多元logistics回归分析优质文档.pptVIP

多元logistics回归分析;内容;;从数学角度看，logistic回归模型非常巧妙地避开了分类型变量的分布问题，补充完善了线性回归模型和广义线性回归分析的缺陷。;根据数据的类型，logistic回归分析分为两种：

一种是条件logistic回归(conditionallogisticregression)，用于分析配对病例对照研究数据。

另一种是非条件logistic回归(unconditionallogisticregression)，用于分析成组数据或非配对的病例对照研究。

非条件logistic回归分析也简称为logistic回归分析。;;logistic回归模型对变量的要求;二值因变量的logistic回归模型;多元logistic回归模型;多值变量的logistic回归模型;;参数估计;似然比检验法(G=-2logL)。

469180.

ValueYCountWeight

ValueYCountWeight

另一种是非条件logistic回归(unconditionallogisticregression)，用于分析成组数据或非配对的病例对照研究。

为了要进行比较，需要计算出标准回归系数。

4）将样本进行判别分类。

VariableDFEstimateErrorChi-SquareChi-SquareEstimateRatio

5）logistic曲线的拟和。

5也可以解释为：暴露下的发病率是非暴露下的发病率的2.

自变量可以是数值型连续变量，也可以是顺序型分类变量，如果是名义变量，则需要转换成哑变量来处理。

回归系数β与ORX与Y的关联

任意两组间的OR=eβi/eβj

但是由于概率之和为1，所以当因变量是g值变量时，只需要估计g-1个模型

Intercept

计分检验法(Score)。

多值变量的logistic回归模型;;平行性检验;;（常数项）：暴露因素Xi=0时，个体发病概率与不发病概率之比的自然对数比值。;;;多元回归模型的的概念;复习相关概念;一元logistic回归模型系数的解释;设因变量y取值1和0，分别表示患病和未患病。设自变量x1取值1和0，设自变量x2取值1和0。这样x1和x2的交叉水平有四个，它们是(1,1)、(1,0)、(0,1)、(1,1)，建立四个哑变量分别代表这四个水平，记为x11、x10、x01、x00，它们表示了四种不同的方式。将前三个哑变量放进模型，则可以得前三种方式相对于最后一种方式患病的相对危险度。;;条件似然函数;数据资料特征;;Logistic回归分析在医学研究中有着相当广泛的应用价值。归纳起来主要的应用有：

1）筛选危???因子。它常用在流行病学的病因学研究中。

2）校正混杂因子，校正非研究因素对研究因素的混杂作用。如它可以消除性别、年龄、病情等对治疗效果分析的干扰，消除年龄、职业、收入等对生活嗜好与疾病关系分析的干扰等。

3）预测疾病或事件发生的概率。非条件logistic回归模型是一个概率模型，它可以用来预测事件发生的概率，如暴露在某些危险因素下得病的概率，这是其它模型不具有特性。

4）将样本进行判别分类。它起的作用和判别分析(第十三章，例13-2)一样，但它对数据的分布没有严格要求，在医学研究中使用很方便。

5）logistic曲线的拟和。医学中不少指标变量之间的关系呈现如图7-1所示的logistic曲线形状。例如剂量和反应的关系。根据拟和曲线可以作有效剂量估计，剂量反应的趋势分析等。;;某大学医院外科采用两种不同的绷带(bandage-4-layer和convatee)和两种不同的包扎方式(Granuflex和Na)进行腿溃疡的治疗处理。治疗的结果分三种：不愈、有效和痊愈。治疗方式和治疗效果列在表7-6中。试分析治疗方法对治疗效果的影响。

设因变量y表示治疗效果，0=不愈、1=有效、2=痊愈。设因变量x1表示绷带种类，1=bandage-4-layer、2=convatee。自变量x2表示包扎方式，1=Granuflex、2=Na。;dataeg7_6；inputyx1x2wt@@；cards；

00019……2115

run；

proclogisticdescending；

modely=x1x2；

weightwt；

run；

;【SAS输出结果】

TheLOGISTICProcedure

①Response