回歸分析重點難點詳解

回歸分析重點難點ppt課件本文檔共64頁；當前第1頁；編輯于星期二\12點11分第十六章Logistic回歸分析Logistic

RegressionAnalysis本文檔共64頁；當前第2頁；編輯于星期二\12點11分第一節(jié)非條件Logistic回歸分析第二節(jié)條件Logistic回歸分析教學內(nèi)容第三節(jié)Logistic回歸分析的應(yīng)用及注意事項流行病學概念回顧本文檔共64頁；當前第3頁；編輯于星期二\12點11分掌握了解1.Logistic回歸參數(shù)估計的基本思想2.Logistic回歸系數(shù)的假設(shè)檢驗和區(qū)間估計方法教學目標1.Logistic回歸分析結(jié)果及解釋2.Logistic回歸變量篩選方法3.Logistic回歸系數(shù)的流行病學意義4.Logistic回歸的應(yīng)用及注意事項理解非條件Logistic回歸和條件Logistic回歸的區(qū)別本文檔共64頁；當前第4頁；編輯于星期二\12點11分幾個重要的流行病學概念本文檔共64頁；當前第5頁；編輯于星期二\12點11分

病因分析（預(yù)后分析）的目的：找出影響疾病發(fā)生（或預(yù)后好壞）的影響因素及其影響的強度。如果某因素對疾病發(fā)生有影響，就稱該因素與疾病的發(fā)生有關(guān)聯(lián)，關(guān)聯(lián)的強度則反映其對疾病發(fā)生影響的大小。本文檔共64頁；當前第6頁；編輯于星期二\12點11分幾個重要的流行病學概念隊列研究（cohortstudy）病例對照研究（case-controlstudy）危險度（risk）相對危險度（relativerisk，RR）比數(shù)比或優(yōu)勢比（oddsratio，OR）本文檔共64頁；當前第7頁；編輯于星期二\12點11分隊列研究

隊列研究（cohortstudy）：對“因”分類上的人群作追蹤隨訪，觀察其“果”，然后對資料進行比較分析，從而判斷“因”與“果”之間有無關(guān)聯(lián)及關(guān)聯(lián)的強度?；疾∥椿疾”┞督M非暴露組本文檔共64頁；當前第8頁；編輯于星期二\12點11分病例對照研究

病例對照研究（case-controlstudy）：是對“果”分類上的人群作回顧性調(diào)查，觀察其“因”，然后對資料進行比較分析，從而判斷“果”與“因”間關(guān)聯(lián)有無統(tǒng)計學意義及關(guān)聯(lián)的強度。暴露未暴露病例對照本文檔共64頁；當前第9頁；編輯于星期二\12點11分危險度危險度（risk）：通常指某個不幸事件發(fā)生的概率。危險度大表示發(fā)生的可能性大。某病發(fā)病危險度：觀察對象在觀察期間內(nèi)發(fā)生某病的概率，即某病發(fā)病率。本文檔共64頁；當前第10頁；編輯于星期二\12點11分相對危險度RR＞1：表示該因素為危險因素，使發(fā)病危險度增大。RR＜1：表示該因素為保護因素，使發(fā)病危險度減小。RR=1：表示該因素對疾病的發(fā)病無影響。相對危險度（relativerisk，RR）：暴露于某種危險因子的發(fā)病率pe與不暴露于該種危險因子的發(fā)病率p0之比。本文檔共64頁；當前第11頁；編輯于星期二\12點11分相對危險度患病未患病暴露組非暴露組隊列研究病例對照研究一般不能計算RR。病例對照研究本文檔共64頁；當前第12頁；編輯于星期二\12點11分比數(shù)(odds)：發(fā)生率與未發(fā)生率之比，即p/(1-p)，即陽性率/陰性率。比數(shù)比（oddsratio，OR）：兩個比數(shù)之比，即，通常在流行病研究中p1為病例組的暴露率，p2為對照組的暴露率。比數(shù)比對發(fā)病率較低的疾病，一般有RR≈OR本文檔共64頁；當前第13頁；編輯于星期二\12點11分比數(shù)比患病未患病暴露組非暴露組暴露未暴露病例對照(對發(fā)病率較低的疾病)病例對照研究隊列研究病例對照研究一般用OR替代RR。本文檔共64頁；當前第14頁；編輯于星期二\12點11分一個病例對照研究資料OR本文檔共64頁；當前第15頁；編輯于星期二\12點11分

