SPSS教學(xué)課件：Logistic 回歸分析SPSS

Logistic回歸分析SPSS實(shí)習(xí)目標(biāo)（1）針對(duì)理論上介紹的三種Logisitic回歸模型，要求掌握其基本思想。（2）能根據(jù)不同的資料類型選擇合適的Logisitic回歸模型。（3）能運(yùn)用SPSS軟件對(duì)各類型Logisitic回歸進(jìn)行統(tǒng)計(jì)分析，尤其結(jié)果解釋（是重點(diǎn)，也是初學(xué)者的難點(diǎn)）（4）卡方檢驗(yàn)（例8.11）及非參數(shù)的兩兩比較概念Logisitic回歸屬于概率型非線性回歸，它是研究二分類、無(wú)序多分類及有序分類結(jié)果與一些影響之間關(guān)系的一種多變量分析方法。在流行病學(xué)研究中，經(jīng)常需要分析疾病與各危險(xiǎn)因素之間的定量關(guān)系，如食管癌的發(fā)生于吸煙、煙酒、不良飲食習(xí)慣等危險(xiǎn)因素的關(guān)系，為了正確說(shuō)明這種關(guān)系，需要排除一些混雜因素的影響，傳統(tǒng)上常使用Mantel-Haenszel分層分析方法。概念但這種方法適用于樣本含量大，分析因素較少的情況，此種資料不能用線性回歸分析，而用Logisitic回歸分析則可以較好地解決上述問(wèn)題。Logistic回歸屬于概率性非線性回歸,其應(yīng)用已有多年的歷史,最具有代表性的是Truett等人1967年成功地用于冠狀動(dòng)脈粥樣硬化性心臟病(簡(jiǎn)稱冠心病)危險(xiǎn)因素的研究。概念目前,Logistic回歸已經(jīng)不局限于流行病學(xué)領(lǐng)域,已用于實(shí)驗(yàn)研究中藥物和毒物的劑量效應(yīng)分析、臨床試驗(yàn)評(píng)價(jià)及疾病的預(yù)后分析等。Logistic回歸與線性回歸的思路大致相同,模型參數(shù)又具有鮮明的實(shí)際意義,已成為處理分類反應(yīng)數(shù)據(jù)的常用方法。二分類Logistic回歸模型模型參數(shù)的意義模型參數(shù)的意義二分類Logisitic回歸分析

SPSS實(shí)現(xiàn)步驟：logistic_binary

分析→回歸→二元Logistic（G）

Logistic回歸→因變量：協(xié)變量：

分析前的準(zhǔn)備工作（1）分析因變量的數(shù)據(jù)特征，決定采用何種形式的Logisitic回歸分析。（2）分析自變量的數(shù)據(jù)特征。（3）此處分析描述統(tǒng)計(jì)頻率的操作logistic_binary分析結(jié)果結(jié)果解釋從上表可以看出，男性（sex=1）較女性（sex=0）較女性更容易患冠心病，男性患冠心病的優(yōu)勢(shì)（患病與不患病的比，P/(1-P)）是女性患冠心病的優(yōu)勢(shì)3.882倍，95%CI是（1.330,11.330），心電圖異常程度越高，越容易被診斷為冠心病，重度異?；脊谛牟〉膬?yōu)勢(shì)是輕度異常患冠心病的優(yōu)勢(shì)2.395倍，95%CI是（1.127,5.086），年齡越大的越容易患冠心病，增加1歲的優(yōu)勢(shì)比是1.097倍,95%CI是(1.024,1.175)試問(wèn):心電圖重度異常是正常的OR值及95%CI?例17.1的兩分類Logistic回歸分析多分類Logistic回歸模型多分類Logistic回歸模型無(wú)序多分類Logisitic回歸分析

