第11天 _ Logistic 回归入门！病例对照研究的核心方法，一看就懂.docxVIP

二元logistic回归。

很多小白一听到logistic回归就发怵，觉得是很高深的统计模型，满脑子都是公式和推导。其实完全不用怕，你可以把它理解成「多因素版本的卡方+OR计算」：本质还是算每个因素和结局的关联强度（OR值），只不过能同时把其他变量都控制住，算出每个因素自己的独立效应，还能处理连续变量、多分类变量，功能比卡方强大得多，是病例对照研究论文里的标配核心方法。打个最直白的比方：如果说卡方检验是“一对一单挑”，一个暴露对一个结局，那logistic回归就是“多人群团战”，所有因素同时上场，各自比拼自己的真实实力，排除互相的干扰。线性回归算的是“X每变1，Y变多少数值”，logistic回归算的是“X每变1，患病风险变多少倍”，核心逻辑是对应的，只是结局类型不同，用的模型不同而已。

今天咱们就用老年跌倒的全新病例对照案例，从单因素到多因素，完整走一遍二元logistic回归的SPSS实操和结果解读，小白跟着点就能出规范结果。

一、先搞懂：二元logistic回归到底是什么？

1.为什么不能用线性回归？

线性回归要求结局是连续数值，而病例对照的结局是二分类的（跌倒/没跌倒，患病/没患病），只有0和1两种取值。如果硬用线性回归去拟合，会算出小于0或者大于1的概率，完全不符合实际。所以logistic