Lab 8 Conditional Logistic Regression 8实验室条件Logistic回归

Lab 8 Conditional Logistic Regression 8实验室条件Logistic回归
Lab 8 Conditional Logistic Regression 8实验室条件Logistic回归

Applied Epidemiologic Analysis -P8400 Fall 2002

Lab 8

Conditional Logistic Regression

Henian Chen, M.D., Ph.D.

Applied Epidemiologic Analysis -P8400 Fall 2002

Parameters Estimation for

Linear Regression

Ordinary Least Squares (OLS)

Statistical methods based on the

minimization of the squared differences between the observed and predicted values of Y.

Applied Epidemiologic Analysis -P8400 Fall 2002

Parameters Estimation for Logistic Regression

Likelihood

The probability that a score or set of scores could occur, given the values of a set of parameters in a model.

Maximum Likelihood (ML)

A method for the estimation of parameters based on the principle of maximizing the likelihood of the sample.

Applied Epidemiologic Analysis -P8400 Fall 2002

Parameters Estimation for

Ordinary (unconditional) Logistic Regression Unconditional Likelihood (L u )

L u = πP(X i ) π[1-P(X i )]

= πexp(α+βi X i ) / π[1+exp(α+βi X i )]

πP(X i ) = the probability for the event

π[1-P(X i )] = the probability for not having the event proc logistic data=case_control978 descending;model status=alcgrp;run;

Standard Wald

Parameter DF Estimate Error Chi-Square Pr >ChiSq Intercept 1 -2.5911 0.1925 181.1314 <.0001alcgrp 1 1.7641 0.2132 68.4372 <.0001

OR=exp(1.7641)=5.836

1:1 Conditional Logistic Regression

Description of Data (CASECONTROL11.DBF)

1:1 matched case-control study of low birth weight (<2500 grams)babies. 56 matched pairs. Controls were age-matched mothers who gave birth to a baby above 2500 grams.

ID identification variable for each matched pair Status 0= GE 2500 grams (controls), 1=<2500 grams (cases)AGE age of mother in years LWT pre-pregnant weight, weight in pounds at last menstrual period RACE race of mother (1=white, 2=black, 3= other)SMOKE smoking status during pregnancy (1=yes, 0=no)PTD history of premature labor (1=yes, 0=no)HT history of hypertension (1=yes, 0=no)UI presence of uterine irritability (1=yes, 0=no)

The goal of the analysis is to determine whether the low birth weight is associated with any of above explanatory variables.Parameters Estimation for

Conditional Logistic Regression (1)

We cannot use unconditional likelihood (L u )for matched case-control study. Using L u for matched case-control data, the αi is the effect of the pair effect, the βi is the effect of X i. Since there are only two observations in each pair, you can’t estimate the αi without bias.

Applied Epidemiologic Analysis -P8400 Fall 2002

Parameters Estimation for Conditional Logistic Regression (2)

We have to include 56-1=55 dummy variables for the strata if we want to use unconditional logistic regression for matched case-control study. This would leave us with possibly 64 parameters being estimated for a data set with only 112 observations.

Furthermore, increasing the sample size will not help because an additional stratum parameter would have to be estimated for each additional matched set in the study sample.

Applied Epidemiologic Analysis -P8400 Fall 2002

Parameters Estimation for Conditional Logistic Regression (3)

Conditional Likelihood (L c )

L c = πP(X i ) π[1-P(X i )] / Σ{ΣP(X i ) π[1-P(X i )] }=πexp(Σβi X i ) / Σ[πexp(Σβi X i )]πP(X i ) =probability of pair’s case having the event π[1-P(X i )] = probability of pair’s control not having

the event Σ{ΣP(X i ) π[1-P(X i )] } = the joint probability that

either the case or control has the event.

Applied Epidemiologic Analysis -P8400 Fall 2002

Parameters Estimation for Conditional Logistic Regression (4)

Conditional Likelihood (L c )

1.L c can use the information contained in the matches

2. L c can’t estimate the intercept (α). With no αin conditional logistic regression model, we can’t estimate the P(x).

3. L c can estimate the odds ratio by using the βi , so we can estimate the other effects (except intercept) in which we are interested .

