非条件 Logistic 回归模型的分析方法与 SAS应用.docxVIP

非条件Logistic回归模型的分析方法与SAS应用 赤峰市疾病预防控制中心韩忠义 概述: Logistic回归分析在流行病学的病因研究中，是分析疾病与危险因素间联系的一种统计方法。在这类研究中，所观察的项目的值，常以二项反应变量取值，即生存与死亡，是否发病，是否接触危险因素等的反应变量y的取值是0或1。因此，这类资料既不是计量资料，也不属于计数资料，如果用这样的资料建立描述协变量气,％,…,％与所研究的疾病发生概率P（y=1）的关系的回归方程，则有：12P=a+01x+???+0x这样的方程显然是不合适的，因为方程左边的概率P,其取值在0,1范围内，而方程右边的取值可以是0,1范围之外。 如果对P作logit变换，则logit（P）与x『x2,…,xm间呈线性关系，即： logit（P）=a+0.x.+???+0x 这是数学上的logistic曲线，因此，将此式描述的P与协变量间的回归关系称为线性Logistic回归。 Logistic回归模型有条件与非条件之分，前者适用于配对资料的分析，后者适用于队列研究或病例-对照研究的成组资料的分析。 二、非条件Logistic模型的定义： 二、 根据Logistic函数的定义: (1)（2）P=exp(a+0x)/[1+exp(a+0x)]1-P=1/[1+exp(a+0x)] (1) （2） 式中以P表示疾病发生的概率，以1-P表示疾病不发生的概率，a，8/…，8是回归模型中的参数。1 在实际工作中往往是研究与疾病有关的多个因素，因此式（1）可以扩展为： x^)]i=1,2,3,…，m⑶P=exp(a+￡0x)/[1+exp(a+￡ x^)]i=1,2,3,…，m⑶ 三、 1一P=1/[1+exp(a+乙0 )] i=1,2,3,…，m 应用: 非条件Logistic模型是用于分析队列或 非条件Logistic模型是用于分析队列或 后者应用的最为多见，也就是说在病因学研究中，经常分析各危险因素与疾病发生的关系，需要资料要有均衡性，当影响结果的混杂因素较多时，难以满足均衡可比性的要求，会给结果带来偏性。为了正确说明疾病与危险因素的关系，就需要控制存在的混杂因素，Mantel-Haenszel分层分析的方法相当成功的解决了这一课题，但有其局限性，即随着控制因素的增加分层越来越细时，每层的观察例数越来越少，甚至会有零值出现，对相对危险度的估计带来一定困难或结果的不准确。非条件Logistic回归模型能克服这此不足之处，可对危险因素的定量测定值进行分析，已经逐渐被广泛的应用。 本讲座仅介绍病例-对照研究单因素两暴露水平及多暴露水平资料的统计处理。 四、分析的方法与步骤： （一）数据的准备： 一个危险因素两暴露水平 分层混杂因素编码危险因素接触水平病例数对照数 （g）xx…xxrC i 2 p p+1 g g 1 1 0 …0 1 r 1 C 1 2 … 1 0 …0 0 … r 2 … C 2 m-1 0 0 …1 1 r m-1 C m-1 m 0 0 …1 0 r C mm一个危险因素多个暴露水平（以暴露水平分为3个为例） 分层 （g） 混杂因素编码 危险因素接触水平 病例数 r g 对照数 C g x 1 x 2 .?x p x p+1 x… P+2 1 1 0 …0 0 0… r 11 C 11 2 1 0 …0 1 0… r 12 C 12 3 1 0 … …1 0 1… … r 13 . C 13 .. m-2 0 0 …1 0 0… r m-2 C m-2 m-1 0 0 …1 1 0… r m-1 C m-1 m 0 0 …1 0 1… r C mm （二）模型的配合：按要求是从简到繁配合三种模型，即： y=ai（1）表示发病仅与混杂因素有关。 y=ai+8x（2）表示发病与混杂因素及研究因素都有关。 y=ai+px+Yx（i-i）（3）在模型（2）的基础上加交互影响。 （三）模型中的参数估计均采用最大似然估计法。 （四）模型配合适度的显著性检验采用似然比统计量。 五、计算实例： 本讲座以200例食管癌病例与775例对照者所做的病例-对照研究的资料为例，按年龄混杂因素分层，共分6层，其整理后的资料表格式如下： 将饮酒分为暴露与非暴露两水平 分层 年龄组 混杂因素编码 危险因素接触水平 病例数 对照数 （g） （i） x x x x x x x r C 1 2 3 4 5 6 7 g g 1 1 1 0 0 0 0 0 1 1 9 2 1 1 0 0 0 0 0 0 0 106 3 2 0 1 0 0 0 0 1 4 26 4 2 0 1 0 0 0 0 0 5 164 5 3 0 0 1 0 0 0 1 25 29 6 3 0 0 1 0 0 0 0 21 138 7 4