SPSS危险度分析和Logistic回归PPT课件.ppt

危险度分析和Logistic回归 讲授 王柏松 1 可编辑 危险度分析 相对危险度 relativerisk 简记为RR 人群总体中暴露于某因素者的发病率P1与不暴露于某因素者的发病率P0之比值称为该因素对于该疾病发病的相对危险度 所比较的是病例组和对照组中暴露者比数 odds 两个比数之比值称为比数比 oddsratio 在发病率较低的疾病中可由比数比来近似地估计相对危险度 2 可编辑 RR与OR的计算 RR P1 P0比数 odds 某事件发生的概率和不发生的概率之比 Odds P 1 P 病例组中暴露的比数 a a b b a b a b对照组中暴露的比数 c c d d c d c d两个比数之比值称为比数比 OR oddsratio 病例组中暴露的比数与对照组中暴露的比数之比值OR a b c d ad bc 3 可编辑 危险度分析2 有时在分析某危险因素与疾病之间的关系时 有些额外因素会对所分析的问题起干扰作用 这些额外因素就称为混杂因素 它能部分甚至全部掩盖危险因素与疾病之间的真实关系 故必须设法排除 例如要研究卫生状况与某传染病发病之间的关系 但传播可能与居住密度有关 故居住密度对所研究的问题就成为一个混杂因素 如果结论中未排除该因素之干扰 将影响推断之可靠性 4 可编辑 危险度分析3 分层分析步骤 1 计算各层的比数比 作显著性检验 2 检验各层的总体比数比是否相同 如差异有统计学意义 结束 3 如差异无统计学意义 计算公共比数比 4 检验公共比数比和1之间的差异是否有统计学意义 5 可编辑 SPSS中的实现 Analyze DescriptiveStatistics CrosstabsStatistics对话框中选取Risk选项 分层分析另外选取CochransandMantel haenszelstatistics选项 6 可编辑 Logistic回归 数据 因变量为二值变量 统计量 回归系数 比数比等 较大值代表终点事件应用 7 2020 2 7 8 可编辑 Logistic回归的应用 1 在队列研究中用于预测把各协变量代入方程 得到P值 即发病的概率 2 因素分析分析哪些因素 协变量 对疾病的发生有显著作用 对各偏回归系数作显著性检验 如显著 则说明在排除其它因素的影响后 该因素与发病有显著关系 9 可编辑 Logistic回归的应用2 3 求各因素在排除其它因素的影响后 对于发病的相对危险度 或比数比 如某因素Xi的偏回归系数为bi 则该因素Xi对于发病的比数比为exp bi 1 当Xi为二值变量时 如吸烟 1 吸 0 不吸 exp bi 为吸烟对于发病的比数比 10 可编辑 Logistic回归的应用3 2 当Xi为等级变量时 如吸烟 0 不吸 1 少量 2 中等 3 大量 exp bi 为每增加一个等级 发病的相对危险度如大量对于不吸其发病的相对危险度为 exp 3bi 3 当Xi为连续变量时 如年龄 岁 exp bi 为每增加一岁时 发病的相对危险度如60岁相对于35岁其发病的相对危险度为exp 25bi 11 可编辑 Logistic回归的应用4 4 比较各因素对于发病的相对重要性比较各标准化偏回归系数bi 绝对值的大小 绝对值大的对发病的作用也大 5 考察因素之间的交互作用如考察XL和XK之间的交互作用是否显著 再增加一各指标 XLK XL XK 如其偏回归系数bLK显著 则XL和XK之间的交互作用显著 6 Logistic回归也可用于二类间的判别分析 12 可编辑 SPSS中的实现 Analyze Regression BinaryLogistic 13 可编辑 本节内容