Applied Epidemiologic Analysis -P8400 Fall 2002

L c vs. L u

We can use conditional likelihood (L c ) for unmatched case-control study:

1) L c treats the unmatched case-control data as one stratum.

2) Conditional likelihood (L c ) always gives you the unbiased estimation.We can not use unconditional likelihood (L u ) for matched case-control study. Because L u omits the information inherent in the matching process.It is incorrect to treat 56 strata as one stratum.

1:1 Conditional Logistic Regression (1)

SAS Program

proc import datafile= 'a:casecotrol11.dbf'out=casecontrol11

dbms=dbf replace;

run;

data casecontrol11;set casecontrol11;status1=1-status;race1=0;

if race=2then race1=1;race2=0;

if race=3then race2=1;run;

proc phreg;

model status1 = age lwt race1 race2 smoke ptd ht ui

/selection=forward ties=discrete rl;

strata=id;run;

1:1 Conditional Logistic Regression (2)

Status1 (case=0,control=1): Probability of being a case is modeled

proc phreg : Procedure PHREG performs both Cox regression for survival

data, and conditional logistic regression for matched case-control studies selection=forward: start with a model containing none of the independent

variables and then considers variables one by one for inclusion ties= option specifies how to handle ties in the failure time

= BRESOW: uses the approximate likelihood of Breslow.

this is the default value

= DISCRETE: replaces proportional hazards model by the discrete

logistic model

= EFRON: uses the approximate likelihood of Efron

= EXACT: computes the exact conditional probability under the

proportional hazards assumption

The DISCRETE method is required :1) if the dependent variable is discrete

2) there is more than one case in a matched set of case-control study rl: estimate the 95% confidence limits

Applied Epidemiologic Analysis -P8400 Fall 2002

1:3 Conditional Logistic Regression

Description of Data (CASECONTROL13.TXT)

1:3 matched hospital based case-control study. Cases are women diagnosed with benign breast disease from two hospitals. Controls were selected from other patients at the same two hospitals.

ID

stratum number

SUBJECT observation within a matched set (1=case, 2-4= controls)AGEINTER age of the subject at the interview STATUS diagnosis (1=case, 0=control)

MCHECK regular medical checkup history (1=yes, 0=no)AGEP age at first pregnancy AGEM

age at menarche

NONLIVEN number of stillbirths, miscarriages, and other non live births LIVEN number of live births WEIGHT weight of the subject

AGELM

age at last menstrual period

Applied Epidemiologic Analysis -P8400 Fall 2002

1:3 Conditional Logistic Regression

SAS Program

proc import datafile= 'a:casecotrol13.txt'out=casecontrol13 dbms=tab replace;

getnames=yes;run;

data casecontrol13;set casecontrol13;status1=1-status;run;

proc phreg;

model status1 =ageinter mcheck agep agem nonliven liven weight

agelm /selection=forward ties=discrete rl;

strata=id;run;

Applied Epidemiologic Analysis -P8400 Fall 2002

We can not use unconditional logistic regression for matched case-control study, but we can use conditional logistic regression for unmatched case-control study.

Unconditional model

proc logistic data=case_control978 descending;model status=alcgrp;

Parameter βSE OR 95% Confidence Limits

alcgrp 1.7641 0.2132 5.836

3.843 8.864

Conditional model (ties=discrete )

proc phreg; model status1*status(0)= alcgrp / ties=discrete;Parameter βSE OR 95% Confidence Limits

alcgrp 1.76231 0.21315 5.826

3.836 8.847

Conditional model (default value for ties )

proc phreg; model status1*status(0) = alcgrp;

