Logistic回归分析【共53张PPT】.pptVIP

五、 Logistic回归分析方法 基本思想同线性回归分析。 从所用的方法看，有强迫法、前进法、后退法和逐步法。在这些方法中，筛选变量的过程与线性回归过程的完全一样。但其中所用的统计量不再是线性回归分析中的F统计量，而是以上介绍的参数检验方法中的三种统计量之一。 为计算方便，通常向前选取变量用似然比或比分检验，而向后剔除变量常用Wald检验。 六、 Logistic回归的应用 危险/保健因素的筛选，并确定其作用大小。 预测：预测某种情况下或者某个病例，某特定事件发生的概率。 影响因素为分类变量时，用列联表形式 卡方检验 存在分类的混杂因素时，用Mantel-Haensze 但存在局限性（1）控制混杂因素，但无法描 述作用大小及方向（2）样本量要求大，单元 格划分太细（3）无法对连续性自变量的影响 进行分析 格划分太细（3）无法对连续性自变量的影响 Logistic回归 二分类 有序反应变量 Logistic回归 二分类 有序反应变量 分析因素xi为多分类变量时，为方便起见，常用1，2，…，k分别表示k个不同的类别。 比数比　　　OR=[P１/(1-P１)]/[P２/(1-P２)] （二）病例与对照匹配---条件logistic回归 Logit（P )取值范围扩展为（-?，+ -?） 条件Logistic回归 1:m配对资料 P=1 Logit（P)=Ln(1/0)=+无穷大 分析因素xi为等级变量时，如果每个等级的作用相同，可按计量资料处理：如以最小或最大等级作参考组，并按等级顺序依次取为0，1，2，…。 步骤是：程序编辑窗主菜单 Analyze → 选 Regression （回归分析） → 选 Binary Logictic （两分类变量 Logictic 回归分析，出现 Logistic Regression 窗口 → 将 是否肿瘤选入右边的? Dependent （因变量）窗口中 → 将sex、age 、血脂、血压等均选入右边的 Covariats（协变量，这里是自变量） 窗口中， 对反应变量有影响的因素有n个，称为自变量X1,X2,…. 从所用的方法看，有强迫法、前进法、后退法和逐步法。 5 Logit（P)=Ln(0. 曲线回归时，往往采用变量变化，使得曲线直线化，再进行直线回归方程的拟合。 二分类Logistic对资料的要求 （1）反应变量为二分类的分类变量。（发病率等存在重复计数的指标不适用 （2）误差项服从二项分布（不是正态分布），不再使用最小二乘法进行参数估计，而使用最大似然法来解决方程的估计和检验问题） （3）观察对象相互独立 （4）所需样本数为自变量个数的5-10倍。 m:n配对资料 对反应变量有影响的因素有n个，称为自变量X1,X2,…. 能否考虑对所预测的因变量加以变换。 分析因素xi为多分类变量时，为方便起见，常用1，2，…，k分别表示k个不同的类别。 进而，优势比e(bi)的可信区间为 Logistic回归分析 而Wald检验未考虑各因素间的综合作用，在因素间有共线性时结果不如其它两者可靠。 Logistic回归系数的区间估计 1:1匹配又叫配对（pair matching）， 1:2，┅ ，1:m匹配时称为匹配。 如二项分类，如某种疾病的患病与否 也称对数单位转换 （3）观察对象相互独立 似然比检验（likehood ratio test） 偏回归系数表示在其它自变量固定的条件下， 匹配或称配比（matching），即要求对照在某些因素或特征上与病例保持一致，目的是对两组比较时排除混杂因素的干扰。 分析实例 分析糖尿病患者继发肿瘤与否的影响因素，采用二分类Logistic 回归分析。 步骤是：程序编辑窗主菜单 Analyze → 选 Regression （回归分析） → 选 Binary Logictic （两分类变量 Logictic 回归分析，出现 Logistic Regression 窗口 → 将 是否肿瘤选入右边的? Dependent （因变量）窗口中 → 将sex、age 、血脂、血压等均选入右边的 Covariats（协变量，这里是自变量） 窗口中， Forward: LR （ 向前逐步法：似然比法 likelihood? ratio，LR）→ 再击下方的 Save 钮，将 Predicted values、 Influence 与 Residuls 窗口中的预选项全勾选? → Continue → 再击下方的 Options 钮，将 Statistics and Plot 小窗口中的选项全勾选 → Continue →? OK 。 哑变量 自变量为多分类变量，与应变量之间通常不存在线性关系