分析→回歸→多元Logistic（M）SPSS自帶的Vote.sav（也就是課本上的17.2）

Logistic回歸→因變量：因子：產(chǎn)生啞變量協(xié)變量：

分析前的準(zhǔn)備對(duì)自變量和因變量作分析與初步探索應(yīng)變量：對(duì)美國(guó)總統(tǒng)候選人的作描述統(tǒng)計(jì)（頻率），確定參照組（不以最少的為參照）（參比組）。自變量：年齡、學(xué)歷、教育年數(shù)及性別分析。SPSS自帶的Vote.sav或例17.2結(jié)果SPSS自帶的Vote.sav或例17.2結(jié)果SPSS自帶的Vote.sav或例17.2結(jié)果結(jié)果解釋由結(jié)果可知:Bush和Clinton相比,只有sex(性別)有統(tǒng)計(jì)學(xué)差異,P<0.0001,OR=1.58,說(shuō)明男性選民中選擇Bush的概率與選擇Clinton概率之比是女性選民的這一比值的1.58倍。Perot和Clinton相比,age(年齡)和sex(性別)有統(tǒng)計(jì)學(xué)差異,均P<0.0001,OR分別為0.971和2.165;說(shuō)明選民年齡每增加一歲選擇Perot的概率是選擇Clinton概率的0.971倍,男性選民中選擇Perot的概率與選擇Clinton概率之比較女性選民的這一比值的2.165倍。有序多分類Logisitic回歸分析有序多分類Logistic回歸分析分析→回歸→OrdinalSatisfy.sav及課本例17.3Logistic回歸→因變量：因子：產(chǎn)生啞變量協(xié)變量：Satisfy.sav結(jié)果結(jié)果解釋說(shuō)明女性滿意與非滿意的比重（P滿意/(P態(tài)度中立+P不滿意)）是男性相應(yīng)的優(yōu)勢(shì)的0.955042倍（exp(-0.046)），95%CI是（0.867587,1.051313）。Logisitic回歸分析策略（1）無(wú)序分類變量需要進(jìn)行啞變量賦值后引入方程，結(jié)果更容易解釋。（2）數(shù)值變量最好轉(zhuǎn)變?yōu)橛行蜃兞炕驘o(wú)序分類變量（幾組，分類的形式），這樣可能會(huì)更合理的結(jié)果解釋。（3）有序變量（自變量）一定是按某種性質(zhì)進(jìn)行了有序排列并賦值或設(shè)立啞變量。（4）有序變量（因變量）一般情況按有序多分類Logisitic回歸分析，如有需要也試使用無(wú)序多分類Logisitic回歸分析。Logisitic回歸分析策略（4）當(dāng)自變量較多，樣本不是很大，先用單因素分析對(duì)自變量進(jìn)行篩選（如計(jì)量資料的t檢驗(yàn)，計(jì)數(shù)資料的卡方檢驗(yàn)，也可是選每一個(gè)自變量的Logistic回歸分析），然后對(duì)單因素分析有統(tǒng)計(jì)學(xué)意義（或接近有統(tǒng)計(jì)學(xué)意義）的自變量再作多因素Logistic回歸分析。具體介紹見(jiàn)馬斌榮《SPSS(PASW)17.0在醫(yī)學(xué)統(tǒng)計(jì)中的應(yīng)用》。

Logisitic回歸分析策略（5）對(duì)于有序Logisitic回歸，若是流行病學(xué)對(duì)優(yōu)勢(shì)比的解釋保持一致（OR>1是危險(xiǎn)因素，OR<1是保護(hù)因素），在有序Logistic回歸分析中應(yīng)變量Y賦值時(shí),通常將專業(yè)上最不利的等級(jí)賦予最小值,將最有利的等級(jí)賦予最大值,目的是為了與流行病學(xué)上對(duì)優(yōu)勢(shì)比的解釋保持一致,有利于結(jié)果的專業(yè)解釋。尤其注意SAS軟件與SPSS軟件對(duì)有序Logisitic回歸結(jié)果的區(qū)別，OR=exp(-β),95%CI=(exp((-β