Logistic回歸的初步應用

Logistic回歸的初步應用匯報人：吳迪2015-5-13

啞變量相關結(jié)果的解釋三

Logistic回歸概述一

SPSS中啞變量的設置二一、Logistic回歸概述（一）應用背景Logistic回歸模型是一種概率模型適合于病例—對照研究、隨訪研究和橫斷研究結(jié)局變量取值必須是二分類或多項分類變量一、Logistic回歸概述（二）與多重線性回歸的區(qū)別與聯(lián)系

聯(lián)系:用于分析多個自變量與一個因變量的關系目的是矯正混雜因素、篩選自變量和更精確地對因變量作預測等。一、Logistic回歸概述（二）與多重線性回歸的區(qū)別與聯(lián)系

區(qū)別:

線性模型：因變量為連續(xù)性隨機變量，且要求呈正態(tài)分布Logistic回歸：因變量的取值僅有兩個，不滿足正態(tài)分布一、Logistic回歸概述（三）Logistic回歸模型令：

y=1發(fā)?。栃浴⑺劳?、治愈等）

y=0未發(fā)病（陰性、生存、未治愈等）將發(fā)病的概率記為P，它與自變量x1,x2,…,xp之間的Logistic回歸模型為：可知，不發(fā)病的概率為：一、Logistic回歸概述（三）Logistic回歸模型經(jīng)數(shù)學變換得：定義：為Logistic變換，即：一、Logistic回歸概述（四）Logistic回歸分析的步驟變量的編碼啞變量的設置和引入變量的篩選輸出結(jié)果的解釋二、SPSS中啞變量的設置（一）啞變量的定義和目的

定義：啞變量又稱虛設變量、虛擬變量或名義變量，用以反映質(zhì)的屬性的一個人工變量，是量化了的自變量，通常取值為0或1。目的：將不能夠定量處理的變量量化。二、SPSS中啞變量的設置（二）啞變量的優(yōu)勢比 啞變量的個數(shù)為n－1（n為取值個數(shù)）；啞變量的優(yōu)勢比表示自變量的某個取值與對照取值的優(yōu)勢比；等級變量轉(zhuǎn)換為啞變量后，還可以分析多個等級之間的優(yōu)勢比，公式為exp(bi-bj)。二、SPSS中啞變量的設置案例：

某研究人員在探討影響腎細胞癌是否轉(zhuǎn)移的有關臨床病理因素的研究中，收集了一批根治性腎切除術患者的腎癌標本資料，現(xiàn)從中抽取26例資料進行Logistic回歸分析。二、SPSS中啞變量的設置

x1x2x3x4x5y59.0 2.0 43.4 2.0 1.0 0.036.0 1.0 57.2 1.0 1.0 0.061.0 2.0 190.0 2.0 1.0 0.058.0 3.0 128.0 4.0 3.0 1.055.0 3.0 80.0 3.0 4.0 1.061.0 1.0 94.4 2.0 1.0 0.038.0 1.0 76.0 1.0 1.0 0.042.0 1.0 240.0 3.0 2.0 0.050.0 1.0 74.0 1.0 1.0 0.058.0 3.0 68.6 2.0 2.0 0.068.0 3.0 132.8 4.0 2.0 0.025.0 2.0 94.6 4.0 3.0 1.052.0 1.0 56.0 1.0 1.0 0.031.0 1.0 47.8 2.0 1.0 0.036.0 3.0 31.6 3.0 1.0 1.042.0 1.0 66.2 2.0 1.0 0.014.0 3.0 138.6 3.0 3.0 1.032.0 1.0 114.0 2.0 3.0 0.035.0 1.0 40.2 2.0 1.0 0.070.0 3.0 177.2 4.0 3.0 1.065.0 2.0 51.6 4.0 4.0 1.045.0 2.0 124.0 2.0 4.0 0.068.0 3.0 127.2 3.0 3.0 1.031.0 2.0 124.8 2.0 3.0 0.058.0 1.0 128.0 4.0 3.0 0.060.0 3.0 149.8 4.0 3.0 1.0二、SPSS中啞變量的設置因變量Y：腎細胞癌轉(zhuǎn)移情況（有轉(zhuǎn)移y=1；無轉(zhuǎn)移y=0）自變量（臨床病理因素）X1：確診時患者的年齡（歲）X2：腎細胞癌血管內(nèi)皮生長因子（VEGF），其陽性表述由低到高共3個等級（1-3）X3：腎細胞癌組織內(nèi)微血管數(shù)（MVC）X4：腎癌組織核組織學分級，由低到高共4級（1-4）X5：腎細胞癌分期，由低到高共4期（1-4）二、SPSS中啞變量的設置在菜單上選擇Analyze==》Regression==》Binary

Logistic...，系統(tǒng)彈出Logistic回歸對話框如下：二、SPSS中啞變量的設置二、SPSS中啞變量的設置Block：選入自變量分組。Covariates：選入自變量。“﹥a*b﹥”：選入交互作用項。Method框：Enter,Forward,Backward,Conditional,LR,WaldSelectionvariable框：限制進入回歸分析的條件。二、SPSS中啞變量的設置Categorical子對話框：用于設置全啞變量模型中各啞變量的取值方式的。Covariates

框：列出所有數(shù)值型自變量，它們均可被指定為分類變量。ChangeContrast

框組：用于設置每個變量的啞變量組中的具體取值和對照組。二、SPSS中啞變量的設置Contrast列表：用于選擇啞變量取值情況：Indicator：為系統(tǒng)默認值。也是最常用的比較方法。Simple：反映的是三分類的平均效應。Difference：除第一類外，各分類與前各分類的平均效應相比較。Helmert：與Difference相反，除最后一類外，各分類與其后各分類的平均效應相比較。Repeated：除第一分類外，各分類與其前一分類相比較。二、SPSS中啞變量的設置三、啞變量相關結(jié)果的解釋上表為記錄處理情況匯總，即有多少例記錄被納入了下面的分析，可見此處因不存在缺失值，26條記錄均納入了分析。三、啞變量相關結(jié)果的解釋應變量分類情況列表應變量：Y=1，有轉(zhuǎn)移；Y=0，無轉(zhuǎn)移圖示：無轉(zhuǎn)移→0；有轉(zhuǎn)移→1三、啞變量相關結(jié)果的解釋啞變量編碼（例x5）1=0,0,02=1,0,03=0,1,04=0,0,1分類變量的編碼三、啞變量相關結(jié)果的解釋偏回歸系數(shù)（B）；標準誤（SE）；Wals卡方值；自由度（df）；P值（sig）；OR值；OR值的95%可信區(qū)