如何用spss170进行二元和多元logistic回归分析

8/8怎样用进行二元和多元logistic回归解析一、二元logistic回归解析二元logistic回归解析的前提为因变量是能够转变为0、1的二分变量，如：死亡或许生计，男性或许女性，有或无，Yes或No，是或否的状况。下边以医学中不一样样样种类脑拥堵与年纪和性别之间的互相关系来进行二元logistic回归解析。（一）数据准备和SPSS选项设置第一步，原始数据的转变：如图1-1所示，此中脑拥堵能够分为ICAS、ECAS和NCAS三种，但此刻我们仅考虑性别和年纪与ICAS的关系，所以将分组数据ICAS、ECAS和NCAS转变为1、0分类，是ICAS赋值为1，否赋值为0。年纪为数值变量，可直接输入到spss中，而性别需要转变为（1、0）分类变量输入到spss中间，假定男性为1，女性为0，但在后续解析中系统会将1，0置换（下边还会介绍），所以为方便时期我们这里先将男女赋值置换，即男性为“0”，女性为“1”。1-1第二步：翻开“二值Logistic回归解析”对话框：沿着主菜单的“解析（Analyze）→回归（Regression）→二元logistic（BinaryLogistic）”的路径（图1-2）翻开二值Logistic回归解析选项框（图1-3）。如图1-3左边对话框中有很多变量，但在单要素方差解析中与ICAS明显相关的为性别、年纪、有无高血压，有无糖尿病等（P<），所以我们这里选择以性别和年纪为例进行解析。1-2图1-3图1-3在图1-3中，因为我们要解析性别和年纪与ICAS的相关程度，所以将ICAS选入因变量（Dependent）中，而将性别和年纪选入协变量（Covariates）框中，在协变量下方的“方法Method）”一栏中，共有七个选项。采纳第一种方法，即系统默认的逼迫回归方法（进入“Enter”）。接下来我们将对分类（Categorical），保存（Save），选项（Options）依据如图1-4、1-5、1-6中所示进行设置。在“分类”对话框中，因为性别为二分类变量，所以将其选入分类协变量中，参照种类为在解析中是以最小数值“0（第一个）”作为参照，仍是将最大数值“1（最后一个）”作为参照，这里我们选择第一个“0”作为参照。在“寄存”选项框中是指将不将数据输出到编写显示区中。在“选项”对话框中要勾选如图几项，此中“exp(B)的CI(X)”必定要勾选，这个就是输出的OR和CI值，后边的95%为系统默认，不需要改正。图1-4分类图1-5保存图1-6选项其余在“选项”对话框中，“输出”一栏中，系统默以为“在每个步骤中”，这里改正为“在最后一个步骤中”，即：输出结果将可是给出最后结果，而省略每一步的计算过程。因为我们采纳逼迫回归，逐渐回归概率选项能够不论其余还有一个选项需要说明。一是分类临界值（Classificationcutoff），默认值为，即按四舍五入的原则将概率展望值化为0或许1。假如将数值改为，则大于等于的概率值才表示为1，不然为0。其状况余依此类推。二是最大迭代值（MaximumIterations），规定系统运算的迭代次数，默认值为20次，为安全起见，我们将迭代次数增添到50。原由是，有时迭代次数太少，计算结果不可以够够真实收敛。三是模型中包含常数项（Includeconstantinmodel），即模型中保存截距。除了迭代次数以外，其余两个选项均采纳系统默认值。达成后，点击各项中“连续（Continue）”按钮。返回图1-3，单击“确立”按钮。（二）结果解读其余结果参照文章《利用SPSS进行Logistic回归解析》中解读，这里要点将两点：第一，分类变量编码（图1-7），因为这里包含性别分类变量，而我们对性别赋值为1和0，但在spss中系统会默认把我们的数值进行置换，即1→参数编码0，0→参数编码1，而最后输出结果是以1来计算的，而0为参照数据。所以这也就是为何我么以前要对研究组男性的赋值进行置换了。假如男性为1那么spss中最后输出的将是女性的解析结果。1-7第二，最后输出数据（图1-8）在该结果中，Exp(B)即为文件中说起的OR值，而EXP(B)95%.即为文件中说起的CI值。此中Exp(B)表示某要素（自变量）内该种类是其相应参照种类拥有某种偏向性的倍数。而有的文件中提到的CrodeOR和AdjustOR则分别为单要素优势率（Crodeoddsratio）和多要素优势率（Adjustoddsratio），即仅对性别单个变量的单要素分析或许对性别和年纪等多个变量进行多要素解析后所获得的不一样样样结果。CI则为可信区间Confidenceinterval）。Sig.即我们常说的P值，P<为明显（无效假说不建立，拥有统计学意义），P>为不明显（无效假说建立，不拥有统计学意义）。1-8二、多项（多元、多分类、Multinomial）logistic回归解析前面讲的二元logistic回归解析仅合适因变量Y只有两种取值（二分类）的状况，当Y拥有两种以上的取值时，就要用多项logistic回归（MutinomialLogisticRegression）解析了。这类解析不单好够用于医疗领域，也能够用于社会学、经济学、农业研究等多个领域。如不一样样样阶段（初一、初二、初三）学生视力降落程度，不一样样样蛀牙状况（轻度、中度、重度）下与刷牙、饮食、年纪的关系等。下边我们以图1-2中，对apoba1（ApoB/AI）项中数值做四分位数后，将病人的ApoB/AI的比值区分为低、较低、中、高四个分位后利用多项logistic回归解析其与ICAS之间的互相关系。第一来做四分位数，很多人在做四分位数的时候都是自己算出来的，其实在SPSS里面给出了做四分位数的程度即解析（Aanlyze）→描绘统计（DescriptiveStatistics）→频次（Frequencies）。打如图2-1开频次对话框。将我们要解析的数值变量Apoba1选入到变量对话框中。2-1图2-2图2-3选择统计量，依据图2-2中勾选四分位数选项，其余选项依据自己需要勾选，此后点击图2-1中确实定按钮，开始运算。在图2-3中能够读取我们的四分位数值。图中百分数表示的是对该变量做的四分位数的百分比，25表示前25%的，50表示前50%的，75表示前75%的。每一项对应的后边数值即为相应的四分位数，如，即为前25%的个体与后75%个体的分位数。依据如上方法得出ApoB/AI的比率后我们能够把该比值区分为四个区间，即当ApoB/AI的比率<为低、当≤ApoB/AI的比率≤时为较低、当≤ApoB/AI的比率≤时为中，当ApoB/AI的比率>时为高。此后将这一区分如图1-1中“四分位数”一项用分类数值表示即1代表低，2代表较低，3代表中，4代表高。这里还要重申的是我们要研究其与ICAS之间的互相关系，那么我们需要将其设为二分类变量，即是ICAS的状况为1，不然为0，但多项logistic回归解析也会将1，0

