![1485bfa7dc5220120dfc3ffc04ca3836.gif](https://i-blog.csdnimg.cn/blog_migrate/1697876900c47b54c55d3cc55c782cc6.gif)
在前几期文章中,我们讲到了因变量为连续线性型的回归分析,用线性回归;因变量为对立二分类变量,用二元Logistic回归。
但当我们遇到因变量为等级变量时候,比如某种疾病的严重程度,分为轻、中、重度,要研究这一类变量的影响因素的时候,之前讲解的线性和二元Logistic就都不适用了,那么这一类变量,就要用到有序Logistic回归了。
下面我们通过实际案例来详细讲解SPSS有序Logistic回归在医学统计分析中的应用操作及分析。
案例数据与背景:我们搜集了142例患者的某疾病严重程度,以及一些可能有影响的因素,可以看到严重程度分为轻、中、重3个等级,为递进关系。要研究年龄、高血压、糖尿病等因素是否会对严重程度造成显著的影响,这里就要采用有序Logistic回归。
![fe00133113da7f9300c507dca104a710.png](https://i-blog.csdnimg.cn/blog_migrate/c7e8aa1afae54d9d56e244eb7c0f4a54.jpeg)
图1
有序Logistic回归在spss中的操作步骤
①点击“分析”-“回归”-“有序”(图2),在弹出的窗口中,将“严重程度”选入右侧“因变量”框内,将“高血压”、“糖尿病”、“尿蛋白”这些分类自变量选入右侧“因子”框内,最后将剩余连续型自变量选入右侧“协变量”框中(图3)
![896bacc5fc18f2f327bb84fd1dc72627.png](https://i-blog.csdnimg.cn/blog_migrate/7c2cdb7417f7707817709c2361ffe196.jpeg)
图2
![6a03fe0b6a0ef71ebb7de7dd8d568e4a.png](https://i-blog.csdnimg.cn/blog_migrate/3c55532be56ea1fa85e49cad633725ed.jpeg)
图3
②选好变量后,在进行相关的参数设置,点击右侧的“输出”选项,在弹出的窗口中勾选“平行线检验”,以及右侧“保存的变量”下的4个选项(图5)。其他参数则无需更改,默认设置即可。设置好后,点击确定进行运算结果。
![91d74d28209bf25e980015359137fb6b.png](https://i-blog.csdnimg.cn/blog_migrate/61001468699ba322468e90512a0eafc7.jpeg)
图4
![6128a2edfd1f20569e14d55280dafbea.png](https://i-blog.csdnimg.cn/blog_migrate/f2049ba580434daaea6f7599a52288ec.jpeg)
图5
③分析结果
![e9132e411e5c884c4f8eecfb9038f7fe.png](https://i-blog.csdnimg.cn/blog_migrate/b56dd9f723e8dece18192462573653cc.jpeg)
图6
首先看上面模型拟合信息表,可以看出不含任何自变量的模型和含有所有自变量的模型存在显著的差异,P<0.05,说明数据和模型拟合程度良好。
![1d9f8affd11983c4a0cbf58463e8a947.png](https://i-blog.csdnimg.cn/blog_migrate/5f5daf197ef8552127ec4360f2f8040c.jpeg)
图7
再看参数估算表:在0.05的显著性水平下
1. 尿肌酐能显著影响严重程度,P<0.05,回归系数为-0.304<0,说明尿肌酐越大,患者严重程度从轻上升为中,或者从中上升为重的概率就越低。尿肌酐每高1个单位,患者严重程度从轻上升为中,或者从中上升为重的概率是尿肌酐每低1个单位的0.738倍
2. 血尿酸能显著影响严重程度,P<0.05,回归系数为-0.012<0,说明血尿酸越大,患者严重程度从轻上升为中,或者从中上升为重的概率就越低。血尿酸每高1个单位,患者严重程度从轻上升为中,或者从中上升为重的概率是血尿酸每低1个单位的0.988倍
3. 血肌酐能显著影响严重程度,P<0.05,回归系数为0.047>0,说明血肌酐越大,患者严重程度从轻上升为中,或者从中上升为重的概率就越高。血肌酐每高1个单位,患者严重程度从轻上升为中,或者从中上升为重的概率是血肌酐每低1个单位的1.048倍
![47b852346e14ea15347b81cf295643d6.png](https://i-blog.csdnimg.cn/blog_migrate/8b9f7f117b70553c6e7fd9974354eb3a.jpeg)
图8
最后看平行线检验表可以看出,本次数据代入回归模型后,位置参数(斜率系数)在各个响应类别中相同的显著性P>0.05,表明本数据代入回归模型后算出的结果真实有效,通过了平行线检验。
以上就是今天所讲解的SPSS有序Logistic回归在医学统计分析中的应用操作及分析的全部内容。在下一期我们将会讲解因变量为无序多分类变量,比如某疾病类型分为A、B、C三类,要分析这种疾病的影响因素,就要使用无序Logistic回归了。敬请大家关注!
本期课程就到这里哦,感谢大家耐心观看!每日更新,敬请关注!
【杏花开生物医药统计】微信公众号(xhkdata)
![073009c28b4000287fb99c3570ac6f20.gif](https://i-blog.csdnimg.cn/blog_migrate/6351f7a30ef1697f89c4c5ab4b069e31.gif)
· SPSS生存分析在生物医药统计中的应用之COX风险比例回归
· SPSS二元Logistic回归在生物医药统计分析中的应用
· Medcalc软件精准比较多个指标诊断准确率
· SPSS多元线性回归的应用操作及分析
· SPSS和GraphPad如何比较组内和组间差异
· AMOS结构方程进行医学问卷量表分析教程
· SPSS生存分析在生物医药统计中的应用
· GraphPad Prism统计绘图之柱状图、箱式图
· SPSS中对问卷数据进行探索因子分析的详细操作与结果解读
· SPSS问卷数据统计分析之项目分析
· Excel进行线性回归模型分析的操作
· SPSS中常用的参数和非参数检验方法
· ROC曲线在SPSS中的操作及应用
· 一文读懂R语言如何实现逐步回归分析
· R语言中如何绘制散点图和箱线图?
· SPSS中的Variable数据变量类型介绍
· 相关性分析在SPSS中的操作,相关系数含义
· 一文读懂SPSS单因素方差分析及方差分析
· 线性回归决定系数R方的计算方法及具体意义
· 医学和生物统计全过程
· 生物和医学统计中的假设检验
· GraphPad Prism绘制生存曲线详细教程