7_多元Logistic_回歸分析PPT課件

1、授課：XXX1 多元統(tǒng)計(jì)分析方法多元統(tǒng)計(jì)分析方法 The Methods of Multivariate Statistical Analysis 授課：XXX2 多元多元Logistic 回歸分析回歸分析 Multiple Logistic Regression Analysis 第七章第七章 授課：XXX3 主要內(nèi)容主要內(nèi)容 Logistic 回歸分析的基本概念 Logistic 回歸分析的數(shù)學(xué)模型 Logistic 回歸模型的建立和檢驗(yàn) Logistic 回歸系數(shù)的解釋 配對病例-對照數(shù)據(jù)的logistic回歸分析 授課：XXX4 回歸分析的分類回歸分析的分類 連續(xù)型因變量連續(xù)型因變量

2、(y) - 線性回歸分析線性回歸分析 多個因變量多個因變量 (y1,y2yk) 分類型因變量分類型因變量 (y) -Logistic 回歸分析回歸分析 時間序列因變量時間序列因變量 (t) -時間序列分析時間序列分析 生存時間因變量生存時間因變量 (t) -生存風(fēng)險回歸分析生存風(fēng)險回歸分析 路徑分析路徑分析 結(jié)構(gòu)方程模型分析結(jié)構(gòu)方程模型分析 一個一個 因變因變 量量 y 回憶：回憶： 授課：XXX5 醫(yī)學(xué)研究中經(jīng)常遇到分類型變量醫(yī)學(xué)研究中經(jīng)常遇到分類型變量 二分類變量： o 生存與死亡 o 有病與無病 o 有效與無效 o 感染與未感染 多分類有序變量： o 疾病程度（輕度、中度、重度） o 治

3、愈效果（治愈、顯效、好轉(zhuǎn)、無效） 多分類無序變量： o 手術(shù)方法（A、B、C） o 就診醫(yī)院（甲、乙、丙、?。?授課：XXX6 醫(yī)學(xué)研究者經(jīng)常關(guān)心的問題醫(yī)學(xué)研究者經(jīng)常關(guān)心的問題 哪些因素導(dǎo)致了人群中有的人患胃癌而有的人不患胃癌? 哪些因素導(dǎo)致了手術(shù)后有的人感染，而有的人不感染？ 哪些因素導(dǎo)致了某種治療方法出現(xiàn)治愈、顯效、好轉(zhuǎn)、無 效等不同的效果? 是回歸分析問題是回歸分析問題: : Y=f(x) Y=f(x) 授課：XXX7 如何解決這樣的問題？如何解決這樣的問題？ y=f(x) y=1,0 x任意任意 存在，且不唯一存在，且不唯一 不能直接分析不能直接分析 變量變量y與與x的關(guān)系的關(guān)系 p=

4、p(y=1|x)=f(x) 0p1, x任意任意 Logistic回歸模型回歸模型 y取某個值的概取某個值的概 率變量率變量p與與x 的的 關(guān)系關(guān)系 不存在不存在 授課：XXX8 1、什么是、什么是Logistic 回歸分析？回歸分析？ 研究因變量研究因變量y取某個值的概率變量取某個值的概率變量p與與 自變量自變量x的依存關(guān)系。的依存關(guān)系。 p=p(y=1|x)=f(x) 第一節(jié)第一節(jié) Logistic 回歸分析的概念回歸分析的概念 授課：XXX9 2、Logistic回歸分析的分類回歸分析的分類 按數(shù)據(jù)的類型：按數(shù)據(jù)的類型： o 非條件非條件logistic回歸分析（成組數(shù)據(jù)）回歸分析（成組

5、數(shù)據(jù)） o 條件條件logistic回歸分析（配對病例回歸分析（配對病例-對照數(shù)據(jù)）對照數(shù)據(jù)） 按因變量取值個數(shù)：按因變量取值個數(shù)： o 二值二值logistic回歸分析回歸分析 o 多值多值logistic回歸分析回歸分析 按自變量個數(shù)：按自變量個數(shù)： o 一元一元logistic回歸分析回歸分析 o 多元多元logistic回歸分析回歸分析 Logistic回歸分析回歸分析 授課：XXX10 第二節(jié)第二節(jié) Logistic 回歸分析的數(shù)學(xué)模型回歸分析的數(shù)學(xué)模型 令令y是是1,0變量，變量，x是任是任 意變量，意變量，p=p(y=1|x) ，那么，二值變量，那么，二值變量y關(guān)于關(guān)于 變量變量

