如何实现logistic回归先单因素后多因素策略?

回归分析是医学研究最重要的手段,其中目的是探讨多因素情况下,各个因素的独立效应。而筛选自变量,最简单的方式、也最常见的方式是“先单因素后多因素法”,即先开展单因素回归,筛选出P值较小者一起纳入多因素回归模型。

目前进行回归分析大多数同学还是使用SPSS,操作简单好上手,更高级一些会使用R语言来简化流程。但是两者完成单因素与多因素分析仍不够快速,在这里为大家介绍一个操作更为简便,可以快速完成先单因素后多因素分析策略的工具!

那就是由浙江中医药大学郑卫军教授开发的风暴统计平台,可以大大简化回归分析与结果整理的难度!它的优势:

  • 平台是基于R语言进行开发,结果准确性有保障

  • 全部菜单式操作,统计小白也可以轻松上手!

  • 结果输出简洁,直接生成三线表,支持word版下载!

下面通过一份实操数据,给大家详细介绍一下风暴统计平台完成先单因素后多因素回归分析的操作全流程!

logistic回归具体网址:https://shiny.medsta.cn/log/

或者百度、必应Bing搜索“风暴统计”

本平台上线的所有工具都是免费的

48758b4b7ca92ea892a5018a1983333c.png

1.进入风暴统计平台

首先,根据下方图示,进入风暴统计平台的logistic回归分析模块!并依次完成数据的导入与整理。

这里我们不再赘述数据的导入与整理过程,详细教程大家可以点击下方链接:

详细指南!风暴统计如何高效导入数据,统计分析快人一步?

详细版!如何利用风暴统计进行数据的整理转换?

415423f7392621edb7c6e69337e7e148.png

2.logistic回归自变量选择

首先,选入变量,包括因变量定量自变量分类自变量

55dae28b236edd9b6f5dcdac5b064ffd.png

①因变量

这里因变量建议使用0和1进行表示,0代表阴性结局(如:未患病、二分类变量中值较小的组),1代表阳性结局(如:患病或二分类结局中值较大的组)。

②定量自变量

平台会将分类数大于5的变量自动归为定量自变量,并在选取定量自变量时,优先显示在上方,便于选取。

528e39dfbd3dee3cd732f684898ef0e1.png

③分类自变量

同理,分类数小于5类的变量归入分类变量,在选取变量时,优先显示分类变量。

1285731d3241fc3c143c700090afb367.png

2.多因素回归设置

接着进行多因素回归,P阈值及回归方式的选择。

P阈值自行选择,如果自变量个数过少,可以适当放宽标准,0.1、0.2也都是可以的。当选择不限制时,选入的全部自变量都将纳入多因素回归分析。

回归方法中如果选用“先单后多”回归策略,逐步回归这里我们选择"否"就可以了。

如果想要使用逐步回归,平台也提供了多种选择:双向逐步回归,向前逐步回归,向后逐步回归以及考虑到有时P值大于0.05的变量在逐步回归时也会留在模型中,新增了根据P<0.05的原则开展逐步回归

3ac1462f40585df4831cff1d7773fb28.png

完成后,右侧直接生成规范的三线表结果!单因素与多因素结果直接合并在一张三线表格中!

ed2dd7bada74f53470a4fce965d85bbe.png

3.下载结果

完成分析后,可以选择小数位数,默认情况下,P值为3位小数,其他统计量为2位小数。调整完成后,下载最终的三线表结果,平台支持下载excel或word

6b4f314af1dc038fedeeb4701e4dea98.png

下载得到的word版结果也十分的简洁美观!三线表及下标脚注,全部一步到位!非常快捷的就完成了"先单后多"影响因素分析策略!

cb0c0cc4c5429c06df7d8a438c0f94b5.png

如果您在风暴统计平台的使用过程中有任何的建议或疑问,欢迎加入我们的讨论群一起交流学习!

262d6e6641f9d660e773285369401617.png

统计机器人交流群

dae4f66b7c84ea2ff228a4d68fb72edd.png

  • 15
    点赞
  • 12
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
二元单因素logistic回归分析是一种用于预测二元因变量(即二分类变量)与单个自变量之间关系的统计方法。该方法基于logistic函数模型,通过计算自变量的系数和常数项来估计因变量的概率。 在二元单因素logistic回归分析中,自变量只有一个,而因变量只有两个取值。例如,我们想要预测学生是否通过一门考试(通过为1,不通过为0),则自变量可以是学生的学习时间。通过收集一组学生的学习时间和他们是否通过考试的数据,可以建立logistic模型来预测学生是否通过考试。模型的输出会给出学生通过考试的概率。 多因素logistic回归分析是一种用于预测二元因变量与多个自变量之间关系的统计方法。与二元单因素logistic回归分析相比,多因素logistic回归分析可以考虑多个自变量对因变量的影响。每个自变量都有一个对应的系数,代表了它们对因变量的影响力大小。这些系数可解释为对数几率的增减量。 使用多因素logistic回归分析可以获得更准确的预测结果,因为它考虑了多个自变量的影响。例如,如果我们想要预测一个人是否患有心脏病,我们可以考虑多个自变量,如年龄、性别、血压和胆固醇水平等。通过收集一组患有或不患有心脏病的人的相关数据,可以建立logistic模型来预测一个人患有心脏病的概率。模型的输出会给出一个人患有心脏病的概率。 总之,二元单因素logistic回归分析适用于只有一个自变量的情况,多因素logistic回归分析适用于有多个自变量的情况。它们是预测二元因变量与自变量之间关系的有效方法,可应用于各种领域的研究和实践中。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值