醫(yī)學研究中常碰到應(yīng)變量的可能取值僅有兩個（即二分類變量），如發(fā)病與未發(fā)病、陽性與陰性、死亡與生存、治愈與未治愈、暴露與未暴露等，顯然這類資料不滿足多重回歸的條件。什么情況下采用Logistic回歸本文檔共64頁；當前第16頁；編輯于星期二\12點11分目的：作出以多個自變量（危險因素）估計應(yīng)變量（結(jié)果因素）的logistic回歸方程。屬于概率型非線性回歸。資料：1.應(yīng)變量為反映某現(xiàn)象發(fā)生與不發(fā)生的二值變量；2.自變量宜全部或大部分為分類變量，可有少數(shù)數(shù)值變量。分類變量要數(shù)量化。什么情況下采用Logistic回歸本文檔共64頁；當前第17頁；編輯于星期二\12點11分用途：研究某種疾病或現(xiàn)象發(fā)生和多個危險因素（或保護因子）的數(shù)量關(guān)系。用檢驗（或u檢驗）的局限性：1.只能研究1個危險因素；2.只能得出定性結(jié)論。什么情況下采用Logistic回歸本文檔共64頁；當前第18頁；編輯于星期二\12點11分

種類:1.成組（非條件）logistic回歸方程。2.配對（條件）logistic回歸方程。什么情況下采用Logistic回歸本文檔共64頁；當前第19頁；編輯于星期二\12點11分第一節(jié)Logistic回歸分析

LogisticRegression本文檔共64頁；當前第20頁；編輯于星期二\12點11分實例表16-1膀胱癌患者及對照吸煙史資料本文檔共64頁；當前第21頁；編輯于星期二\12點11分例16-2為了探討冠心病發(fā)生的有關(guān)危險因素，對26例冠心病病人和28例對照者進行病例對照研究，調(diào)查記錄了8個可能的危險因素，試用Logistic逐步回歸分析方法篩選危險因素，并分析各自變量的作用大小。實例本文檔共64頁；當前第22頁；編輯于星期二\12點11分表16-2冠心病8個可能的危險因素與編碼說明實例本文檔共64頁；當前第23頁；編輯于星期二\12點11分實例表16-3冠心病危險因素病例對照研究原始數(shù)據(jù)本文檔共64頁；當前第24頁；編輯于星期二\12點11分Logistic回歸模型在m個自變量的作用下陽性結(jié)果發(fā)生的概率記作:Logit變換本文檔共64頁；當前第25頁；編輯于星期二\12點11分Logistic回歸模型這就擺脫了二值反應(yīng)變量在一般線性回歸分析中可能出現(xiàn)的應(yīng)變量值域的窘境。本文檔共64頁；當前第26頁；編輯于星期二\12點11分Logistic曲線本文檔共64頁；當前第27頁；編輯于星期二\12點11分常數(shù)項：

α表示暴露劑量為0時個體發(fā)病與不發(fā)病概率之比的自然對數(shù)?；貧w系數(shù)：

表示自變量改變一個單位時Logit（P）的改變量。模型參數(shù)的意義Logistic模型還有另一種線性化表達形式，稱為Logit模型：本文檔共64頁；當前第28頁；編輯于星期二\12點11分流行病學衡量危險因素作用大小的比數(shù)比指標。計算公式為：模型參數(shù)的意義比數(shù)比OR(oddsratio)本文檔共64頁；當前第29頁；編輯于星期二\12點11分模型參數(shù)的意義OR與Logit（P）的關(guān)系βj表示

ORj的自然對數(shù)值。本文檔共64頁；當前第30頁；編輯于星期二\12點11分模型參數(shù)的意義本文檔共64頁；當前第31頁；編輯于星期二\12點11分模型參數(shù)的意義αα本文檔共64頁；當前第32頁；編輯于星期二\12點11分logistic回歸模型的參數(shù)估計原理：最大似然(likelihood)估計參數(shù)估計本文檔共64頁；當前第33頁；編輯于星期二\12點11分可反映某一因素兩個不同水平（c1，c0）的優(yōu)勢比。優(yōu)勢比估計logistic回歸模型的參數(shù)估計本文檔共64頁；當前第34頁；編輯于星期二\12點11分logistic回歸模型的假設(shè)檢驗2.1.似然比檢驗:-2lnL近似服從分布