6、x的一元的一元logistic 回歸回歸 模型是：模型是： 1 0 x p 0.5 -/ p=p(x) 變變量量p與與x的的關(guān)關(guān)系系 其中，其中，和和是未知參數(shù)或待估計(jì)的回歸系數(shù)。該模型描述是未知參數(shù)或待估計(jì)的回歸系數(shù)。該模型描述 了了y取某個值（這里取某個值（這里y=1)的概率的概率p與自變量與自變量x之間的關(guān)系。之間的關(guān)系。 (1) 二值一元二值一元logistic回歸模型回歸模型： 授課：XXX11 令令y是是1,0變量，變量，x1,x2,xk是任意是任意k個變量；個變量； p=p(y=1|x1,x2,xk)，那么，變量，那么，變量y關(guān)于變量關(guān)于變量x1,x2,xk 的的k元元logis

7、tic回歸模型是：回歸模型是： (2) 二值多元二值多元logistic回歸模型回歸模型： 注意：對于二值Logistic回歸模型，Y=0的模型是： p = p(y=0|x1,xk ) = 1 - p(y=1|x1,xk) 授課：XXX12 Logistic 回歸模型的另外一種形式回歸模型的另外一種形式 它給出變量它給出變量z=logit(p)關(guān)于關(guān)于x 的線性函數(shù)。的線性函數(shù)。 授課：XXX13 (3) 多值多值logistic回歸模型回歸模型: 例如，當(dāng)y取值1,2,3時，logistic回歸模型是： P1= P2= P3= p(y3 | x) = 1 - P2 P1 = p(y=1) =

8、 P1 P2 = p(y=2) =P2-P1 P3 = p(y=3) =1-P2 累積概率模型累積概率模型獨(dú)立概率模型獨(dú)立概率模型 授課：XXX14 1、估計(jì)參數(shù)、估計(jì)參數(shù) - 最大似然法最大似然法 2、檢驗(yàn)參數(shù)的顯著性、檢驗(yàn)參數(shù)的顯著性 H0: j=0 vs H1: j0 3、檢驗(yàn)?zāi)Ｐ偷娘@著性、檢驗(yàn)?zāi)Ｐ偷娘@著性 H0: 1=k=0 vs H1: j0 4、解釋參數(shù)的實(shí)際意義、解釋參數(shù)的實(shí)際意義 第三節(jié)第三節(jié) Logistic回歸分析方法步驟回歸分析方法步驟 授課：XXX15 例例1、自變量是二值分類型變量、自變量是二值分類型變量 某醫(yī)院為了研究導(dǎo)致手術(shù)切口感染的原因，收集了某醫(yī)院為了研究導(dǎo)致

9、手術(shù)切口感染的原因，收集了295例手術(shù)例手術(shù) 者情況，其中，手術(shù)時間小于或等于者情況，其中，手術(shù)時間小于或等于5小時的有小時的有242例，感染者例，感染者 13例；手術(shù)時間大于例；手術(shù)時間大于5小時的有小時的有53例，感染者例，感染者7例。試建立手術(shù)例。試建立手術(shù) 切口感染切口感染(y)關(guān)于手術(shù)時間關(guān)于手術(shù)時間(x)的的logistic回歸模型?；貧w模型。 46 53 0 ( 7 13 46 229 53 242 授課：XXX16 data eg7_1a;data eg7_1a; input y x wt ; input y x wt ; cards; cards; 1 1 71 1 7 1

10、0 131 0 13 0 1 460 1 46 0 0 2290 0 229 ; ; run;run; proc logistic descending ;proc logistic descending ; model y=x ; model y=x ; weight wt; weight wt; run;run; SAS程序程序 授課：XXX17 The LOGISTIC ProcedureThe LOGISTIC Procedure Data Set: WORK.EG7_1AData Set: WORK.EG7_1A Response Variable: YResponse Variab

