logistic回归_二元logistic回归分析

897a234e538d48fd271261d9e3ea2e4d.png

SPSS学习乐园

点击上方 蓝色 字体可关注

54e3ba8f760af30664fe98f3ba7f590c.png

logistic回归

    前面介绍过多重线性回归分析,该分析方法是研究一个因变量(服从正态分布)与多个自变量的数量关系,多重线性回归分析 。   在医学研究中,常常需要研究的结局变量不是连续型变量,而是二分类变量或多分类变量,logistic回归分析就能解决这问题。

    依据因变量的分类情况,可分为二分类logistic回归和多分类logistic回归;依据研究设计的不同,可分为非条件logistic回归和条件logistic回归。

1

案例分析

    为研究鼻咽癌发病的危险因素,研究人员对某医院肿瘤防治中心放疗科的105例鼻咽癌新发病例与130名健康人进行病例—对照研究。被调查者的性别(女:0,男:1)、年龄(岁)、鼻咽癌家族史(否:0,是:1)、慢性鼻炎史(否:0,是:1)、职业接触有害物质(否:0,是:1)、吸烟(否:0,是:1)、饮茶(否:0,是:1)、长期锻炼(否:0,是:1)、生活工作压力(否:0,是:1)、鼻咽癌是否发生(否:0,是:1)。

视图变量

9d369c07392f2c2f84332b1633e7fc30.png

数据视图

57055157ebffb1039a68cf5ed19fb941.png

da57118b2e23ff3018c9deb87e26c12e.png

    探求因变量与多个自变量之间关系(若为连续性资料,考虑用多重线性回归分析),该资料因变量为二分类变量,故采用二元logistic回归分析。

2

手把手教你

(一)单击“分析” “回归” “二元logistic”

21f4d5ca8bb5d48852189ed852047835.png

(二)弹出如下对话框

3a31a35f136be5de170bb0731760e085.png

(三)选入相应的因变量和自变量,如图所示

3f3e00b9ef9d628d583760f124945eb5.png

(四)单击“分类”,将各分类变量选入“分类协变量”框中,将参考类别选中“第一个”,单击“更改”(系统默认的为最后一个,具体区别及结果解读可参考后面)

637a12c45ea3ac7c4b29a4b3d337a5f9.png

(五)单击“选项”,勾选“Hosmer-Lemeshow拟合度”和“exp”(OR值),继续

fcfbeff0a7973dd411f4aa19bb231b5c.png

3

结果分析

①该结果显示各变量的编码情况

697cf4c3a7074f6a709df7aafe7b4c38.png

②模型系数的Omnibus检验表明该模型总体有意义,R平方值越接近1,回归模型拟合越好。

c0ee0dec9009472eb0230492e6bc8508.png

③“Hosmer-Lemeshow”检验,sig=0.533>0.05,即模型拟合优度较高

1d3ab6fd0ea3eb1db5b82790e519955d.png

7917c30f3d14f2bdfdffd36853152ef3.png

    该结果显示,肿瘤家族史(P<0.001,OR=7.563)、职业有害接触(P=0.022<0.05,OR=2.381)、吸烟(P<0.001,OR=5.059),锻炼(P=0.003<0.05,OR=0.338)纳入模型中有统计学意义;常量,即截距,在模型中无实际意义。

    OR值解读

    以肿瘤家族史为例:有肿瘤家族史的人患鼻咽癌 是 无肿瘤家族史的7.563倍,即为危险因素。肿瘤家族史(无:0,是:1),前面设置协变量的参考类别为“第一个”,即“0”,方程中给出的exp(B)也是相对于“0”。对于连续型变量,如:年龄(当然,年龄在此研究中不起作用),即年龄每增加1岁,患鼻咽癌的风险增加n(OR)倍。

如果将分类协变量的参考类别为默认,结果如下:

fcaf224898b841150074458bf574f3d1.png

    同样以肿瘤家族史为例,无肿瘤家族史患鼻咽癌是有肿瘤家族史的0.132倍,为保护因素。

logistic回归模型中,卡方值=87.589,P<0.001, 认为该模型有统计学意义。其中,肿瘤家族史、职业有害接触和吸烟是鼻咽癌发生的危险因素,体育锻炼为保护因素。必要的话,还可以写出logistic回归方程。

欢迎大家的批评与指教!!!

67602f166c6976766acd25453f32c9ef.png
  • 14
    点赞
  • 61
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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