Logistic回归分析(共53张课件).pptxVIP

Logisticregression：

是研究分类变量统计分析的一种重要方法。研究两水平或多水平反应变量与其影响因子间关系的回归分析（线性回归分析：应变量为连续计量资料）。;如二项分类，如某种疾病的患病与否

某一治疗结果有效和无效

器官移植后生存或死亡

多项有序分类：某一治疗结果，治愈、显效、

有效、无效；

多项无序分类：肝炎分型甲、乙、丙、丁、

戊

研究分类反应变量与多个影响因素之间的相互关系的一种多变量分析方法，进行疾病的病因分析。

;Logistic回归的分类

Logistic回归二分类有序反应变量

多分类

无序反应变量

非条件

1:1配对资料

条件Logistic回归1:m配对资料

m:n配对资料;;;;;一、Logistic回归方程

Logistic回归的logit模型

;（1）取值问题

（2）曲线关联

反应变量与自变量的关系通常不是直线关系，而是S型曲线。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。能否考虑对所预测的因变量加以变换。1970年，COX引入了用于人口学领域的Logit变换。;;什么叫Logit变换？通常把出现某种结果的概率与不出现的概率之比称为比值

Odds=P/1-P,将其纳入对数?=Ln(P/1-P)

概率P是以0.5为对称点，分布在0~1的范围内的，而相应的Logit（P)的大小为

P=0Logit（P)=Ln(0/1)=-无穷大

P=0.5Logit（P)=Ln(0.5/0.5)=0

P=1Logit（P)=Ln(1/0)=+无穷大

Logit（P)取值范围扩展为（-?，+-?）

;

Logit变换

也称对数单位转换

logitP=

;;二、参数估计;1、回归系数的估计：最大似然估计法（Maximumlikehoodestimate）

;最大似然法的基本思想是先建立似然函数与对数似然函数，再通过使对数似然函数最大求解相应的参数值（使得一次抽样中获得现有样本的概率为最大），所得到的估计值称为参数的最大似然估计值。;三、参数检验;比分检验（scoretest）

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??（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。;Wald检验（waldtest）

即广义的t检验，统计量为u

u服从正态分布，即为标准正态离差。

Logistic回归系数的区间估计

;上述三种方法中，似然比检验最可靠，比分检验一般与它相一致，但两者均要求较大的计算量；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。;四、回归系数的意义;;流行病学中的一些基本概念：

相对危险度（relativerisk）:RR=P1/P2

比数Odds=P/(1-P)

比数比OR=[P１/(1-P１)]/[P２/(1-P２)]

在患病率较小情况下，OR≈RR;设P表示暴露因素X时个体发病的概率，则发病的概率P与未发病的概率1-P之比为优势（odds），logitP就是odds的对数值。

优势比

常把出现某种结果的概率与不出现的概率之比称为比值（odds),即odds=p/1-p。两个比值之比称为比值比（OddsRatio),简称OR。

;Logistic回归中的常数项（b0）表示，在不接触任何潜在危险／保护因素条件下，效应指标发生与不发生事件的概率之比的对数值。

Logistic回归中的回归系数（bi）表示，某一因素改变一个单位时，效应指标发生与不发生事件的概率之比的对数变化值，即OR的对数值。;;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。进行Logistic回归分析前需将该变量转换成k-1个指示变量或哑变量（design/dummyvariable），这样指示变量都是一个二分变量，每一个指示变量均有一个估计系数，即回归系数，其解释同