条件logit回归分析结果解读：离散选择中的方案偏好分析.docxVIP

条件logit回归分析结果解读

一、方法概述

条件logit回归（ConditionalLogitRegression）是一种用于分析匹配数据或分层数据中个体选择行为的统计方法，适用于病例-对照匹配研究等场景。该方法通过条件似然函数消除匹配层的影响，从而估计各自变量对二分类因变量的独立效应。本研究使用SPSSAU软件进行条件logit回归分析，探讨家族史、防护行为和职业暴露对是否病例的影响关系。

在SPSSAU【实验/医学研究】模块选择【条件logit回归】，将变量拖拽至右侧对应分析框，操作如下图：

二、模型有效性检验

表1报告了条件logit回归模型的似然比检验结果。模型原假设为是否放入自变量（家族史、防护行为、职业暴露）两种情况时模型质量均一致。检验结果显示，最终模型的-2倍对数似然值为163.312，较仅截距模型的197.750显著降低，似然比卡方值为34.439（df=3，p=0.0000.001），拒绝原假设，说明纳入的自变量整体具有统计学意义，模型构建有效。

三、回归分析结果

表2展示了条件logit回归的具体分析结果。模型McFaddenR2值为0.174，表明家族史、防护行为和职业暴露3个自变量可解释是否病例变异的17.4%。

（1）家族史的回归系数为0.777，在0.01水平上显著（z=4.769，p=0.000），相对危险度RR=2.175（95%CI: