SPSS-配对条件Logistic回归分析

1、1124021321313004130010310200103020140201261220271201281111291201260110270021280301290400SPSS 配对调查资料的条件 Logistic 回归分析（1:1 或 1:n）1 .1:1 病例对照研究的基本概念在管理工作中，我们也经常要开展对照调查。例如为什么有的人患了胃癌，有的人却不会患胃癌？如果在同一居住地选取同性别、年龄相差仅2 岁的健康人作对照调查，调查他们与患胃癌有关的各种影响因素，这就是医学上很常用的所谓“1:1 病例对照研究”。病例对照研究资料常用条件 Logistic 回归分析。条件 Logisti

2、c 回归模型（conditionallogisticregressionmodel,CLRM）,下称 CLRM 模型。2 .条件 Logistic 回归模型的一个实例某地在肿瘤防治健康教育、社区干预工作中做了一项调查，内容是三种生活因素与胃癌发病的关系。调查的三种生活因素取值见表 11-6。请拟合条件 Logistic 回归模型，说明胃癌发病的主要危险因素。表 11-6 三种生活因素与胃癌发病关系的取值取值范围X1（不良生活习惯）0,1,2,3,4 表示程度（0 表示无，4 表示很多）X2（喜吃卤食和盐腌食物）0,1,2,3,4 表示程度（0 表示不吃，4 表示喜欢吃、吃很多）表刁，差，1 表

3、不好表 11-750 对胃癌病例（S=1）与对照（S=0）三种生活习惯调查结果病例对照病例对照NoSX1X2X3NoSX1X2X3NoSX1X2X3NoSX1X2X3变量名3 .条件 Logistic 回归模型的拟合原理与方法本例以 SPSS 软件包来拟合 CLRM 模型。SPSS 虽有一个 LOGISTICREGRESSIO 丽令,却无法拟合条件 Logistic 模型(CLRM),但有拟合 Cox 回归模型的固有命令(COXREG。回顾一下 Cox 回归模型的公式：h(t,X)=h0(t)exp(X131+X232+.+Xp3p)将两侧同时取对数可得：LN(h(t,X)=LN(h0(t)+

4、(X131+X232+.+Xp3p)如果是含有分层变量的 Cox 回归模型，则公式变为：LN(h(t,X)=LN(h0i(t)+(X11+X22+.+Xpp)各层的基线风险函数 h0i(t)可以完全无关，而协变量的系数则在所有层中保持不变。作为半参数的方法，Cox 模型在拟合时并不估计基线风险函数 h0i(t),只估计各协变量的系51301612207131081300912201011001113001213401311111412211512301612411711101811311913412010202113212211002313002411112511205 00006 00107

5、 02108 02009010110020011001112032013020014002115020016000117001118000119020020000021031022020123022024001125020030131031110132142133140134120135112036120037101138100139130140120141120042130143121144120145111146101147121048120149112150120130002131000032010133020134000135020136020137011038040039001040

6、0301410101420001430000440100450001460000470000480110490001500031数值 3。这则与条件 Logistic 回归模型不关心“i 的大小，只解出系数值 3 的思路一致。而且两者都以最大似然法(LR)来拟合。把配对因素作为分层因素，即可消除配对因素的作用，因此可用分层变量控制法的原理，来拟合条件 Logistic 回归模型。在使用 SPSS 的 COXRE 杀令拟合条件 Logistic 模型日(AnalyzefSurvivalfCoxRegression),要回答下列 5 个对话框：Time:给每行记录一个虚才的生存时间（Time）,一

7、般默认“病例”生存时间短（例如为 T）,“对照”生存时间长（例如为“2”）。只要“对照”的生存时间（例如“2”“100”）长于“病例”即可。因为 SPSS 会把在最短的完全数据的生存时间之前的截尾数据（Censored）全部去掉而不参加分析。输出分层状态时，Event=1;Censored=2。Status 与 DefineEvent:选入虚拟生存状态变量。定义事件时病例全为1（Singlevalue）,为完全数据；“对照”全“0”，为截尾数据。此值“1”表示事件已发生，本例即“病例”。Covariates:选入要进行分析的协变量（即自变量 X1,X2,X3）。Method:用 FSTEP（L

8、R）,即似然比法。Strata:录入配对的对子号，“1”指第 1 个对子（含“病例”为“1”一行与“对照”者为“0”一行）；“2”指第 2 个对子。本例指变量“No”。4 .拟合条件 Logistic 回归模型所用程序文件所用程序文件名为 CondLogiRegre.sps。ConditionalLogisticRegression;filename:CondLogiRegre.sps.*43112114302000441120144021004511111450200146110114602000471121047020004811201480211049111214902001501120

9、15002031ENDDATA.LISTVARIABLES=ALL/FORMAT=NUMBERED/CASES=FROM1TO50.* Whenprograming:.* Status:Case=1;Control=0.* Time:Case=1;Control=2,thatis,thesurvivaltimeofControlshouldlongerthanCase.* DefineEvent:Singlevalue:1meansCase.* Covariate:Inputetheindependencevariables.* Method:ENTER,FSTEP,BSTEP,etc.* S

10、trata:TheNo.ofperpairs,thatis,No.COXREGTime/STATUS=Status(1)/STRATA=No/METHOD=FSTEP(LR)X1X2X3*FangJi-Qian:Med.Stat.andComputerExperiment,P.492:.*UsingCOX-RegressiontofitConditionalLogisticRegression:DATALISTFREE/NoStatusTimex1x2x3.BEGINDATA.11124031130051130171131091122011113001311111151123017111101

11、911341211132123113002511120271120129112013111101331140135111203711011391130110231030220150200070221090210111020111302200150220017020111902200210231023022202502200270202129024003102000330220135022013702110390201021132141130061122081130010111001211340141122116112411811131201102022111002411111261122028

12、111113011310321142134112013611200381100140112012020104022016020108022001002200120232014020211602001180200120020002202201240201126021102802301300202132021013402001360220138024004002301/PRINT=DEFAULTCI(95)/CRITERIA=PIN(0.05)POUT(0.1)ITERATE(20).*5.拟合条件 Logistic 回归模型的主要运算结果运行程序文件 CondLogiRegre.sps 可得到下

13、列主要结果:VariablesintheEquationBSEWalddfSig.Exp(B)95.0%CIforExp(B)LowerUpperStep1X10.6590.2208.97310.0031.9321.2562.973Step2X10.7850.2579.35110.0022.1931.3263.629X20.8140.3077.04210.0082.2571.2374.118回归系数 B 表示病例与对照变量值之差与患病优势的关系，即 Exp（B）表示病例与对照暴露水平相差1 个单位时患病的比数比（OddRatio,OR）。从表中可见，X3（精神状况）未被引入回归模型，只引入影响因素 X1 与 X2,说明精神状况的好坏与胃癌发病无显著相关，而 X1（不良生活习惯）和 X2（喜吃卤食和盐腌食物