07多元逐步等回归分析716203120

1、袁克虹袁克虹办公电话：办公电话：26032453办公地点办公地点:l楼楼305b邮件：邮件： 2011.03.14多元逐步回归模型2回归分析内容一元线性步骤： 1.观察散点图，2.判断是什么关系，3. 回归，4. 判断系数；5。显著性检查（注意h0），6.失拟合检验（注意需要的条件）一元非线性y=a+blnx，如何判断那个好？，如何判断那个好？带虚拟变量多元线性多元非线性和逐步回归logistic回归iiiidxy32213 逐步回归分析逐步回归分析多元线性回归建立的回归方程包含了所有的自变量，但在实多元线性回归建立的回归方程包含了所有的自变量，但在实际问题中，可能有这样的情况：参加回归方程的

2、际问题中，可能有这样的情况：参加回归方程的p个自变量个自变量中，有些自变量单独看对因变量中，有些自变量单独看对因变量y有作用（相关程度密切），有作用（相关程度密切），但但p个自变量又可能是相互影响的，在作回归时，它们对因个自变量又可能是相互影响的，在作回归时，它们对因变量所起的作用有可能被其他自变量代替，而使得这些自变变量所起的作用有可能被其他自变量代替，而使得这些自变量在回归方程中变得无足轻重。这时把这些自变量留在回归量在回归方程中变得无足轻重。这时把这些自变量留在回归方程中，不但增加计算上的麻烦，而且不能保证有好的回归方程中，不但增加计算上的麻烦，而且不能保证有好的回归效果。为了克服这些缺

3、点，提出了多元逐步回归。效果。为了克服这些缺点，提出了多元逐步回归。4 多元逐步回归要求回归方程中包含所有对因变量作用显著的自变量，而不包含作用不显著的自变量，从而建立最优回归方程。51、强行进入法（enter）: 预先选定的自变量全部进入回归模型，这是系统默认方式。2、消去法（remove）: 根据设定的条件剔除部分自变量。逐步筛选变量的方法：逐步筛选变量的方法：63、向前引入法（forward）:自变量由少到多一个一个引入回归方程，将与因变量的相关系数最大的第一个自变量选入方程并进行检验，如果f值fa ，拒绝h0 ；将其余的变量中与因变量的相关系数最大的第二个自变量选入方程，当f值fa ，

4、拒绝h0 ；如此下去，不断引入新的自变量，直到不能拒绝h0，再没有变量被引入为止。74、向后剔除法（backward）: 自变量由多到少一个一个从回归方程中剔除，首先，对预先选定自变量全部进行回归，然后把对因变量影响不显著的自变量从方程中剔除并进行检验，如果f值1,说明该因素是疾病的危险性增加,为危险因素；or1,说明该因素是疾病的危险性减小,为保护因素；病例对照研究病例对照研究32病例对照研究的三种类型病例对照研究的三种类型（一）病例与对照不匹配-非条件非条件logisticlogistic回归回归在设计所规定的病例和对照人群中，分别抽取一定量的研究对象，一般对照应等于或多于病例数，此外无其

5、他任何限制。33病例对照研究的三中类型病例对照研究的三中类型（二）病例与对照匹配-条件logistic回归匹配或称配比（matching），即要求对照在某些因素或特征上与病例保持一致，目的是对两组比较时排除混杂因素的干扰。匹配分为成组匹配和个体匹配。1、成组匹配（category matching）：匹配的因素所占的比例，在对照组和在病例组一致。如病例组中男女各半，65岁以上者占1/3，则对照组也是如此。2、个体匹配（individual matching）：以病例和对照的个体为单位进行匹配叫个体匹配。1:1匹配又叫配对（pair matching）， 1:2， ，1:m匹配时称为匹配。 匹配

6、的特征必须是已知的混杂因子，或者有充分匹配的特征必须是已知的混杂因子，或者有充分的理由怀疑其为混杂因子，否则不应匹配的理由怀疑其为混杂因子，否则不应匹配。34（三）巢式病例对照研究也称为队列内的病例对照研究，是将队列研究和病例对照研究相结合的方法。病例对照研究的三中类型病例对照研究的三中类型35logistic回归363738394041二、 logistic回归模型的参数估计 424344例例15-1 45在logistic过程步中加“descending”选项的目的是使sas过程按阳性率（y=1）拟合模型，得到阳性病例对应于阴性病例的优势比。 观观察察例例数数46or值or的95%ci对偏

7、回归系数的假设检验4748三、logistic回归模型的假设检验 4950概率概率p值均小值均小于于0.05，说明，说明方程有意义。方程有意义。对所拟合模型的假设检验：对所拟合模型的假设检验：51四、变量筛选 52 某工作者在探讨肾细胞癌转移的有关临床病理因素研究中，收集某工作者在探讨肾细胞癌转移的有关临床病理因素研究中，收集了一批行根治性肾切除术患者的肾癌标本资料，现从中抽取了一批行根治性肾切除术患者的肾癌标本资料，现从中抽取26例。试用例。试用logistic回归分析筛选出于癌细胞转移有关的危险因素回归分析筛选出于癌细胞转移有关的危险因素（变量选入和剔除水平均为（变量选入和剔除水平均为0.

8、10）。）。 例子 53用逐步回用逐步回归法拟合归法拟合模型模型,变量变量选入和剔选入和剔除水平均除水平均为为0.10 指定选项“des”是为了按照y=1（有转移）的概率拟合模型。如果不加此选择项，则软件会按照y=0（无转移）的概率拟合模型，此时，应变量的排序水平发生颠倒，且所有参数估计的符号相反，or值为原来的倒数。 5455logistic逐步回归分析筛选出两个有统计学意义的变量为x2和x4，回归系数分别为2.4134和2.0963，比数比分别为11.172和8.136。结果中还给出了标准化偏回归系数，肾癌细胞核组织学分级（x4）在引起癌细胞转移中的危险性大于肾细胞癌血管内皮生长因子（x2）。 56条件logistic回归 5758596061条件logistic回归应用实例62 研究肥胖(x1，肥胖为1，不肥胖为0）、口服避孕药雌激素(x2，用药为1，不用药为0）与子宫内膜癌(y，病例为0，对照为1）的关系，采用1:2配对做病例-对照研究，共调查20个配比组。试分析肥胖、口服避孕药雌激素与子宫内膜癌的关系。 例子636465logistic回归的应用及其注意事项 6667如果药物或毒物不止一种，也可以用logistic模型分析其联合作用。 68 4预测与判别预测与判别 logistic回归模型是一个概率型模型，对非条件logistic回归，在给定