G=2(lnL1-lnL0)=2ln（L1/L0）ν=p-l本文檔共64頁；當前第35頁；編輯于星期二\12點11分標準化回歸系數(shù)標準化回歸系數(shù)絕對值越大,說明相應(yīng)變量的作用越大.本文檔共64頁；當前第36頁；編輯于星期二\12點11分實例分析本文檔共64頁；當前第37頁；編輯于星期二\12點11分數(shù)據(jù)準備成3列：例數(shù)、吸煙史（1：有，0：無），膀胱癌（1：有，0：無）實例分析本文檔共64頁；當前第38頁；編輯于星期二\12點11分DataWeightcases實例分析本文檔共64頁；當前第39頁；編輯于星期二\12點11分AnalyzeRegressionBinaryLogistic實例分析本文檔共64頁；當前第40頁；編輯于星期二\12點11分應(yīng)變量編碼模型擬合結(jié)果實例分析本文檔共64頁；當前第41頁；編輯于星期二\12點11分方法：前進法、后退法和逐步法。

檢驗統(tǒng)計量：不是F統(tǒng)計量，而是似然比統(tǒng)計量、Wald統(tǒng)計量和計分統(tǒng)計量之一。變量的篩選本文檔共64頁；當前第42頁；編輯于星期二\12點11分變量的篩選例16-2為了探討冠心病發(fā)生的有關(guān)危險因素，對26例冠心病病人和28例對照者進行病例對照研究，調(diào)查記錄了8個可能的危險因素，試用Logistic逐步回歸分析方法篩選危險因素，并分析各自變量的作用大小。本文檔共64頁；當前第43頁；編輯于星期二\12點11分表16-2冠心病8個可能的危險因素與編碼說明實例分析本文檔共64頁；當前第44頁；編輯于星期二\12點11分實例分析表16-3冠心病危險因素病例對照研究原始數(shù)據(jù)本文檔共64頁；當前第45頁；編輯于星期二\12點11分由標準化回歸系數(shù)可以看出，選入的四個危險因素按其影響大小排列的順序為X6、X8、X5、X1,它們分別是動物脂肪攝入量、A型性格、高血脂史和年齡增高。實例分析本文檔共64頁；當前第46頁；編輯于星期二\12點11分第二節(jié)條件Logistic回歸分析

ConditionalLogisticRegression本文檔共64頁；當前第47頁；編輯于星期二\12點11分條件Logistic回歸的原理條件Logistic回歸（conditionalLogisticregression）是針對配對或分層資料分析的一種方法。為了控制一些重要的混雜因素（如性別和年齡等），流行病學常采用1:M配對的研究方法，即每一個病例與M個與它條件相一致的對照形成一個匹配組（每一匹配組為一個層）。條件Logistic回歸，其實質(zhì)是在構(gòu)造似然函數(shù)時利用適當?shù)臈l件分布，實現(xiàn)在各層中進行比較。本文檔共64頁；當前第48頁；編輯于星期二\12點11分表16-51:M

條件logistic回歸數(shù)據(jù)的格式

*t=0為病例，其他為對照

1：M數(shù)據(jù)格式本文檔共64頁；當前第49頁；編輯于星期二\12點11分條件Logistic回歸模型本文檔共64頁；當前第50頁；編輯于星期二\12點11分實例分析例16-3某市調(diào)查三種生活方式與胃癌發(fā)病的關(guān)系，采用1:1配對的病例對照研究形式。按每個病例的性別、年齡和居住地選取一個健康作為對照。調(diào)查的三種生活方式取值見表16-7，共調(diào)查了50對病例與對照。試作條件Logistic逐步回歸分析。表16-7三種生活方式取值因素變量名分級說明不良飲食習慣X10、1、2、3、4表示程度（0表示無，4表示最多）喜吃鹵食和鹽漬食物X20、1、2、3、4表示程度（0表示不吃，4表示非常喜歡吃）精神狀況X30表示差，1表示好本文檔共64頁；當前第51頁；編輯于星期二\12點11分數(shù)據(jù)準備成4列：X1、X2、X3，配對號及疾病發(fā)生情況Y（1：病例，0：對照）。實例分析本文檔共64頁；當前第52頁；編輯于星期二\12點11分模型擬合結(jié)果顯然，存在不顯著的變量，可以進行逐步回歸分析。實例分析本文檔共64頁；當前第53頁；編輯于星期二\12點11分實例分析本文檔共64頁；當前第54頁；編輯于星期二\12點11分第三節(jié)Logistic回歸的應(yīng)用

