用SPSS做logistic回归分析解读.docxVIP

如何用SPSS 做logistic 回归分析解读 -＿~－ - ＿~－“．一· ＿....-＿ - ---- ———————————————————————————————— 作者： ———————————————————————————————— 日期： 2 如何用 spss17.0 进行二元和多元 logistic 回归分析一、二元 logistic 回归分析 二元 logistic 回归分析的前提为因变量是可以转化为 0、1 的二分变量，如：死亡或者生存，男性或者女性，有或无，Yes 或 No，是或否的情况。 下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元 logistic 回归分析。 （一）数据准备和 SPSS 选项设置 第一步，原始数据的转化：如图 1-1 所示，其中脑梗塞可以分为 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 转化为 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，而性别需要转化为（1、0）分类变量输入到 spss 当中，假设男性为 1，女性为0，但在后续分析中系统会将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”。 图 1-1 第二步：打开“二值 Logistic 回归分析”对话框： 沿着主菜单的“分析（Analyze）→回归（Regression）→二元 logistic （Binary Logistic）”的路径（图 1-2）打开二值 Logistic 回归分析选项框（图 1-3）。 3 如图 1-3 左侧对话框中有许多变量，但在单因素方差分析中与ICAS 显著相关的为性别、年龄、有无高血压，有无糖尿病等（P0.05），因此我们这里选择以性别和年龄为例进行分析。 4 在图 1-3 中，因为我们要分析性别和年龄与ICAS 的相关程度，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），保存（Save），选项（Options） 按照如图 1-4、1-5、1-6 中所示进行设置。在“分类”对话框中，因为性别为二分类变量，因此将其选入分类协变量中，参考类别为在分析中是以最小数值“0（第一个）”作为参考，还是将最大数值“1（最后一个）” 作为参考，这里我们选择第一个“0”作为参考。在“存放”选项框中是指 将不将数据输出到编辑显示区中。在“选项”对话框中要勾选如图几项， 其中“exp(B)的 CI(X)”一定要勾选，这个就是输出的 OR 和 CI 值，后面的 95%为系统默认，不需要更改。 5 ＃ 频 享 ( F)  交蔓（凶 | 缭计量（＄ I夕 分组ICAS护， 四 分数也夕 汜裕....., , I 夕 分组 ICAS 护， 四 分数也 夕 汜裕 ..... , , ． ． .- . tt.别 |歹 ［ I [ 图 袤 (Q . . Fl． Fl , 护 甸炽牡妇讨问 夕， 高叩压 ， 收 硌压 I [ 格式心．． ＇， 舒 张压 巳 ］［巨 罚示频卒表格 ］［ 确定 I 粘贴（巴 ］［ 艾直（巴 ][ 取洁 帤助 古扛o g is t ic 回归：选项 统计呈和图 问 蟋 芘(o 口 炉 ＋位的组关性［已 回 ti osmer -Lemeshow 呤 度(H) @ 烂代历史记录 (O □h茶的残竺列袤四 凹吵(B)的 Cl(::)： 巨勹％ 沪 呻 位(Q_) 巨］标准笙 C) 所有个茶 躺出 ＠ 在钰个 扣骤中( 0 在最后一个 步躲中心 厂?:： 删除三 ］ 妇甜钰（凶： 匠 巨展大达代欧 数（M): 巨 区l在榄型印包杻常数（＄ 工二 6 另外在“选项”对话框中，“输出”一栏中，系统默认为“在每个步骤中”， 这里更改为“在最后一个步骤中”，即：输出结果将仅仅给出最终结果， 而省略每一步的计算过程。由于我们采用强迫回归，逐步回归概率选项可以不管 此外还有一个选项需要说明。一是分类临界值（Classification cutoff），默认值为 0.5，即按四舍五入的原则将概率预测值化为0 或者 1。如果 7 将数值改为 0.6，则大于等于0.6 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