条件Logit回归结果解读：离散选择中的方案偏好分析.docxVIP

条件logit回归结果解读

一、方法概述

条件logit回归（ConditionalLogisticRegression）是一种专门用于分析匹配病例-对照研究数据的回归分析方法，由Breslow和Day等学者发展完善。与普通logistic回归不同，条件logit回归在建模过程中通过条件似然函数消除了匹配层（stratum）的干扰效应，从而能够有效控制匹配因素对暴露-效应关系的混杂作用。该方法在流行病学研究中具有重要地位，特别适用于1:1或1:M匹配的病例-对照研究设计。

条件logit回归的核心优势在于，它能够在保持匹配设计优势（如控制已知混杂因素）的同时，估计各自变量（暴露因素）对结局事件的独立效应，并通过相对危险度（RR值）量化影响程度。本研究使用SPSSAU软件进行条件logit回归分析，以x2、x3、x4为自变量，y为因变量，系统评估各因素对结局事件的影响。

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、模型整体有效性检验

首先对条件logit回归模型的整体有效性进行似然比检验。该检验的原假设为：是否放入自变量（x2、x3、x4）两种情况下模型质量均相同。检验结果如表1所示。

由表1可知，最终模型的-2倍对数似然值为146.194，较仅截距模型的197.750下降了51.556。似然比检验的卡方值为51.