第二次上机logistic回归-分析实习

1Logistic回归分析2目的：多个自变量(危险因素)估计应变量(结果因素)logistic回归方程。属于概率型非线性回归。

资料：

1、应变量为分类变量

2、自变量可以为分类，也可以为数值变量。3用途：研究某种疾病或现象发生和多个危险因素（保护因子）的数量关系。

4logistic分析的一般步骤变量的编码哑变量的设置和引入变量的筛选建立多个模型选择较优的模型输出结果的解释51、非条件logistic回归研究对象之间是否发生某事件是独立的。适用于：成组的病例-对照研究无分层的队列研究或横断面调查诊断性试验6赋值表：71.变量的编码变量的编码要易于识别注意编码的等级关系牢记编码使用变量数值标识（valuelabels）记录编码内容8数据910方法1112.哑变量的设置和引入哑变量，又称指示变量或设计矩阵。有利于检验等级变量各个等级间的变化是否相同。一个k分类的分类变量，可以用k-1个哑变量来表示。12方法113方法114结果15结果16输出结果的解释Score检验17结果18选择较优的模型-2logL（似然比检验，OmnibusTest）：检验全部自变量的作用是否显著。较为可靠。适用于含连续性变量的情况。模型拟合好，x2值大，P值小。19结果20输出结果的解释模型的预测结果的评价敏感度、特异度和阳性预测值正确选择预测概率界值，简单地以0.5为界值，但并不是最好的。C指数预测结果与观察结果的一致性的度量。C值越大（最大为1），模型预测结果的能力越强。21输出结果的解释模型中各个系数的假设检验Waldx2检验：类似于直线回归系数的t检验22方法1232425结果26方法1272829结果30选择较优的模型Hosmer-Lemeshow检验：评价估计概率和观察概率接近的程度。适用于含连续性变量的情况。模型好，x2值小，P值大。31结果32方法233方法234结果35结果36结果37结果38结果392、条件logistic回归研究中有N个配比组，每组中n个病例配m个对照者。这时，各个研究对象发生某事件的概率即为条件概率。适用于配比设计的病例-对照研究精细分层设计的队列研究404142Mack等人欲考察服用雌激素与患子宫内膜癌的关系，对退休居住在社区的妇女进行调查。对照匹配的条件如下：与子宫内膜癌患者的年龄相差不超过一岁，婚姻状况相同，居住在同一社区。除是服用雌激素外，研究的自变量还包括胆囊病史和是否服用其他非雌激素药物。43变量44数据45方法146方法147方法148方法149方法150方法151结果52结果53结果5455变量56数据57方法58方法59结果60结果61结果62logistic回归分类因变量为二分类变量因变量为多分类变量多分类logistic回归63Cox回归分析64Cox比例风险模型(Cox’sproportionhazardmodel)Cox相对危险度模型、Cox回归连续性时间变量资料无须对基线风险作任何限制65实例16-466数据67数据1582年10月14日68数据Transform>compute>time=(end-start)/60/60/24/3069方法70方法71方法72方法73结果74结果75结果76结果77方法78方法79方法