置换，所以我们需要在这里将我们需要研究的状况置换为

0，此后将其他置换为

1。下边就能够进行多项

logistic回归解析了。如图

2-4翻开多项

logistic回归解析对话框（图

2-5）。如图2-5所示，在”因变量”中选入刚刚我们输入的四分位数分类变量，在因子中输入分类变量ICAS（这里必定是分类变量，能够是一个也能够是多个），在“协变量”中输入数值变量如年纪（这里必定是数值变量，能够是一个也能够是多个），但因本次没有对年纪进行解析，仅对ICAS进行了单要素解析，所以我们把年纪移出协变量选项。在SPSS中对因变量的定义是，假如因变量Y有J个值（即Y有J类），以其中一个种类作为参照种类，其余种类都同他比较较生成J-1个冗余的Logit变换模型，而作为参照类其余其模型中全部系数均为0。在SPSS中能够对所选因变量的参照种类进行设置，如图2-5在因变量对话框下有一“参照种类”选项。点击后会弹出图2-6对话框。在该对话框中我们选中设定，输入数值1，这代表我们以分类数值1所代表的种类作为参照种类，即最低数值作为参照种类。单击连续。自然也能够选择“第一种类”和“最后种类”，当选中分别表示以最低数值或最高数值作为参照种类。其余设置与二元Logistic解析相像，将我们要输出的项勾选即可，点击图2-5中确立，输出数据。2-4图2-5图2-6输出数据基本与二元Logistic解析相像，我们要点讲下最后一项“参照预计”，如图2-7所示，此中参照种类为ICAS=1的分类状况，而此中的ICAS=0分为2、3、4三种，分别给出了ICAS=0时的数值。而此中Exp(B)（即OR值）表示某要素（自变量）内该种类是其相应参照种类