Parameter βSE OR 95% Confidence Limits

alcgrp 1.47319 0.2008 4.363

2.944 6.467

SPSS实验8-二项Logistic回归分析

SPSS作业8:二项Logistic回归分析 为研究和预测某商品消费特点和趋势,收集到以往胡消费数据。数据项包括是否购买,性别,年龄和收入水平。这里采用Logistic回归的方法,是否购买作为被解释变量(0/1二值变量),其余各变量为解释变量,且其中性别和收入水平为品质变量,年龄为定距变量。变量选择采用Enter方法,性别以男为参照类,收入以低收入为参照类。 (一)基本操作: (1)选择菜单Analyz e-Regression-Binary Logistic; (2)选择是否购买作为被解释变量到Dependent框中,选其余各变量为解释变量到Covariates框中,采用Enter方法,结果如下: 分析:上表显示了对品质变量产生虚拟变量的情况,产生的虚拟变量命名为原变量名(编码)。可以看到,对收入生成了两个虚拟变量名为Income(1)和Income(2),分别表示是否中收入和是否高收入,两变量均为0时表示低收入;对性别生成了一个虚拟变量名为Gedder(1),表示是否女,取值为0

时表示为男。 消费的二项Logistic分析结果(二)(强制进入策略) 分析:上表显示了Logistic分析初始阶段(第零步)方程中只有常数项时的错判矩阵。可以看到:269人中实际没购买且模型预测正确,正确率为100%;162人中实际购买了但模型均预测错误,正确率为0%。模型总的预测正确率为62.4%。 消费的二项Logistic分析结果(三)(强制进入策略)

分析:上表显示了方程中只有常数项时的回归系数方面的指标,各数据项的含义依次为回归系数,回归系数标准误差,Wald检验统计量的观测值,自由度,Wald检验统计量的概率p值,发生比。由于此时模型中未包含任何解释变量,因此该表没有实际意义。 分析:上表显示了待进入方程的各个变量的情况,各数据项的含义依次为Score检验统计量的观测值,自由度和概率p值。可以看到,如果下一步Age 进入方程,则Score检验统计量的观测值为1.268,概率p值为0.26。如果显著性水平a为0.05,由于Age的概率p值大于显著性水平a,所以是不能进入方程的。但在这里,由于解释变量的筛选策略为Enter,所以这些变量也被强行进入方程。

Logistic回归分析简介

Logistic回归分析简介 Logistic回归:实际上属于判别分析,因拥有很差的判别效率而不常用。1.应用范围: ①适用于流行病学资料的危险因素分析 ②实验室中药物的剂量-反应关系 ③临床试验评价 ④疾病的预后因素分析 2.Logistic回归的分类: ①按因变量的资料类型分: 二分类 多分类 其中二分较为常用 ②按研究方法分: 条件Logistic回归 非条件Logistic回归 两者针对的资料类型不一样,后者针对成组研究,前者针对配对或配伍 研究。 3.Logistic回归的应用条件是: ①独立性。各观测对象间是相互独立的; ②LogitP与自变量是线性关系; ③样本量。经验值是病例对照各50例以上或为自变量的5-10倍(以10倍 为宜),不过随着统计技术和软件的发展,样本量较小或不能进行似然

估计的情况下可采用精确logistic回归分析,此时要求分析变量不能太多,且变量分类不能太多; ④当队列资料进行logistic回归分析时,观察时间应该相同,否则需考虑观 察时间的影响(建议用Poisson回归)。 4.拟和logistic回归方程的步骤: ①对每一个变量进行量化,并进行单因素分析; ②数据的离散化,对于连续性变量在分析过程中常常需要进行离散变成等 级资料。可采用的方法有依据经验进行离散,或是按照四分、五分位数 法来确定等级,也可采用聚类方法将计量资料聚为二类或多类,变为离 散变量。 ③对性质相近的一些自变量进行部分多因素分析,并探讨各自变量(等级 变量,数值变量)纳入模型时的适宜尺度,及对自变量进行必要的变量 变换; ④在单变量分析和相关自变量分析的基础上,对P≤α(常取0.2,0.15或 0.3)的变量,以及专业上认为重要的变量进行多因素的逐步筛选;模型 程序每拟合一个模型将给出多个指标值,供用户判断模型优劣和筛选变 量。可以采用双向筛选技术:a进入变量的筛选用score统计量或G统计 量或LRS(似然比统计量),用户确定P值临界值如:0.05、0.1或0.2,选 择统计量显著且最大的变量进入模型;b剔除变量的选择用Z统计量(Wald 统计量),用户确定其P值显著性水平,当变量不显者,从模型中予以剔 除。这样,选入和剔除反复循环,直至无变量选入,也无变量删除为止,选入或剔除的显著界值的确定要依具体的问题和变量的多寡而定,一般

