logistic 回归

最新推荐文章于 2021-10-30 21:01:23 发布

szdbl

最新推荐文章于 2021-10-30 21:01:23 发布

阅读量677

点赞数

分类专栏：机器学习及统计学习

本文链接：https://blog.csdn.net/szdbl/article/details/48547617

版权

Logistic回归是一种广泛应用的判别分析方法，尤其适合于疾病风险因素分析和药物剂量-反应关系研究。它分为二分类和多分类，常见的应用条件包括独立性、线性关系、样本量要求。拟合Logistic回归方程涉及单因素分析、离散化、多因素筛选等步骤，同时需要注意交互作用项、模型拟合优度判断以及异常点和多重共线性的处理。回归系数代表了事件发生的概率比。常用的统计软件有SPSS、SAS等。

摘要由CSDN通过智能技术生成

Logistic回归：实际上属于判别分析，因拥有很差的判别效率而不常用。 

1． 应用范围：



①     适用于流行病学资料的危险因素分析
②     实验室中药物的剂量-反应关系
③     临床试验评价
④     疾病的预后因素分析

2． Logistic回归的分类：

①     按因变量的资料类型分：

二分类
多分类
其中二分较为常用


②     按研究方法分：


条  件Logistic回归
非条件Logistic回归

两者针对的资料类型不一样，后者针对成组研究，前者针对配对或配伍研究。

3．Logistic回归的应用条件是：



①     独立性。各观测对象间是相互独立的；
②     LogitP与自变量是线性关系；
③     样本量。经验值是病例对照各50例以上或为自变量的5-10倍（以10倍为宜），不过随着统计技术和软件的发展，样本量较小或不能进行似然估计的情况下可采用精确