待检验因素个数的?２分布。;概率p值均小于0.05，说明方程有意义。;logistic回归probit回归与poission回归;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）。 ;用逐步回归法拟合模型,变量选入和剔除水平均为0.10 ;logistic回归probit回归与poission回归 ppt课件;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偏回归系数，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）。 ;logistic回归probit回归与poission回归;可以看出此回归模型与非条件Logistic回归模型十分相似，只不过这里的参数估计是根据条件概率得到的，因此称为条件Logistic回归模型。 条件Logistic回归的回归系数检验与分析，和非条件Logistic回归完全相同。; 1.疾病（某结果）的危险因素分析和筛选 用回归模型中的回归系数（βi）和OR说明危险因素与疾病的关系。 适用的资料： 前瞻性研究设计、病例对照研究设计、 横断面研究设计的资料。 三类研究计算的logistic 回归模型的β意义是一致。仅常数项不同。（证明略）;2.校正混杂因素，对疗效做评价 在临床研究和疗效的评价，组间某些