二分类Logistic回归的详细SPSS操作

SPSS操作:二分类Logistic回归 作者:张耀文 1、问题与数据 某呼吸内科医生拟探讨吸烟与肺癌发生之间的关系,开展了一项成组设计的病例对照研究。选择该科室内肺癌患者为病例组,选择医院内其它科室的非肺癌患者为对照组。通过查阅病历、问卷调查的方式收集了病例组和对照组的以下信息:性别、年龄、BMI、COPD病史和是否吸烟。变量的赋值和部分原始数据见表1和表2。该医生应该如何分析? 表1. 肺癌危险因素分析研究的变量与赋值 表2. 部分原始数据 ID gender age BMI COPD smoke cancer 1 0 34 0 1 1 0 2 1 32 0 1 0 1 3 0 27 0 1 1 1 4 1 28 0 1 1 0 5 1 29 0 1 0 0 6 0 60 0 2 0 0 7 1 29 0 0 1 1 8 1 29 1 1 1 1 9 1 37 0 1 0 0 10 0 17 0 0 0 0 11 0 20 0 0 1 1 12 1 35 0 0 0 0 13 0 17 1 0 1 1

………………… 2、对数据结构的分析 该设计中,因变量为二分类,自变量(病例对照研究中称为暴露因素)有二分类变量(性别、BMI和是否吸烟)、连续变量(年龄)和有序多分类变量(COPD 病史)。要探讨二分类因变量与自变量之间的关系,应采用二分类Logistic回归模型进行分析。 在进行二分类Logistic回归(包括其它Logistic回归)分析前,如果样本不多而变量较多,建议先通过单变量分析(t检验、卡方检验等)考察所有自变量与因变量之间的关系,筛掉一些可能无意义的变量,再进行多因素分析,这样可以保证结果更加可靠。即使样本足够大,也不建议直接把所有的变量放入方程直接分析,一定要先弄清楚各个变量之间的相互关系,确定自变量进入方程的形式,这样才能有效的进行分析。 本例中单变量分析的结果见表3(常作为研究报告或论文中的表1)。 表3. 病例组和对照组暴露因素的单因素比较 病例组(n=85)对照组(n=259) χ2 /t统计量P 性别,男(%)56 (65.9) 126 (48.6) 7.629 <0.01 年龄(岁),x± s40.3 ±14.0 38.6 ±12.4 1.081 0.28 BMI,n (%) 正常48 (56.5) 137 (52.9) 0.329 0.57 超重或肥胖37 (43.5) 122 (47.1) COPD病史,n (%) 无21 (24.7) 114 (44.0) 14.123 <0.01 轻中度24 (28.2) 75 (29.0) 重度40 (47.1) 70 (27.0) 是否吸烟,n(%) 否18 (21.2) 106 (40.9) 10.829 <0.01 是67 (78.8) 153 (59.1) 单因素分析中,病例组和对照组之间的差异有统计学意义的自变量包括:性别、COPD病史和是否吸烟。 此时,应当考虑应该将哪些自变量纳入Logistic回归模型。一般情况下,建议纳入的变量有:1)单因素分析差异有统计学意义的变量(此时,最好将P值放宽一些,比如0.1或0.15等,避免漏掉一些重要因素);2)单因素分析时,

