章logistic回归分析.PPT

第十八章  logistic回归分析 例18-1 在研究医院抢救急性心肌梗塞（AMI）患者能否成功的危险因素调查中，某医院收集了5年中该医院所有的AMI患者，共200例，研究危险因素为X1(抢救前是否休克）； X2(抢救前是否心衰）； X3(抢救前是否超过12小时）等。 研究目的：分析影响抢救成功的主要因素。 而我们在研究中, 又经常要分析应变量结果的产生与哪些因素有关。 例如：生存与死亡, 发病与未发病, 阴性与阳性等结果的产生可能与病人的年龄、性别、生活习惯、体质、遗传等许多因素有关。 目的：作出以多个自变量（危险因素）估计应变量（结果因素）的logistic回归方程。 资料：1. 应变量为反映某现象发生与不发生的二值变量；2. 自变量宜全部或大部分为分类变量，可有少数数值变量。分类变量要数量化。 例18-1 在研究医院抢救急性心肌梗塞（AMI）患者能否成功的危险因素调查中，某医院收集了5年中该医院所有的AMI患者，共200例，研究危险因素为X1(抢救前是否休克）； X2(抢救前是否心衰）； X1(抢救前是否超过12小时）等。 研究目的：分析影响抢救成功的主要因素。 用途：研究某种疾病或现象发生和多个危 险因素（或保护因子）的数量关系。 单因素 用 检验的局限性： 只能研究1个危险因素; 只能够定性。 outline Logistic回归模型的基本结构与建立 条件logistic回归 Logistic回归的应用与注意事项 一、 基本概念 Logistic回归模型的构造 若因变量y为连续型正态定量变量时， 可采用多元线性回归分析y与变量 X1, X2, … , Xp之间的关系： y＝β0+β1X1+β2X2+…+βpXp 等式左边 变化范围 概率预报模型 Logistic回归模型是一种概率模型, 它是以疾病,死亡等结果发生的概率为因变量, 影响疾病发生的因素为自变量建立回归模型。 它特别适用于应变量为二项, 多项分类的资料。 在临床医学中多用于鉴别诊断, 评价治疗措施的好坏及分析与疾病预后有关的因素等。 流行病学衡量危险因素作用大小的比数比例指标。计算公式为： 三、logistic回归模型的假设检验 三、logistic回归模型的假设检验 例18-1 在研究医院抢救急性心肌梗塞（AMI）患者能否成功的危险因素调查中，某医院收集了5年中该医院所有的AMI患者，共200例，研究危险因素为X1(抢救前是否休克）； X2(抢救前是否心衰）； X1(抢救前是否超过12小时）等。 研究目的：分析影响抢救成功的主要因素。 方法：前进法、后退法和逐步法。检验统计量：不是 F 统计量，而是似然比统计量、  Wald 统计量和计分统计量之一。 一、logistic回归的应用 1．流行病学危险因素分析 logistic回归得到某一因素的回归系数bj后，可以很快估计这一因素在不同水平下的优势比或相对危险度，非常适用于流行病学研究（包括病例对照研究、队列研究、横断面研究）。 一、logistic回归的应用 2．校正混杂因素 流行病学中常存在一些混杂因素，logistic可以很方便的控制混杂因素的影响，得到校正后的优势比。 比Mantel-Haenszel应用方便的多。 一、logistic回归的应用 3．预测与判别 如： 通过例20-1建立的模型，根据AMI患者的危险因素暴露情况，预测AMI抢救成功的概率。 对于条件logistic回归，常数项得不到估计，不能用于预测。 有的情况下，模型的常数项没有多大实际意义。 对于病例对照研究的病例和对照的比例是人为选定的,不能代表自然人群的病例和非病例的比例,因而建立的模型常数项没有实际意义,也不能直接用于预测。 大规模的队列研究和横断面研究中，不同暴露层的发病率（或患病率等指标）与研究人群分布一致，常数项才有意义，可用来预测。 二、logistic回归应用的注意事项 1、变量的取值形式： 数值变量 —转化为有序分类，便于结果解释。 无序分类 —为了便于解释，对二项分类变量一般按0、1编码，一般以0表示阴性或较轻情况，而1表示阳性或