11、le: Y Response Levels: 2Response Levels: 2 Number of Observations: 4Number of Observations: 4 Weight Variable: WTWeight Variable: WT Sum of Weights: 295Sum of Weights: 295 Link Function: LogitLink Function: Logit Response Profile Response Profile Ordered TotalOrdered Total Value Y Count Weight Value

12、 Y Count Weight 1 1 1 1 2 20.00000 2 20.00000 2 2 0 0 2 275.00000 2 275.00000 授課：XXX18 Model Fitting Information and Testing Global Null Hypothesis BETA=0 Model Fitting Information and Testing Global Null Hypothesis BETA=0 Intercept Intercept Intercept and Intercept and Criterion Only Covariates Chi

13、-Square for CovariatesCriterion Only Covariates Chi-Square for Covariates AIC 148.262 146.686 .AIC 148.262 146.686 . SC 147.648 145.458 .SC 147.648 145.458 . -2 LOG L 146.262 142.686 -2 LOG L 146.262 142.686 3.576 with 1 DF (p=0.0586)3.576 with 1 DF (p=0.0586) Score . . 4.224 with 1 DF (p=0.0399)Sco

14、re . . 4.224 with 1 DF (p=0.0399) Analysis of Maximum Likelihood Estimates Analysis of Maximum Likelihood Estimates Parameter Standard Wald Pr Standardized Odds Parameter Standard Wald Pr Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate RatioVariable DF Estimate Error Chi-

15、Square Chi-Square Estimate Ratio INTERCPT 1 INTERCPT 1 -2.8688-2.8688 0.2851 101.2408 0.2851 101.2408 0.00010.0001 . . . . X 1 X 1 0.98600.9860 0.4959 3.9542 0.4959 3.9542 0.04680.0468 2.069569 2.069569 2.6812.681 授課：XXX19 回歸模型：回歸模型： 參數(shù)估計(jì)：參數(shù)估計(jì)： a=-2.869 (p=0.0001), b= 0.986 (p=0.0468). 模型檢驗(yàn)：模型檢驗(yàn)： 2=

16、3.576, df=1, p=0.0586 結(jié)果：結(jié)果： 如何解釋系數(shù)的實(shí)際意義？如何解釋系數(shù)的實(shí)際意義？ 授課：XXX20 第四節(jié)第四節(jié) Logistic回歸模型系數(shù)的解釋回歸模型系數(shù)的解釋 回憶流行病學(xué)研究中兩個重要概念：回憶流行病學(xué)研究中兩個重要概念： 在在logistic回歸模型回歸模型令令x=0和和x=1，得到，得到 授課：XXX21 一元一元logistic回歸模型系數(shù)回歸模型系數(shù)的意義解釋：的意義解釋： (1) x =1,0 變量變量 如果如果x=1,0，則，則 e b=OR 近似表示在近似表示在x=1條件下的發(fā)病率與條件下的發(fā)病率與 在在x=0 條件下發(fā)病率之比條件下發(fā)病率之比

17、 (相對危險度相對危險度)，或者說，或者說， x=1條條 件下的發(fā)病可能性比件下的發(fā)病可能性比x=1條件下多或少條件下多或少(OR-1)*100%。 授課：XXX22 Logistic 回歸模型：回歸模型： 從從b=0.986, 得到得到 RR OR= eb=2.681。 所以，手術(shù)時間大于所以，手術(shù)時間大于5小時的感染率是手術(shù)時間小于或等于小時的感染率是手術(shù)時間小于或等于5 小時的感染率的小時的感染率的2.681倍，即感染的可能性增加了倍，即感染的可能性增加了186.1% 。 0 ( 7 13 46 229 53 242 例如，手術(shù)感染問題例如，手術(shù)感染問題 授課：XXX23 一元一元log

18、istic回歸模型系數(shù)回歸模型系數(shù)的意義解釋：的意義解釋： (2) 如果如果x是連續(xù)變量是連續(xù)變量 對于任意對于任意x1 和和x2, x1 x2 如果如果x 是連續(xù)變量，則是連續(xù)變量，則OR=eb 近似表示在近似表示在x 的相鄰兩個的相鄰兩個 單位上的相對危險度。即單位上的相對危險度。即x 每增加一個單位，相對危險每增加一個單位，相對危險 增加增加 或減少或減少(OR-1)*100%。 授課：XXX24 例例2 2、自變量是連續(xù)型數(shù)值變量、自變量是連續(xù)型數(shù)值變量 為了分析新生兒出生時體重為了分析新生兒出生時體重(birthwt)(birthwt)與支氣管肺的發(fā)育與支氣管肺的發(fā)育 不良病不良病(