SPSS—二元Logistic回归结果分析报告

SPSS—二元Logistic回归结果分析 2011-12-02 16:48 身心疲惫,睡意连连,头不断往下掉,拿出耳机,听下歌曲,缓解我这严重的睡意吧!今天来分析二元Logistic回归的结果 分析结果如下: 1:在“案例处理汇总”中可以看出:选定的案例489个,未选定的案例361个,这个结果是根据设定的validate = 1得到的,在“因变量编码”中可以看出“违约”的两种结果“是”或者“否” 分别用值“1“和“0”代替,在“分类变量编码”中教育水平分为5类,如果选中“为完成高中,高中,大专,大学等,其中的任何一个,那么就取值为 1,未选中的为0,如果四个都未被选中,那么就是”研究生“ 频率分别代表了处在某个教育水平的个数,总和应该为489个

1:在“分类表”中可以看出:预测有360个是“否”(未违约)有129个是“是”(违约) 2:在“方程中的变量”表中可以看出:最初是对“常数项”记性赋值,B为 -1.026,标准误差为:0.103 那么wald =( B/S.E)2=(-1.026/0.103)2 = 99.2248, 跟表中的“100.029几乎接近,是因为我对数据进行的向下舍入的关系,所以数据会稍微偏小, B和Exp(B) 是对数关系,将B进行对数抓换后,可以得到:Exp(B) = e^-1.026 = 0.358, 其中自由度为1, sig为0.000,非常显著

1:从“不在方程中的变量”可以看出,最初模型,只有“常数项”被纳入了模型,其它变量都不在最初模型 表中分别给出了,得分,df , Sig三个值, 而其中得分(Score)计算公式如下: (公式中(Xi- Xˉ) 少了一个平方) 下面来举例说明这个计算过程:(“年龄”自变量的得分为例) 从“分类表”中可以看出:有129人违约,违约记为“1”则违约总和为 129,选定案例总和为489 那么: yˉ = 129/489 = 0.16 xˉ = 16951 / 489 = 34.2 所以:∑(Xi-xˉ)2 = 30074.9979

logistic回归方程

Logistic回归:实际上属于判别分析,因拥有很差的判别效率而不常用。 1.应用范围: ①适用于流行病学资料的危险因素分析 ②实验室中药物的剂量-反应关系 ③临床试验评价 ④疾病的预后因素分析 2. Logistic回归的分类: ①按因变量的资料类型分: 二分类 多分类 其中二分较为常用 ②按研究方法分: 条件Logistic回归 非条件Logistic回归 两者针对的资料类型不一样,后者针对成组研究,前者针对配对或配伍研究。 3.Logistic回归的应用条件是: ①独立性。各观测对象间是相互独立的; ② LogitP与自变量是线性关系; ③样本量。经验值是病例对照各50例以上或为自变量的5-10倍(以10倍为宜),不过随着统计技术和软件的发展,样本量较小或不能进行似然估计的情况下可采用精确logistic回归分析,此时要求分析变量不能太多,且变量分类不能太多; ④当队列资料进行logistic回归分析时,观察时间应该相同,否则需考虑观察时间的影响(建议用Poisson回归)。 4.拟和logistic回归方程的步骤: ①对每一个变量进行量化,并进行单因素分析; ②数据的离散化,对于连续性变量在分析过程中常常需要进行离散变成等级资料。可采用的方法有依据经验进行离散,或是按照四分、五分位数法来确定等级,也可采用聚类方法将计量资料聚为二类或多类,变为离散变量。 ③对性质相近的一些自变量进行部分多因素分析,并探讨各自变量(等级变量,数值变量)纳入模型时的适宜尺度,及对自变量进行必要的变量变换;

