Stata做logistic回歸PPT課件

1、.,1,應(yīng)用Stata做logistic回歸,何保昌,.,2,實(shí)際生活中經(jīng)常會遇到因變量只有0和1的二分類變量，不能滿足正態(tài)性和方差齊性，故不能直接使用線性模型來擬合方程。 Logistic回歸正是處理因變量是二分類或多分類變量的一種方法。現(xiàn)已廣泛應(yīng)用于隊(duì)列研究，病例對照研究和試驗(yàn)性研究，成為分類因變量的首選多變量分析模型。,.,3,分類,按因變量性質(zhì)，可分為二分類、無序多分類、有序多分類。 按是否匹配可分為非條件和條件logistic回歸。,.,4,Stata軟件專門有一組命令用于做不同類型的logistic回歸，例如：logit、blogit、glogit、clogit、mlogit、ol

2、ogit。,.,5,1.Logistic 回歸,命令： logit 因變量 自變量 ,選擇項(xiàng),在進(jìn)行l(wèi)ogistic 回歸時要注意資料的形式。通常，用于logistic 回歸的資料有三種形式： (1) 分水平頻數(shù)資料，一般自變量較少，且均為分類變量，常以各變量(包括因變量、自變量)各水平的組合的頻數(shù)表形式出現(xiàn)。如例1。擬合時仍用上述命令，只是命令中增加fw=頻數(shù)變量選擇項(xiàng)。,.,6,(2) 分組頻數(shù)資料，一般自變量較少，且均為分類變量，常以各自變量(不包括因變量)各水平的組合的頻數(shù)表形式出現(xiàn)，因變量常表達(dá)為分子與分母。如例2。用下列命令： blogit 陽性數(shù)變量 總觀察數(shù)變量 ，logit

3、命令選擇項(xiàng) 或 glogit 陽性數(shù)變量 總觀察數(shù)變量 ，level(#) or (3) 個體水平資料，即一個觀察對象一條記錄。如例3，直接使用logit 命令估計即可。 擬合模型后可以用指令predict 得到預(yù)測概率，然后進(jìn)行模型診斷、應(yīng)用等。,.,7,例1 本例是探討婦女使用雌激素與患子宮內(nèi)膜癌之間關(guān)系的病例-對照研究資料，見表1 ，請計算OR 及其95可信區(qū)間。再用logistic 回歸估計參數(shù)，寫出回歸方程，并說明回歸系數(shù)與OR 的關(guān)系。,.,8,.,9,.,10,.,11,.,12,.,13,.,14,也可以用logit命令,.,15,.,16,.,17,可以利用例3做逐步回歸,S

4、tata 用于逐步回歸分析的命令是在要執(zhí)行的命令前增加sw 。 sw 回歸命令 因變量自變量, 篩選變量的P 值 選擇項(xiàng) 其中，篩選變量的P 值有3 種組合 pr(#) /* 后退法 pe(#) /* 向前法 pr(#) pe(#) /* 逐步后退法 pr(#) pe(#) forward /* 逐步向前法,.,18,pr(#)是剔除變量的P 值，pe(#)是選入變量的P 值，如果只選pr(#)，則表示用后退法，如果同時選用pr(#)和pe(#)表示逐步法。應(yīng)用時，為防止計算進(jìn)入死循環(huán)，pr(#)須略大于pe(#)。例如，pe(0.05)，pr(0.051)。,.,19,1. 用逐步后退法，剔

5、選變量的概率為：pe(0.05)，pr(0.06)，結(jié)果如下： sw logit y x1 x2 x3, pe(0.05) pr(0.06) 2. 用逐步前進(jìn)法，剔選變量的概率不變,結(jié)果如下： sw logit y x1 x2 x3, pr(0.06) pe(0.05) forward,.,20,條件logistic 回歸,非條件logistic 回歸適用于平行組設(shè)計的病例-對照研究，隊(duì)列研究，而不適用于配比設(shè)計的病例-對照研究。對于配比的病例-對照研究資料需要用條件logistic 回歸。其命令為： clogit 因變量 自變量 , group(配比變量) level(#) or 其中g(shù)ro