19、BPD)(BPD)的關(guān)系，調(diào)查了的關(guān)系，調(diào)查了223223名新生兒。調(diào)查的數(shù)據(jù)名新生兒。調(diào)查的數(shù)據(jù) 列在下表中。列在下表中。 授課：XXX25 data eg7_2； do birthwt=750, 1150, 1550； do bpd=1, 0； input wt ；output； end； end； cards； 49 19 18 62 9 66 run； proc logistic data=eg2 descending； model bpd=birthwt ； weight wt ； run； SAS程序程序 授課：XXX26 Response Profile Response Pro

20、file OrderedOrdered Value BPD Count Value BPD Count 1 1 76 1 1 76 2 0 147 2 0 147 Model Fitting Information and Testing Global Null Hypothesis BETA=0 Model Fitting Information and Testing Global Null Hypothesis BETA=0 Intercept Intercept Intercept and Intercept and Criterion Only Covariates Chi-Squa

21、re for CovariatesCriterion Only Covariates Chi-Square for Covariates AIC 288.140 229.166 .AIC 288.140 229.166 . SC 291.547 235.980 .SC 291.547 235.980 . -2 LOG L 286.140 225.166 -2 LOG L 286.140 225.166 60.974 with 1 DF (p=0.0001)60.974 with 1 DF (p=0.0001) Score . . 56.008 with 1 DF (p=0.0001)Score

22、 . . 56.008 with 1 DF (p=0.0001) Analysis of Maximum Likelihood Estimates Analysis of Maximum Likelihood Estimates Parameter Standard Wald Pr Standardized Odds Parameter Standard Wald Pr Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate Variable DF Estimate Error Chi-Square

23、 Chi-Square Estimate RatioRatio INTERCPT 1 3.7180 0.6387 33.8853 0.0001 . .INTERCPT 1 3.7180 0.6387 33.8853 0.0001 . . BIRTHWT 1 -0.00397 0.000588 45.6092 0.0001 -0.702480 BIRTHWT 1 -0.00397 0.000588 45.6092 0.0001 -0.702480 0.9960.996 SAS輸出結(jié)果輸出結(jié)果 授課：XXX27 1、因變量、因變量bpd對自變量對自變量birthwt 的的logistic回歸模型是

24、：回歸模型是： 2、自變量、自變量birthwt 的回歸系數(shù)在統(tǒng)計(jì)意義上不等于的回歸系數(shù)在統(tǒng)計(jì)意義上不等于0 (p=0.0001)，因此，因此，OR=0.996在統(tǒng)計(jì)意義上不等于在統(tǒng)計(jì)意義上不等于1。 OR=0.996 說明新生兒出生體重每增加一個單位說明新生兒出生體重每增加一個單位(g)，患，患 BPD病的機(jī)會就會減少大約病的機(jī)會就會減少大約0.4% 。即患。即患bpd病的概率病的概率 隨新生兒出生體重的增加而下降。隨新生兒出生體重的增加而下降。 3、根據(jù)上述回歸模型可以預(yù)測新生兒出生時可能患、根據(jù)上述回歸模型可以預(yù)測新生兒出生時可能患BPD病病 的的 概率。概率。 授課：XXX28 一元一

25、元logistic回歸模型系數(shù)回歸模型系數(shù)的意義解釋：的意義解釋： (3) 如果如果x 是分類變量是分類變量 如果如果x 是分類型變量，特別是名義型變量，則需要是分類型變量，特別是名義型變量，則需要 將將x 轉(zhuǎn)化為啞變量，再進(jìn)行轉(zhuǎn)化為啞變量，再進(jìn)行Logistic回歸分析?；貧w分析。 如果如果x是是g個分類的分類型變量，則要將個分類的分類型變量，則要將x 的的g-1個啞個啞 變量放入模型，每一個啞變量的變量放入模型，每一個啞變量的OR 值表示該組與參值表示該組與參 照組的相對危險度。照組的相對危險度。 授課：XXX29 什么是啞變量？什么是啞變量？ 一個含有一個含有g(shù)個類的分類型變量可以構(gòu)造個