④在单变量分析和相关自变量分析的基础上,对P≤α(常取0.2,0.15或0.3)的变量,以及专业上认为重要的变量进行多因素的逐步筛选;模型程序每拟合一个模型将给出多个指标值,供用户判断模型优劣和筛选变量。可以采用双向筛选技术:a进入变量的筛选用score统计量或G统计量或LRS(似然比统计量),用户确定P值临界值如:0.05、0.1或0.2,选择统计量显著且最大的变量进入模型;b剔除变量的选择用Z统计量(Wald统计量),用户确定其P值显著性水平,当变量不显者,从模型中予以剔除。这样,选入和剔除反复循环,直至无变量选入,也无变量删除为止,选入或剔除的显著界值的确定要依具体的问题和变量的多寡而定,一般地,当纳入模型的变量偏多,可提高选入界值或降低剔除标准,反之,则降低选入界值、提高删除标准。但筛选标准的不同会影响分析结果,这在与他人结果比较时应当注意。 ⑤在多因素筛选模型的基础上,考虑有无必要纳入变量的交互作用项;两变量间的交互作用为一级交互作用,可推广到二级或多级交互作用,但在实际应用中,各变量最好相互独立(也是模型本身的要求),不必研究交互作用,最多是研究少量的一级交互作用。 ⑥对专业上认为重要但未选入回归方程的要查明原因。 5.回归方程拟合优劣的判断(为线性回归方程判断依据,可用于logistic回归分析)①决定系数(R2)和校正决定系数( ),可以用来评价回归方程的优劣。R2随着自变量个数的增加而增加,所以需要校正;校正决定系数( )越大,方程越优。但亦有研究指出R2是多元线性回归中经常用到的一个指标,表示的是因变量的变动中由模型中自变量所解释的百分比,并不涉及预测值与观测值之间差别的问题,因此在logistic回归中不适合。 ② C p选择法:选择C p最接近p或p+1的方程(不同学者解释不同)。C p无法用SPSS 直接计算,可能需要手工。1964年CL Mallows提出: Cp接近(p+1)的模型为最佳,其中p为方程中自变量的个数,m为自变量总个数。 ③ AIC准则:1973年由日本学者赤池提出AIC计算准则,AIC越小拟合的方程越好。

Logistic回归分析报告结果解读分析

Logistic 回归分析报告结果解读分析 Logistic 回归常用于分析二分类因变量(如存活和死亡、患病和未患病等)与多个自变量的关系。比较常用的情形是分析危险因素与是否发生某疾病相关联。例如,若探讨胃癌的危险因素,可以选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群有不同的临床表现和生活方式等,因变量就为有或无胃癌,即“是” 或“否”,为二分类变量,自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连续变量,也可以为分类变量。通过Logistic 回归分析,就可以大致了解胃癌的危险因素。 Logistic 回归与多元线性回归有很多相同之处,但最大的区别就在于他们的因变量不同。多元线性回归的因变量为连续变量;Logistic 回归的因变量为二分类变量或多分类变量,但二分类变量更常用,也更加容易解释。 1. Logistic 回归的用法 一般而言,Logistic 回归有两大用途,首先是寻找危险因素,如上文的例子,找出与胃癌相关的危险因素;其次是用于预测,我们可以根据建立的Logistic 回归模型,预测在不同的自变量情况下,发生某病或某种情况的概率(包括风险评分的建立)。 2. 用Logistic回归估计危险度 所谓相对危险度(risk ratio , RR)是用来描述某一因素不同状态发生疾病(或其它结局)危险程度的 比值。Logistic回归给出的OR(odds ratio)值与相对危险度类似,常用来表示相对于某一人群,另一人群发生终点事件的风险超出或减少的程度。如不同性别的

