Logistic回归分析__培训课件.ppt

条件logistic回归 一、原理 表5 1: M 条件logistic回归数据的格式 * t = 0 为病例，其他为对照 条件 logistic 模型 二、应用实例 表16-8 例16-3进入方程中的自变量及有关参数的估计值 采用逐步法 6个危险因素 变量筛选 4个进方程，结果见表16-9。 1:2匹配资料 某研究者调查了某地在冬季两个月期间65岁居民患严重感冒的情况（指需要住院治疗）。根据性别、年龄，每个病例配两个对照。研究目的是想了解接种一种疫苗及患有肺部疾病与患严重感冒之间的关系。 SPSS Analyze→Survival→Cox Regression… 同样适用于m:n的匹配设计分析 logistic回归的应用及其注意事项 一、logistic回归的应用 1．流行病学危险因素分析 logistic回归分析的特点之一是参数意义清楚，即得到某一因素的回归系数后，可以很快估计出这一因素在不同水平下的优势比或近似相对危险度，因此非常适合于流行病学研究。logistic回归既适合于队列研究(cohort study)，也适合于病例-对照研究(case-control study),同样还可以用于断面研究(cross-sectional study) logistic回归的应用及其注意事项 2．临床试验数据分析 临床试验的目的大多是为了评价某种药物或治疗方法的效果，如果有其他影响效果的非处理因素(如年龄、病情等)在试验组和对照组中分布不均衡，就有可能夸大或掩盖试验组的治疗效果。 尽管在分组时要求按随机化原则分配，但由于样本含量有限，非处理因素在试验组和对照组内的分布仍有可能不均衡，需要在分析阶段对构成混杂的非处理因素进行调整。当评价指标为二值变量时(如有效和无效)，可以利用logistic回归分析得到调整后的药物评价结果。对于按分层设计的临床试验可以用相同的方法对分层因素进行调整和分析。 3．分析药物或毒物的剂量反应 在一些药物或毒物效价的剂量-反应实验研究中，每一只动物药物耐受量可能有很大的不同，不同剂量使动物发生“阳性反应”的概率分布常呈正偏态，将剂量取对数后则概率分布接近正态分布。由于正态分布函数与logistic分布函数十分接近，如果用P表示在剂量为X时的阳性率，可用下述模型表示它们之间的关系 用这一模型可以求出任一剂量的阳性反应率 传统的一些方法往往对实验设计有严格的要求，如剂量按等比级数排列，各剂量组的例数必须相同等, 采用logistic回归的方法则没有这些限制。 4．预测与判别 logistic回归是一个概率型模型，因此可以利用它预测某事件发生的概率。例如在临床上可以根据患者的一些检查指标，判断患某种疾病的概率有多大。 二、logistic回归应用的注意事项  * 上表表示：对模型总体的检验，对模型中是否所有的协变量回归系数（常数项除外）全为0进行统计学检验。 School of Public Health Logistic 回归分析Logistic Regression 寇长贵(副教授) Tel: 0431Mail: koucg@jlu.edu.cn 流行病与卫生统计学教研室 吉林大学公共卫生学院 主要内容 概述 非条件logistic回归 条件logistic回归 logistic回归的应用注意事项 Logistic回归 Logistic回归是一个较好的，目前常用的，控制混杂因素的多因素分析方法。 Logistic回归中y呈现为二值变量形式。如发病与不发病，死与活,成功与失败,阳性与阴性, 等等。当应变量只取二个数值时常记为1与0，在SAS的logistic回归中最好记成1与2。 Y=1： 反应，如： 发病，死亡，成功 Y=2：不反应，如：不发病，存活，不成功 Logistic回归的应用 在队列研究中用于预测:把各协变量代入方程，得到P值，即发病的概率。 因素关联分析：分析哪些因素（协变量）对疾病的发生有显著作用。对各偏回归系数作显著性检验，如显著，则说明在排除其它因素的影响后，该因素与发病有显著关系。 求各因素在排除其它因素的影响后，对于发病的相对危险度（或比数比） 比较各因素对于发病的相对重要性:比较各标准化偏回归系数bi绝对值的大小，绝对值大的对发病的作用也大。 Logistic回归 目的：作出以多个自变量（危险因素）估计应变量（结果因素）的logistic回归方程。属于概率型非线性回归。 资料：1. 应变量为反映某现象发生与不发生的二值变量；2. 自变量宜全部或大部分为分类变量，可有少数数值变量