26、類的分類型變量可以構(gòu)造g個啞變量。個啞變量。 授課：XXX30 如何用如何用SASSAS程序構(gòu)造啞變量？程序構(gòu)造啞變量？ data d2； set d1； array a3 student teacher worker； do i=1 to 3； ai=( x 1= i ) ； end； run； data d2； set d1； array a3 student teacher worker； do i=1 to 3； if x1=i then ai= 1； else ai=0 ； end； run； 授課：XXX31 如何對啞變量進(jìn)行分析？如何對啞變量進(jìn)行分析？ （1）將g -1個啞變量放

27、入模型進(jìn)行分析，留一個啞變 量作為參照變量； （2）每一個啞變量的OR值表示該啞變量組與參照變量 組的相對危險度。 授課：XXX32 例例3、自變量是分類型變量、自變量是分類型變量 為了了解冠心病與種族的關(guān)系，某研究所調(diào)查了為了了解冠心病與種族的關(guān)系，某研究所調(diào)查了100個樣本，個樣本， 數(shù)據(jù)列在下表中。試估計(jì)各種族間患冠心病的相對危險度。數(shù)據(jù)列在下表中。試估計(jì)各種族間患冠心病的相對危險度。 設(shè)設(shè)y=1表示患冠心病，表示患冠心病，y=0表示未患冠心病。令表示未患冠心病。令x=1表示黑表示黑 人，人，x=2表示白人，表示白人，x=3表示其它種族。將變量表示其它種族。將變量x轉(zhuǎn)化為啞轉(zhuǎn)化為啞 變量

28、，變量名是：變量，變量名是：black、white和和other。 授課：XXX33 data eg7_3； do y=1 , 0； do x=1 to 3； input wt ； output； end； end； cards； 20 5 25 10 20 20 run； data eg7_3； set eg7_3； array a3 black white other； do i=1 to 3； ai=( x = i ) ； end； run； proc logistic descending ； model y= black other ； weight wt ； run； White作

29、為參照組作為參照組 授課：XXX34 The LOGISTIC ProcedureThe LOGISTIC Procedure Response Profile Response Profile Ordered TotalOrdered Total Value Y Count Weight Value Y Count Weight 1 1 3 50.000000 1 1 3 50.000000 2 0 3 50.000000 2 0 3 50.000000 Model Fitting Information and Testing Global Null Hypothesis BETA=0Mo

30、del Fitting Information and Testing Global Null Hypothesis BETA=0 Without With Without With Criterion Covariates Covariates Chi-Square for CovariatesCriterion Covariates Covariates Chi-Square for Covariates AIC 138.629 131.038 .AIC 138.629 131.038 . SC 138.629 130.413 .SC 138.629 130.413 . -2 LOG L

31、138.629 125.038 -2 LOG L 138.629 125.038 13.592 with 3 DF (p=0.0035)13.592 with 3 DF (p=0.0035) Score . . 12.889 with 3 DF (p=0.0049)Score . . 12.889 with 3 DF (p=0.0049) Analysis of Maximum Likelihood Estimates Analysis of Maximum Likelihood Estimates Parameter Standard Wald Pr Standardized Odds Pa

32、rameter Standard Wald Pr Standardized Odds Variable DF Estimate Error Chi-Square Chi-Square Estimate RatioVariable DF Estimate Error Chi-Square Chi-Square Estimate Ratio INTERCPT 1 -1.3863 0.5000 7.6874 0.0056 . .INTERCPT 1 -1.3863 0.5000 7.6874 0.0056 . . BLACK 1 2.0794 0.6325 10.8103 0.0010 2.3495

33、36 BLACK 1 2.0794 0.6325 10.8103 0.0010 2.349536 8.0008.000 OTHER 1 1.6094 0.5831 7.6186 0.0058 1.974184 OTHER 1 1.6094 0.5831 7.6186 0.0058 1.974184 5.0005.000 授課：XXX35 模型總體檢驗(yàn)結(jié)果說明該模型具有統(tǒng)計(jì)意義模型總體檢驗(yàn)結(jié)果說明該模型具有統(tǒng)計(jì)意義(p=0.0035)。 參數(shù)檢驗(yàn)說明，黑人與白人患冠心病的相對危險度是：參數(shù)檢驗(yàn)說明，黑人與白人患冠心病的相對危險度是： OR=8（p=0.0010)，說明黑人患冠心病的幾率大約是，說