胃癌发生危险不同,通过Logistic回归可以求出危险度的具体数值,例如1.7,

Logistic回归分析报告结果解读分析

L o g i s t i c回归分析报告结果解读分析 Company number:【0089WT-8898YT-W8CCB-BUUT-202108】

Logistic回归分析报告结果解读分析Logistic回归常用于分析二分类因变量(如存活和死亡、患病和未患病等)与多个自变量的关系。比较常用的情形是分析危险因素与是否发生某疾病相关联。例如,若探讨胃癌的危险因素,可以选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群有不同的临床表现和生活方式等,因变量就为有或无胃癌,即“是”或“否”,为二分类变量,自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连续变量,也可以为分类变量。通过Logistic回归分析,就可以大致了解胃癌的危险因素。 Logistic回归与多元线性回归有很多相同之处,但最大的区别就在于他们的因变量不同。多元线性回归的因变量为连续变量;Logistic回归的因变量为二分类变量或多分类变量,但二分类变量更常用,也更加容易解释。 回归的用法 一般而言,Logistic回归有两大用途,首先是寻找危险因素,如上文的例子,找出与胃癌相关的危险因素;其次是用于预测,我们可以根据建立的Logistic回归模型,预测在不同的自变量情况下,发生某病或某种情况的概率(包括风险评分的建立)。 2.用Logistic回归估计危险度 所谓相对危险度(risk ratio,RR)是用来描述某一因素不同状态发生疾病(或其它结局)危险程度的 比值。Logistic回归给出的OR(odds ratio)值与相对危险度类似,常用来表示相对于某一人群,另一人群发生终点事件的风险超出或减少的程度。如不同性别的胃癌发生危险不同,通过Logistic回归可以求出危险度的具体数值,例如,这样就表示,男性发生胃癌的风险是女性的倍。这里要注意估计的方向问题,以女性作为参照,男性患胃癌

Logistic回归分析报告结果解读分析.docx

Logistic回归分析报告结果解读分析Logistic回归常用于分析二分类因变量(如存活和死亡、患病和未患病等)与多个自变量的关系。比较常用的情形是分析危险因素与是否发生某疾病相关联。例如,若探讨胃癌的危险因素,可以选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群有不同的临床表现和生活方式等,因变量就为有或无胃癌,即“是”或“否”,为二分类变量,自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连续变量,也可以为分类变量。通过Logistic回归分析,就可以大致了解胃癌的危险因素。 Logistic回归与多元线性回归有很多相同之处,但最大的区别就在于他们的因变量不同。多元线性回归的因变量为连续变量;Logistic回归的因变量为二分类变量或多分类变量,但二分类变量更常用,也更加容易解释。 1.Logistic回归的用法 一般而言,Logistic回归有两大用途,首先是寻找危险因素,如上文的例子,找出与胃癌相关的危险因素;其次是用于预测,我们可以根据建立的Logistic回归模型,预测在不同的自变量情况下,发生某病或某种情况的概率(包括风险评分的建立)。 2.用Logistic回归估计危险度 所谓相对危险度(risk ratio,RR)是用来描述某一因素不同状态发生疾病(或其它结局)危险程度的 比值。Logistic回归给出的OR(odds ratio)值与相对危险度类似,常用来表示相对于某一人群,另一人群发生终点事件的风险超出或减少的程度。如不同性别的胃癌发生危险不同,通过Logistic回归可以求出危险度的具体数值,例如1.7,

这样就表示,男性发生胃癌的风险是女性的1.7倍。这里要注意估计的方向问题,以女性作为参照,男性患胃癌的OR是1.7。如果以男性作为参照,算出的OR将会是0.588(1/1.7),表示女性发生胃癌的风险是男性的0.588倍,或者说,是男性的58.8%。撇开了参照组,相对危险度就没有意义了。 Logistic回归在医学研究中广泛使用的原因之一,就是模型直接给出具有临床实际意义的OR值,很大程度上方便了结果的解读与推广。 图1 相对危险度(risk ratio,RR)与OR(odds ratio)的表达 3. Logistic报告OR值或β值 在Logistic回归结果汇报时,往往会遇到这样一个问题:是应该报告OR值,

第18章 Logistic回归思考与练习参考答案

第18章Logistic回归 思考与练习参考答案 一、最佳选择题 1. Logistic回归与多重线性回归比较,( A )。 A.logistic回归的因变量为二分类变量 B.多重线性回归的因变量为二分类变量 C.logistic回归和多重线性回归的因变量都可为二分类变量 D.logistic回归的自变量必须是二分类变量 E.多重线性回归的自变量必须是二分类变量 2. Logistic回归适用于因变量为( E )。 A.二分类变量B.多分类有序变量C.多分类无序变量 D.连续型定量变量E.A、B、C均可 3. Logistic回归系数与优势比OR的关系为( E )。 A.> β0等价于OR<1 C.β=0等价于OR=1 β0等价于OR>1 B.> D.β<0等价于OR<1 E.A、C、D均正确 4. Logistic回归可用于( E )。 A.影响因素分析B.校正混杂因素C.预测 D.仅有A和C E.A、B、C均可 5. Logistic回归中自变量如为多分类变量,宜将其按哑变量处理,与其他变量进行变量筛选时可用( D )。 A.软件自动筛选的前进法B.软件自动筛选的后退法 C.软件自动筛选的逐步法D.应将几个哑变量作为一个因素,整体进出回归方程E.A、B、C均可 二、思考题 1. 为研究低龄青少年吸烟的外在因素,研究者采用整群抽样,在某中心城区和远城区的初中学校,各选择初一年级一个班的全部学生进行调查,并用logistic回归方程筛选影响因素。试问上述问题采用logistic回归是否妥当?

