spss統(tǒng)計(jì)分析視頻數(shù)據(jù)

IBM-SPSS第17章

Logistic回歸

簡(jiǎn)單回歸模型中，要求因變量為連續(xù)型變量，且要符合正態(tài)性和方差齊性等條件。然而，在實(shí)際資料分析中，有一些因變量是分類變量，那么這樣的資料就不能使用前面介紹的線性回歸模型進(jìn)行分析。遇到這種情況，一般采取logistic回歸模型對(duì)數(shù)據(jù)進(jìn)行分析。17.1

二項(xiàng)分類logistic回歸

二項(xiàng)分類logistic回歸是指因變量為二分類變量時(shí)的回歸分析。在實(shí)際工作中，這樣的例子很多，如在采用了某種治療方案后，的治療結(jié)局是有效或無效、生存或；人們對(duì)自己的生存質(zhì)量是否滿意；想探討胃癌發(fā)生的，可以選擇兩組人群，一組是胃癌組，一組是非胃癌組，兩組人群肯定有不同的體征和生活方式等。這里的因變量就是是否胃癌，即“是”或“否”，為兩分類變量。實(shí)例詳解例1.

為了評(píng)價(jià)某新療法的療效，某研究者隨機(jī) 了40名某病患者，治療后一定時(shí)間內(nèi)觀察其康復(fù)狀況，數(shù)據(jù)見例17-1.SAV。其中變量Y為康復(fù)狀況（Y=0表示未康復(fù)，Y=1表示康復(fù)），X1表示病情嚴(yán)重程度（1表示嚴(yán)重，0表示不嚴(yán)重），X2表示療法（0表示新療法，1表示傳統(tǒng)療法）。目的研究評(píng)價(jià)不同療法對(duì)康復(fù)狀況的作用有無差別？1．二分類logistic回歸分析單擊“分析”|“回歸”|“二元logistic”，彈出二分類logistic回歸分析 框，如圖17-1所示。2．方法下拉列表框選擇變量進(jìn)入方程的方法。進(jìn)入法：全變量模型。向前條件法：基于條件參數(shù)估計(jì)的前進(jìn)法。向前LR法：基于偏最大似然估計(jì)的前進(jìn)法。向前Wald法：基于Wald統(tǒng)計(jì)量的前進(jìn)法。向后條件法：基于條件參數(shù)估計(jì)的后退法。向后LR

法：基于偏最大似然估計(jì)的后退法。向后Wald

法：基于Wald統(tǒng)計(jì)量的后退法。3．“分類”按鈕單擊“分類”，彈出如圖

17-2所示的框，此對(duì)話框是用于多分類變量的比較。（1）分類協(xié)變量框：選入多分類協(xié)變量，可同時(shí)選入多個(gè)。選入的協(xié)變量后的括弧內(nèi)表示選定的改變量不同類間的多重比較方法。（2）對(duì)比下拉列表框：4.“保存”按鈕單擊“保存”按鈕，彈出如圖17-3所示的框，此

框主要用于輸出新的變量和參數(shù)。5．“選項(xiàng)”按鈕單擊“選項(xiàng)”按鈕，彈出如圖17-4所示的框。2．結(jié)果解讀（1）如圖17-6所示為數(shù)據(jù)一般情況的分析，包括總樣本量以及缺失值。（2）如圖17-7所示為因變量取值水平編碼信息。（3）如圖17-8所示為模型中僅含有常數(shù)項(xiàng)時(shí)的正確 結(jié)果，此例中正確義就是，原數(shù)據(jù)中40個(gè)觀察結(jié)果是57.5%。其意中，未康復(fù)的有23人，康復(fù)的有17人，如果每一均分類到未康復(fù)，則可以得到正確 百分率是57.5%。（4）如圖17-9所示中給出的是模型中未引入自變量時(shí)常數(shù)項(xiàng)的估計(jì)值，SE為其標(biāo)準(zhǔn)誤，Wals為Wals卡方值，是對(duì)總體回歸系數(shù)是否為零進(jìn)行假設(shè)檢驗(yàn)。(5)如圖17-14所示反映的是模型中各自變量的偏回歸系數(shù)（B）、標(biāo)準(zhǔn)誤（SE）、Wals卡方值、 度（df）、P值（sig）以及OR值和OR值的95%

區(qū)間（CI）。由此

得出結(jié)論，自變量X2（療法）對(duì)某病患者的康復(fù)情況有影響，采用傳統(tǒng)療法(X2=1)的

比采用新療法(X2=0)的 更不易康復(fù)，換句話說，就是新療法比傳統(tǒng)療法的療效更好。17.2

條件logistic回歸從統(tǒng)計(jì)學(xué)的角度來看，控制潛在的混雜因素的干擾有兩種辦法，一是在設(shè)計(jì)時(shí)加以控制，二是在統(tǒng)計(jì)分析時(shí)對(duì)其進(jìn)行調(diào)整。在設(shè)計(jì)階段控制混雜因素的方法就是配對(duì)或配比(match)設(shè)計(jì)。即對(duì)每一個(gè)符合入組條件的病例，按配比因素尋找一個(gè)或幾個(gè)非病例作為對(duì)照，再比較病例和對(duì)照各自以往的經(jīng)歷，達(dá)到分析的目的。對(duì)于配對(duì)設(shè)計(jì)的資料，如果采用logistic回歸模型進(jìn)行分析，就應(yīng)該采用配對(duì)logistic回歸模型也稱為條件logistic回歸。由于SPSS

