Logistic回归分析报告结果解读分析.pdfVIP

v1.0 可编辑可修改 Logistic回归分析报告结果解读分析 Logistic回归常用于分析二分类因变量 (如存活和死亡、患病和未患病等 ) 与多个自变量的关系。比较常用的情形是分析危险因素与是否发生某疾病相关 联。例如，若探讨胃癌的危险因素，可以选择两组人群，一组是胃癌组，一组是 非胃癌组，两组人群有不同的临床表现和生活方式等，因变量就为有或无胃癌， 即“是”或“否”，为二分类变量，自变量包括年龄、性别、饮食习惯、是否幽 门螺杆菌感染等。自变量既可以是连续变量，也可以为分类变量。通过Logistic 回归分析，就可以大致了解胃癌的危险因素。 Logistic回归与多元线性回归有很多相同之处，但最大的区别就在于他们的 因变量不同。多元线性回归的因变量为连续变量；Logistic回归的因变量为二分 类变量或多分类变量，但二分类变量更常用，也更加容易解释。 回归的用法 一般而言，Logistic回归有两大用途，首先是寻找危险因素，如上文的例子， 找出与胃癌相关的危险因素；其次是用于预测，我们可以根据建立的 Logistic 回归模型，预测在不同的自变量情况下，发生某病或某种情况的概率 (包括风险 评分的建立)。 2.用Logistic回归估计危险度 所谓相对危险度 (risk ratio，RR)是用来描述某一因素不同状态发生疾病 (或其它结局)危险程度的 比值。Logistic回归给出的OR(odds ratio)值与相对危险度类似，常用来表 示相对于某一人群，另一人群发生终点事件的风险超出或减少的程度。如不同性 别的胃癌发生危险不同，通过Logistic回归可以求出危险度的具体数值，例如， 这样就表示，男性发生胃癌的风险是女性的倍。这里要注意估计的方向问题，以 女性作为参照，男性患胃癌的OR是。如果以男性作为参照，算出的OR将会是 (1/， 表示女性发生胃癌的风险是男性的倍，或者说，是男性的％。撇开了参照组，相 对危险度就没有意义了。 1 v1.0 可编辑可修改 Logistic回归在医学研究中广泛使用的原因之一，就是模型直接给出具有临 床实际意义的OR值，很大程度上方便了结果的解读与推广。 图1 相对危险度 (risk ratio，RR)与OR(odds ratio)的表达 3. Logistic报告OR值或β值 在Logistic回归结果汇报时，往往会遇到这样一个问题：是应该报告OR值， 还是β值，还是两个都要报告这个决定权最终当然还是作者本人，但有一点需要 进一步了解：OR值和β值其实是等价的。 2 v1.0 可编辑可修改 图2 OR值与β值的公式推导 4 Logistic回归结果判读 “EXP(B)”即为相应变量的OR值（又叫优势比，比值比），为在其他条件不 变的情况下，自变量每改变1个单位，事件的发生比“Odds”的变化率。 伪决定系数cox Snell R2和Nagelkerke R2，这两个指标从不同角度反映 了当前模型中自变量解释了因变量的变异占因变量总变异的比例。但对于 Logistic回归而言，通常看到的伪决定系数的大小不像线性回归模型中的决定系 数那么大。 预测结果列联表解释，看”分类表“中的数据，提供了2类样本的预测正确率和 总的正确率。 建立Logistic回归方程 logit （P）=β0+β1*X1+β2*X2+……+βm*Xm 3 v1.0 可编辑可修改 图2 Logistic回归结果报告样例 4