34、明黑人患冠心病的幾率大約是 白人的白人的8倍。倍。 參數(shù)檢驗(yàn)說明，其他種族人與白人患冠心病的相對危參數(shù)檢驗(yàn)說明，其他種族人與白人患冠心病的相對危 險度是：險度是：OR=5（p=0.0058)，說明其他種族人患冠心，說明其他種族人患冠心 病的幾率大約是白人的病的幾率大約是白人的5倍。倍。 結(jié)論結(jié)論 授課：XXX36 一元一元logistic回歸模型系數(shù)回歸模型系數(shù)的意義解釋：的意義解釋： 如果如果x是分類型變量是分類型變量(g個分類個分類)，則要將則要將x 的的g-1個啞變量放個啞變量放 入模型，每一個啞變量的入模型，每一個啞變量的OR 值表示該組與參照組的相對值表示該組與參照組的相對 危險度。

35、危險度。 如果如果x=1,0，則則 e b=OR 近似表示在近似表示在x=1條件下的發(fā)病率與條件下的發(fā)病率與 在在x=0 條件下發(fā)病率之比條件下發(fā)病率之比 (相對危險度相對危險度)，或者說，或者說， x=1條條 件下的發(fā)病可能性比件下的發(fā)病可能性比x=1條件下多或少條件下多或少(OR-1)*100%。 如果如果x 是連續(xù)型變量，是連續(xù)型變量，則則OR=eb 近似表示在近似表示在x 的相鄰兩個的相鄰兩個 單位上的相對危險度。即單位上的相對危險度。即x 每增加一個單位，相對危險增每增加一個單位，相對危險增 加加 或減少或減少(OR-1)*100%。 授課：XXX37 b) 多元多元logistic

36、回歸模型系數(shù)的解釋回歸模型系數(shù)的解釋 假設(shè)假設(shè) y 在二值變量在二值變量 x 1和和 x 2上的二元上的二元 logistic回歸模型是：回歸模型是： 可以證明：可以證明： e1 表示消去了表示消去了x 2 的影響后或在的影響后或在x 2 不變的情況下，不變的情況下，x 1 相鄰兩個單位患病率之比（相對危險度）；相鄰兩個單位患病率之比（相對危險度）； e2 表示消去了表示消去了x 1 的影響后或在的影響后或在x 1 不變的情況下，不變的情況下，x 2 相鄰兩個單位患病率之比（相對危險度）。相鄰兩個單位患病率之比（相對危險度）。 授課：XXX38 例例4、無交互影響的多元、無交互影響的多元log

37、istic回歸模型回歸模型 某市調(diào)查飲酒對食道癌的影響，共收集了某市調(diào)查飲酒對食道癌的影響，共收集了200例食道癌患者例食道癌患者 作為病例組作為病例組(y=1)，774例非食道癌患者作為對照組例非食道癌患者作為對照組(y=0)。 詢問了他們的年齡和飲酒情況。數(shù)據(jù)列在下表中。試分析詢問了他們的年齡和飲酒情況。數(shù)據(jù)列在下表中。試分析 飲酒對食道癌的影響，將年齡作為混雜因素。飲酒對食道癌的影響，將年齡作為混雜因素。 授課：XXX39 data eg4； do y=1,0；do age=1 to 3； do drink=1,0； input wt ；output； end； end； end； ca

38、rds； 5 5 67 55 24 44 35 270 56 276 18 119 run ； proc logistic descending ； model y=drink age ； weight wt ； run ； 授課：XXX40 SAS輸出結(jié)果輸出結(jié)果 The LOGISTIC ProcedureThe LOGISTIC Procedure Response Profile Response Profile Ordered TotalOrdered Total Value Y Count Weight Value Y Count Weight 1 1 6 200.00000 1

39、1 6 200.00000 2 0 6 774.00000 2 0 6 774.00000 Model Fitting Information and Testing Global Null Hypothesis BETA=0 Model Fitting Information and Testing Global Null Hypothesis BETA=0 -2 LOG L 989.029 816.466 -2 LOG L 989.029 816.466 172.563 with 2 DF (p=0.0001)172.563 with 2 DF (p=0.0001) Analysis of