6、up()是必選項(xiàng)，它是用來區(qū)分各配比組的。level(#)及or 的意義同logit。,.,21,例4 在子宮內(nèi)膜癌與使用雌激素關(guān)系的研究中，運(yùn)用了1:4 的病例-對照研究，配比因素為年齡，共調(diào)查了20 對，100 例。,各變量定義如下： 1: match 配比組 2: y y=1：病例， y=0：對照 3: ht ht=0：無高血壓， ht=1：有高血壓 4: est est=0 未使用過雌激素， est=1：使用過雌激素 5: dose 劑量：dose=0：未使用過， dose=1：0.1-0.299(mg/day) 6: drug drug=0：未使用其他藥物， drug=1：使用了其他

7、藥物,.,22,.,23,首先，使用ht、est、drug 三個變量作條件logistic 回歸。 . clogit y ht est drug, group(match),結(jié)果顯示，患高血壓(ht)及使用其他藥物(drug)與子宮內(nèi)膜癌無關(guān)，而使用過雌激素者患子宮內(nèi)膜癌的可能性比未使用過雌激素者大。因此，可以進(jìn)一步考慮劑量-反應(yīng)關(guān)系。變量劑量(dose)可以按兩種方法處理，先按線性形式進(jìn)入模型，再以啞變量形式進(jìn)入模型，并比較兩者的結(jié)果。 clogit y ht dose drug, group(match）,.,24,結(jié)果顯示，隨著劑量的上升，服用雌激素與患內(nèi)膜癌間的聯(lián)系也明顯上升，呈現(xiàn)出明

8、顯的劑量反應(yīng)關(guān)系。這種關(guān)系是否為線性的？dose 用啞變量形式是否更好？ xi : clogit y ht i.dose drug, group(match),.,25,多類結(jié)果的logistic回歸,在醫(yī)學(xué)研究中，常常會遇到結(jié)果變量是多分類的情況，如同一種腫瘤的不同亞型；病例-對照研究中的一個對照組，兩個或多個病例組；或一個病例組，兩個或多個對照組，如醫(yī)院對照和健康人群對照等。,.,26,用于多類結(jié)果的logistic 回歸的命令是mlogit。,mlogit 因變量 自變量 , base (#) constraints(clist) level(#) rrr ,.,27,例5 產(chǎn)后大出血分

9、為兩大類：即宮縮乏力性(稱為子宮因素)及胎盤因素。在產(chǎn)后大出血與有無妊高癥x1及有無人流史x2的關(guān)系研究中，將產(chǎn)后出血量400ml的作為病例，并分為上述兩類，共調(diào)查了933人，其中子宮因素出血的155人，胎盤因素出血的33人，對照745人。結(jié)果見表5。 本例，結(jié)果變量為： y=0 為對照(C類) y=1 為宮縮乏力性產(chǎn)后大出血(A類) y=2 為胎盤因素產(chǎn)后大出血(B類)。,.,28,.,29,.,30,mlogit y x1 x2 fw=count, rrr,.,31,同一變量在不同的logit函數(shù)中的效應(yīng)可能相同，亦可能不同，這可以通過test命令來檢驗(yàn)。,test 1x1=2x1 test 1x2=2x2,.,32,有序結(jié)果的累積比數(shù)logistic回歸,用于有序結(jié)果的logistic 回歸的命令是ologit。 ologit 因變量 自變量 ,table level(#) 其中選擇項(xiàng)table用于指定打印出各類的概率；level用于指定顯著性水平,.,33,例6 南通醫(yī)學(xué)院陳佩珍教授研究了兒童智商等級與其母親文化程度的關(guān)系，共收集了 857