同濟(jì)醫(yī)學(xué)院SPSS課件-SPSS Logistic回歸

《同濟(jì)醫(yī)學(xué)院SPSS課件-SPSS Logistic回歸》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在行業(yè)資料-天天文庫。

1、Logistic回歸第10章非參數(shù)檢驗(yàn)SPSS應(yīng)用華中科技大學(xué)公共衛(wèi)生學(xué)院流行病學(xué)與衛(wèi)生統(tǒng)計(jì)學(xué)系蔣紅衛(wèi)jhwccc@21cn.com內(nèi)容基本概念基本步驟基本操作基本結(jié)果解釋數(shù)據(jù)分析的背景計(jì)量資料單因素統(tǒng)計(jì)分析對(duì)于兩組計(jì)量資料的比較，一般采用t檢驗(yàn)或秩和檢驗(yàn)。對(duì)于兩個(gè)變量的相關(guān)分析采用Pearson相關(guān)分析或Spearman相關(guān)分析考慮多因素的影響，對(duì)于應(yīng)變量(反應(yīng)變量)為計(jì)量資料，一般可以考慮應(yīng)用多重線性回歸模型進(jìn)行多因素分析。數(shù)據(jù)分析的背景單因素的分類資料統(tǒng)計(jì)分析，一般采用Pearson?2進(jìn)行統(tǒng)計(jì)檢驗(yàn)，用OddsRatio及其95%可信區(qū)間評(píng)價(jià)

2、關(guān)聯(lián)程度?？紤]多因素的影響，對(duì)于反應(yīng)變量為分類變量時(shí)，用線性回歸模型P=a+bx就不合適了，應(yīng)選用Logistic回歸模型進(jìn)行統(tǒng)計(jì)分析。Logistic回歸模型按研究設(shè)計(jì)分類非配對(duì)設(shè)計(jì)：非條件Logistic回歸模型配對(duì)病例對(duì)照：條件Logistic回歸模型按反應(yīng)變量分類二分類Logistic回歸模型(常用)多分類無序Logistic回歸模型多分類有序Logistic回歸模型基礎(chǔ)知識(shí)通過下例引入和復(fù)習(xí)相關(guān)概念例如：研究患某疾病與飲酒的關(guān)聯(lián)性患病率P1=a/m1P2=b/m2基礎(chǔ)知識(shí)Odds（優(yōu)勢(shì)）P越大,則Odds越大；P越小,則Odds越小并且0

3、比較OR=1?OR>1?OR<1?(二分類)Logistic回歸模型因?yàn)?

4、c回歸分析時(shí)，對(duì)回歸系數(shù)的解釋都是指在其它所有自變量固定的情況下的優(yōu)勢(shì)比。存在因素間交互作用時(shí)，Logistic回歸系數(shù)的解釋變得更為復(fù)雜，應(yīng)特別小心?；貧w系數(shù)的意義適用條件反應(yīng)變量為二分類變量或某事件的發(fā)生率；自變量與logit（P）之間為線性關(guān)系；殘差合計(jì)為0，且服從二項(xiàng)分布；各觀測(cè)間相互獨(dú)立。logistic回歸模型應(yīng)該使用最大似然法來解決方程的估計(jì)和檢驗(yàn)問題，不應(yīng)當(dāng)使用以前的最小二乘法進(jìn)行參數(shù)估計(jì)。研究急性心肌梗塞(AMI)患病與飲酒的關(guān)系，采用橫斷面調(diào)查。例1SPSS基本操作SPSS基本操作SPSS基本操作SPSS基本操作SPSS基本操作

5、啞變量設(shè)置啞變量設(shè)置為了便于解釋，對(duì)二項(xiàng)分類變量一般按0、1編碼，一般以0表示陰性或較輕情況，而1表示陽性或較嚴(yán)重情況。如果對(duì)二項(xiàng)分類變量按+1與-1編碼，那么結(jié)果容易造成錯(cuò)誤的解釋。分類變量必須轉(zhuǎn)化。如地區(qū)對(duì)血壓的影響。等級(jí)資料，當(dāng)?shù)燃?jí)之間量度不一時(shí)必須轉(zhuǎn)化，如正常，超重和肥胖連續(xù)資料不宜直接進(jìn)入方程時(shí)，轉(zhuǎn)化為等級(jí)資料或分類資料SPSS啞變量設(shè)置IndicatorSimpleDifferenceRepeated參照分類為0，其余為1，即各分類與參照分類比較除第一類分類外，各分類與其之前平均分類效應(yīng)比較SPSS啞變量設(shè)置Helmert與Differ

6、ence相反，各水平與其之后水平的平均效應(yīng)比較Deviation：除參照分類外，各水平與分類的總效應(yīng)比較Polynomial正交多項(xiàng)式設(shè)置自動(dòng)設(shè)置啞變量是有缺點(diǎn)的等級(jí)變量不合適啞變量設(shè)置應(yīng)注意的問題參照水平最好要有實(shí)際意義，不推薦使用其他作為參照；參照水平組要有一定的頻數(shù)作保證，應(yīng)不少于30或50例；對(duì)有序自變量的分析：從專業(yè)出發(fā)確定；分別以啞變量和連續(xù)性變量的方式引入模型進(jìn)行比較后確定。SPSS基本操作SPSS基本操作模型擬合優(yōu)度指標(biāo)，P值越大越好迭代過程參數(shù)估計(jì)的相關(guān)矩陣，均<0.80，提示各協(xié)變量間相互獨(dú)立校正混雜作用實(shí)例2：上例沒有考慮吸煙

7、情況，故將吸煙作為分層加入，資料如下：SPSS基本操作同例1逐步回歸分析在多因素統(tǒng)計(jì)分析中，多個(gè)自變量之間存在相關(guān)性，往往相互影響，研究者希望尋找主要影響應(yīng)變量Y的因素。理論上，只要把各種因素組合都試一遍，尋找變量個(gè)數(shù)最多，每個(gè)變量均有統(tǒng)計(jì)學(xué)意義，并且模型擬合程度最好的模型，這種模型稱為最佳預(yù)測(cè)模型，這種方法稱為尋找最優(yōu)子集，當(dāng)變量較多時(shí)很難實(shí)現(xiàn)。逐步回歸為了比較方便地找到最佳預(yù)測(cè)回歸模型，一般采用逐步回歸的分析策略建立擬最佳預(yù)測(cè)回歸模型。逐步回歸采用逐個(gè)增加最佳變量的方式或逐個(gè)減少最差的變量方式找到最佳或擬最佳回歸模型。逐步Logistic回歸無

8、論是條件還是非條件Logistic回歸，在多變量分析時(shí)均可以采用逐步回歸方法，實(shí)現(xiàn)的方法是：所有變量一次全部進(jìn)入方程。向前