40、 Maximum Likelihood Estimates Analysis of Maximum Likelihood Estimates Parameter Standard Wald Pr Standardized Parameter Standard Wald Pr Standardized OddsOdds Variable DF Estimate Error Chi-Square Chi-Square Estimate Variable DF Estimate Error Chi-Square Chi-Square Estimate RatioRatio INTERCPT 1 -4

41、.1249 0.3226 163.4795 0.0001 . .INTERCPT 1 -4.1249 0.3226 163.4795 0.0001 . . DRINK 1 1.7788 0.1865 91.0078 0.0001 3.761888 DRINK 1 1.7788 0.1865 91.0078 0.0001 3.761888 5.9235.923 AGE 1 1.0971 0.1338 67.2705 0.0001 4.108738 AGE 1 1.0971 0.1338 67.2705 0.0001 4.108738 2.9952.995 授課：XXX41 結(jié)論結(jié)論 模型的總體檢

42、驗(yàn)說明模型具有統(tǒng)計(jì)意義模型的總體檢驗(yàn)說明模型具有統(tǒng)計(jì)意義 (p=0.0001)。 參數(shù)檢驗(yàn)結(jié)果顯示所有回歸系數(shù)都具有顯著性意參數(shù)檢驗(yàn)結(jié)果顯示所有回歸系數(shù)都具有顯著性意 義義(p=0.0001)。 OR(drink)=5.923說明除去年齡這個混雜因子的說明除去年齡這個混雜因子的 影響后，飲酒者比不飲酒者大約多影響后，飲酒者比不飲酒者大約多492.3%的可能的可能 性患食道癌性患食道癌(p=0.0001)，或者說飲酒者患食道癌，或者說飲酒者患食道癌 的可能性大約是不飲酒者的的可能性大約是不飲酒者的5.923倍倍(p=0.0001) 授課：XXX42 例例5、有交互影響的多元、有交互影響的多元lo

43、gistic回歸模型回歸模型 在回顧性研究中，隨機(jī)抽查了某地區(qū)在回顧性研究中，隨機(jī)抽查了某地區(qū)818個人的吸煙飲酒等個人的吸煙飲酒等 生活方式以及各種慢性疾病的患病情況。表生活方式以及各種慢性疾病的患病情況。表7-5中列出的是中列出的是 一部分調(diào)查結(jié)果。試分析吸煙、飲酒危險因素對患胃病的一部分調(diào)查結(jié)果。試分析吸煙、飲酒危險因素對患胃病的 影響程度以及它們的交互影響程度。影響程度以及它們的交互影響程度。 表表7-5 生活方式與胃病的調(diào)查數(shù)據(jù)生活方式與胃病的調(diào)查數(shù)據(jù) 授課：XXX43 y =1和0，分別表示患胃病和未患胃??； x 1=1和 0，分別表示吸煙和不吸煙； x 2=1和 0，分別表示飲酒

44、和不飲酒。 建立四個啞變量分別代表四種不同的生活方式，即 x 11=1表示既吸煙又飲酒，0 表示其他； x 10=1表示吸煙但不飲酒， 0 表示其他； x 01=1表示不吸煙但飲酒， 0 表示其他； x 00=1表示既不吸煙又不飲酒， 0 表示其他 。 將前三個啞變量放進(jìn)模型，則可以得前三種生活方式相對 于最后一種生活方式患胃病的相對危險度。 授課：XXX44 data eg7_5； do y=1,0； do x1=1,0； do x2=1,0； input wt ； output ； end ； end ； end ； cards ； 39 25 35 16 101 126 253 223 run； data eg7_5 ； set eg7_5 ； if x1=1 input x1 x2 x3 ；output; end; end; y=1-y； cards； 1 1 3 0 1 0 1 0 0 1 2 0 3 1 1 3 0 1 2 1 9 3 3 2 2 2 0 1 2 0 10 2 2 2 0 0 0 0 0 1 run； proc phreg； model y=x1-x3； strata id； run； 授課：XXX64 The PHREG ProcedureThe PHREG Procedure Testing Global Null Hypothesis: BETA