及注意事項本文檔共64頁；當前第55頁；編輯于星期二\12點11分logistic回歸分析的特點之一是參數(shù)意義清楚，即得到某一因素的回歸系數(shù)后，可以很快估計出這一因素在不同水平下的優(yōu)勢比OR或近似相對危險度RR，因此非常適合于流行病學研究。logistic回歸既適合于隊列研究(cohortstudy)，也適合于病例-對照研究(case-controlstudy),同樣還可以用于橫斷面研究(cross-sectionalstudy)logistic回歸的應(yīng)用流行病學危險因素分析本文檔共64頁；當前第56頁；編輯于星期二\12點11分臨床試驗的目的大多是為了評價某種藥物或治療方法的效果，如果有其他影響效果的非處理因素(如年齡、病情等)在試驗組和對照組中分布不均衡，就有可能夸大或掩蓋試驗組的治療效果。當非處理因素過多時，可能會遇到各層樣本量過小和非處理因素在試驗組和對照組內(nèi)的分布不均衡的問題。用單因素分析很難保證對比組間的齊同性。當評價指標為二值變量時(如有效和無效)，可以利用logistic回歸分析得到調(diào)整后的藥物評價結(jié)果。臨床試驗數(shù)據(jù)分析logistic回歸的應(yīng)用本文檔共64頁；當前第57頁；編輯于星期二\12點11分在一些藥物或毒物效價的劑量-反應(yīng)實驗研究中，每一只動物藥物耐受量可能有很大的不同，不同劑量使動物發(fā)生“陽性反應(yīng)”的概率分布常呈正偏態(tài)，將劑量取對數(shù)后則概率分布接近正態(tài)分布。由于正態(tài)分布函數(shù)與logistic分布函數(shù)十分接近，如果用P表示在劑量為X時的陽性率，可用下述模型表示它們之間的關(guān)系用這一模型可以求出任一劑量的陽性反應(yīng)率傳統(tǒng)的一些方法往往對實驗設(shè)計有嚴格的要求，如劑量按等比級數(shù)排列，各劑量組的例數(shù)必須相同等,采用logistic回歸的方法則沒有這些限制。分析藥物或毒物的劑量反應(yīng)logistic回歸的應(yīng)用本文檔共64頁；當前第58頁；編輯于星期二\12點11分logistic回歸是一個概率型模型，因此可以利用它預(yù)測某事件發(fā)生的概率。例如在臨床上可以根據(jù)患者的一些檢查指標，判斷患某種疾病的概率有多大。logistic回歸的應(yīng)用預(yù)測與判別本文檔共64頁；當前第59頁；編輯于星期二\12點11分Logistic回歸的樣本量Logistic回歸要求有足夠的樣本含量，樣本含量愈大分析結(jié)果愈可靠。實際中病例和對照的人數(shù)應(yīng)至少各有20～30例，方程中的變量個數(shù)愈多需要的例數(shù)也就愈大。對于配對資料，一般樣本的匹配組數(shù)應(yīng)為納入方程中的自變量個數(shù)的20倍以上。本文檔共64頁；當前第60頁；編輯于星期二\12點11分logistic回歸變量的數(shù)量化連續(xù)型變量以原始觀察值或通過某種數(shù)據(jù)變換的形式出現(xiàn)，此時exp（b）表示每增加1單位的相對危險度，不一定有實際意義；將連續(xù)變量按不同區(qū)間分成若干組，按1,2,…,g給分，然后按連續(xù)變量進行處理。則exp（b）表示平均增加一段的相對危險度。將連續(xù)變量按不同區(qū)間分成若干組后，化作啞變量處理。無序分類變量:化成若干個啞變量有序分類變量:按連續(xù)變量的方式處理或啞變量

本文檔共64頁；當前第61頁；編輯于星期二\12點11分βj的值并不具有OR或RR的直接含義