沒有提供專門的分析模塊，因此，在實(shí)際應(yīng)用當(dāng)中常采用分層cox回歸模型進(jìn)行擬合。17.3

有序logistic回歸前面介紹的logistic回歸應(yīng)變量為二分類變量，服從二項(xiàng)分布，但當(dāng)變量水平數(shù)大于2并且為有序變量時(shí)，如治療結(jié)局為無效、好轉(zhuǎn)、康復(fù)三個(gè)水平，病情為輕、中、重三個(gè)等級(jí)，此類資料需要采用有序logistic回歸模型進(jìn)行分析。例2.擬合 和兩種治療方法對(duì)某病療效的影響，療效的等級(jí)為3個(gè)等級(jí)，具體賦值如下：：男=0，女=1；新療法=1，舊療法=0

；療效：1=顯效，2=有效，3=無效。試進(jìn)行分析。1．操作步驟（1）單擊“分析”|“回歸”|“有序”命令，彈出圖17-3-1所示的

框；（2）將因變量“療效”放入“因變量”框；將因素“ ”、“治療方法”放入“協(xié)變量”列表框；（3）單擊“選項(xiàng)”按鈕，在置信區(qū)間內(nèi)填入95，單擊“繼續(xù)”按鈕，返回主 框。（4）單擊“確定”運(yùn)行，輸出結(jié)果。2．結(jié)果解讀（1）首先圖17-21給出的是因變量每一類別的頻數(shù)及構(gòu)成比。（2）如圖17-22所示反映的是對(duì)模型進(jìn)行的似然比檢驗(yàn)，p小于0.05表示模型有統(tǒng)計(jì)學(xué)意義。（3）如圖17-23所示反映的是模型的擬合優(yōu)度檢驗(yàn)，分別為Perason卡方檢驗(yàn)和Deviance卡方檢驗(yàn)，兩個(gè)擬合優(yōu)度檢驗(yàn)的P值均大于0.05，表示模型擬合較好。（4）如圖17-24所示給出的是模型的三種偽決定系數(shù)，對(duì)于分類數(shù)據(jù)而言，偽決定系數(shù)一般不會(huì)太高。（5）如圖17-25所示是最重要的結(jié)果，是回歸系數(shù)的參數(shù)估計(jì)及假設(shè)檢驗(yàn)結(jié)果。本例因變量有3個(gè)水平，因此會(huì)得出兩個(gè)回歸方程。17.4

多項(xiàng)分類logistic回歸

多個(gè)因變量的取值有時(shí)無大小順序，如因變量為職業(yè)（學(xué)生、教師、工人、農(nóng)民、商人、公務(wù)員等）或者居住地（山區(qū)、平原、丘陵等）等，這樣的變量類型又稱為多項(xiàng)無序分類變量，又稱名義變量，名義變量與自變量之間建立的回歸模型被稱為多項(xiàng)分類logistic回歸模型。17.4.3實(shí)例分析

研究者隨機(jī)抽取了三個(gè)不同的中學(xué)，研究和不同課程計(jì)劃對(duì)學(xué)生學(xué)習(xí)方式偏好的影響.具體見數(shù)據(jù)庫mlogit.sav。本例有兩個(gè)自變量，中學(xué)和課程計(jì)劃；一個(gè)因變量：學(xué)習(xí)方式。其中學(xué)校變量有

3個(gè)水平（1、2、3），課程計(jì)劃有2個(gè)水平（1常規(guī)，2附加），學(xué)習(xí)方式變量有3個(gè)水平（1自修、2小組、3上課）。列出主要的模型擬合的結(jié)果；列出主要的參數(shù)估計(jì)的結(jié)果，并給出合理的解釋。模塊解讀1．多項(xiàng)分類logistic回歸單擊“分析”|“回歸”|“多項(xiàng)logistic”命令，彈出多項(xiàng)logistic回歸分析 框，如圖17-26。因變量選入多項(xiàng)分類的因變量，因子選入分類自變量，協(xié)變量選入連續(xù)型變量或二分類變量。2．“模型”按鈕單擊“模型”按鈕，可在彈出的

框中定義交互作用以及選擇逐步回歸模型，如圖17-27所示。3．“統(tǒng)計(jì)量”按鈕單擊“統(tǒng)計(jì)量”按鈕，彈出如圖17-28所示的對(duì)話框，這里說明模型的擬合信息及輸出的參數(shù)，具體意義和前面章節(jié)類似。2．結(jié)果解讀（1）

首先會(huì)給出因變量每一類別的頻數(shù)及構(gòu)成比信息、模型的擬合信息、模型的偽決定系數(shù)、似然比檢驗(yàn)等，如圖17-31~17-36所示，這些信息的意義與前面章節(jié)基本相同，請(qǐng)參見前面的解釋。（2） 最后輸出的是最重要的信息，也就是回歸系數(shù)的參數(shù)估計(jì)結(jié)果，如圖17-36所示。根據(jù)圖17-36所示，由所建立的模型可以看出，學(xué)