一、背景
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
部分文章在采用多因素Logistic回归分析探讨某种结局发生影响因素的时候,单因素分析部分有的采用的t/卡方检验,有的采用的是单个变量纳入的Logistic回归。
![c9875d29a43affa576d0a82e4709c96d.png](https://i-blog.csdnimg.cn/blog_migrate/bddebf863000167d17cc6dd4a09291eb.png)
![c9875d29a43affa576d0a82e4709c96d.png](https://i-blog.csdnimg.cn/blog_migrate/bddebf863000167d17cc6dd4a09291eb.png)
二、问题
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
这两类单因素分析方法的区别和联系是什么呢?该如何选择呢?
![c9875d29a43affa576d0a82e4709c96d.png](https://i-blog.csdnimg.cn/blog_migrate/bddebf863000167d17cc6dd4a09291eb.png)
![c9875d29a43affa576d0a82e4709c96d.png](https://i-blog.csdnimg.cn/blog_migrate/bddebf863000167d17cc6dd4a09291eb.png)
三、解答
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
1
相同点
实际上t/卡方检验的结果和单变量纳入的Logistic回归分析结果的统计量和P是一致的,可以相互换算,大家有兴趣可以自行推导。
![c9875d29a43affa576d0a82e4709c96d.png](https://i-blog.csdnimg.cn/blog_migrate/bddebf863000167d17cc6dd4a09291eb.png)
![5e78b4a0b042b3a265f43d55129caa5d.png](https://i-blog.csdnimg.cn/blog_migrate/f95e298704def506574fee8642843ebb.png)
2
不同点
采用t/卡方检验只可以回答自变量和因变量之间有无关系,而采用Logistic回归不仅可以回答二者间有无关系,还可以通过OR值来得到相关性的强弱程度,以及得到区间估计95%CI。但是对于定量资料采用t检验的时候可以展示以结局变量为分组时各个组自变量的平均值和标准差,对于定性资料采用卡方检验的时候可以展示各个组的自变量的分布情况(百分比)。因此两类单因素的方法各有所长,只是从不同的角度去为后续多因素Logistic回归变量删选提供依据,各有所长。
![c9875d29a43affa576d0a82e4709c96d.png](https://i-blog.csdnimg.cn/blog_migrate/bddebf863000167d17cc6dd4a09291eb.png)
长按识别二维码,了解更多精彩行程
![d3381f0a84c0398884ed4947f3afcbee.gif](https://i-blog.csdnimg.cn/blog_migrate/a8cac84c5e8efe2377464f99ed3a3157.gif)
![ae56e8b3a1e8f2259f585d6b6e14aa79.png](https://i-blog.csdnimg.cn/blog_migrate/5234fd3282924effc8646da0fd7d47e5.jpeg)
![3df4913cc86565b85af6f75500fdccf2.gif](https://i-blog.csdnimg.cn/blog_migrate/b25f066e0a250d00db14faaf0625d482.gif)