logistic回归分析 r_往期精彩：回归分析有序Logistic回归 ——因变量是有序分类变量的回归分析...

有序Logistic回归

——因变量是有序分类变量的回归分析

　　【例】研究BMI相关的危险因素。资料如下：

表1　BMI相关危险因素原始资料

　　将BMI分成三类并赋值——正常(BMI=18-23)=1、偏高(BMI=24-27)=2、肥胖(BMI≥28)=3；性别赋值——1=男，0=女；年龄分组并赋值——20-29岁组=1、30-39岁组=2、40-49岁组=3；糖尿病状态赋值——有=1、无=0；职业分类赋值——轻体力劳动者=1、中体力劳动者=2、重体力劳动者=3。转换后资料如表2所示。

表2　原始资料的分类转换结果

敲黑板讲重点：

　　回归分析需要根据研究目的事先判断因变量(Y)。如本例数据，研究目的是分析哪些因素对BMI产生影响，而BMI分为正常、偏高、肥胖三类，为有序变量，因此采用的是有序logistic回归。如果研究目的是分析哪些因素对是否是糖尿病有影响，那么由于糖尿病是二分类变量，采用的应该是二分类logistic回归。

【操作】 1 输入原始数据

图1　原始数据输入结果

2 调用命令

图2 　调用有序Logistic回归分析程序

3 定义变量

图3　定义变量

敲黑板讲重点：

　　因子中的变量理论上可为任意类型变量，但对于分类变量logistic回归拟合效果更好。因子中如含有数值型变量需要的样本量大，建议的解决办法：数值型变量作为协变量进入模型拟合。等级变量既可作为因子，也可作为协变量，可根据实际情况选择。

4 其他设置

　　在输出中选择“平行线检验”

图4　定义参考类别

敲黑板讲重点：

　　有序logistic回归给出的是因变量不同取值时的k-1个拟合模型，这些模型的回归系数相同，只是常数项不同。因此，模型必须符合平行原则。

【结果解读】

　　系统首先给出“个案处理摘要”，接着给出模型拟合信息。

　　模型拟合信息是对拟合模型的检验，主要采用-2对数似然法。本例数据的检验结果是卡方值为44.120，P=0.003<0.05，模型成立。

　　接着，给出了拟合优度。两个拟合优度检验结果为P=0.668，P=0.587，均大于0.05，接受原假设，拟合效果好。

　　然后，给出了伪R方。伪R方是评价混合效应模型的指标，越大越好。本例数据伪R方的考克斯•斯奈尔值为0.425，说明各因素对因变量的综合解释达到42.5%，效果尚可。

敲黑板讲重点：

　　在理论上，一般认为R方越大越好，最好大于0.7以上。但在实际医学案例的多因素分析中，一般很难达到。

　　然后是本次分析的重点，参数估算值表。

　　以BMI=3为参照，给出了BMI=1和BMI=2的两个方程，两个方程的回归系数一致，不同是常数。BMI=1时的常数为-1.170，BMI=2时的常数为1.064，但两个常数均没有意义(P>0.05)。

　　回归系数中，年龄、性别、是否是糖尿病对BMI有影响，职业对BMI没有影响(P>0.05)。其中，年龄的系数为1.162，P=0.043，年龄越大BMI越大；与女性相比，男性的系数为-2.039，P=0.012，男性的BMI比女性小；与糖尿病者相比，非糖尿病者的系数为-2.091，P=0.018，非糖尿病者BMI比糖尿病者小。

敲黑板讲重点：

　　Logistic回归分析很重要的是看优势比(OR)，但SPSS24.0版本的有序Logistic回归分析尚不能计算OR值，需要将有意义的变量的回归系数带到EXP(B)函数中进行计算，即可得到。

　　最后是平行检验的结果：

　　P=0.905>0,05，接受原假设，拟合的模型符合平行原则，可以接受。

　　由于职业对BMI没有影响，不能纳入方程，因此，应剔除职业，纳入年龄、性别、是否糖尿病，再做一次回归分析。操作同上，结果如下：

【论文表述】

　　经有序Logistic回归分析，BMI的大小与年龄、性别、是否糖尿病有关(P<0.05)；年龄越大BMI越大，年龄大者BMI大的可能性是年龄小者的3.494(EXP(1.251))倍；与女性相比，男性BMI大的可能性小，男性BMI大的可能性是女性的0.118(EXP(-2.137))倍；与是糖尿病者相比，不是糖尿病者BMI大的可能性小，不是糖尿病者BMI大的可能性是糖尿病者的0.145(EXP(-1.933))倍。为此，可认为大龄、女性、有糖尿病等是BMI异常的三个危险因素。

原创人员：蔡晶

微信编辑：张俊