答:上述问题采用logistic回归不妥当,因为logistic回归中参数的极大似然估计要求样本结局事件相互独立,而研究的问题中低龄青少年吸烟行为不独立。 2. 分类变量赋值不同对logistic回归有何影响? 分析结果一致吗? 答:(1)若因变量交换赋值,两个logistic回归方程的参数估计绝对值相等,符号相反;优势比互为倒数,含义有所区别,实质意义一样;模型拟合检验与回归系数的假设检验结果相同。 (2)若改变自变量参照类或哑变量设置方法,logistic回归方程形式、参数含义虽有不同,但是模型实质与应用结果相同,可以根据研究需要选择不同赋值方法。Logistic回归结果报告中,一定要说明分类变量赋值方法及其参照,否则无法理解模型意义。 3. 例18-6研究性别对吸烟行为的影响,采用logistic回归校正了年龄对居民吸烟行为的影响,请考虑有无其他混杂因素需要校正? 答:例18-6的主要目的是研究吸烟行为与性别的联系及其强度,例题采用logistic回归只校正了年龄对居民吸烟行为的影响。事实上,除年龄外,仍有其他因素会影响吸烟行为与性别的联系强度,如家庭人均年收入、受教育程度、主动获取保健知识等。建立回归模型时,首先应根据专业知识确定可能的影响因素,再采用logistic回归,将性别作为强制引入变量,对其他可能的影响因素进行变量筛选,最后将性别与筛选出的因素作为自变量建立logistic回归方程,从而正确回答校正混杂因素后吸烟行为与性别的联系及其强度。 4. 配对病例-对照研究资料若采用非条件logistic回归进行分析,对结果有何影响? 答:采用配对(匹配)方法的目的是对可能的混杂因素加以控制,有助于提高研究效率和可靠性。配对设计的特点是对子内部控制的混杂变量一致,有较好的可比性。配对(匹配)资料若采用非条件logistic回归进行分析,则忽视了这种可比性,降低了分析方法的检验效能。 三、计算题 探讨肾细胞癌转移有关的因素研究中,收集了26例行根治性肾切除术患者的肾癌标本资料(教材表18-19),有关变量说明如下,试进行logistic回归分析。 X:确诊时患者的年龄(岁)。 1 X:肾细胞癌血管内皮生长因子,其阳性表达由低到高共3个等级,分别赋值1、2、3。 2 X:肾细胞癌组织内微血管数。 3 X:肾细胞癌细胞核组织学分级,由低到高共4级,分别赋值1、2、3、4。 4

SPSS与社会统计学逻辑回归分析Logistic课程

SPSS与社会统计学逻辑回归分析Logistic课程作业二[1]陈昱,陈银蓉,马文博. 基于Logistic模型的水库移民安置区居民土地流转意愿分析——四川、湖南、湖北移民安置区的调查[J]. 资源科学,2011,06:1178-1185. 一、变量赋值 1.被解释变量用0表示不愿意流转,1表示愿意流转,有意愿上的状态表示效果。 2.性别分别用1和2表示男女,男女不存在有没有状态的表征,所以用1、2赋值非常合适;它的预计影响方向为负,是基于学者张林秀、刘承芳等认为:由于农村男性外出打工的几率高于女性,女性更愿意在家耕种土地,这就可能导致女性不愿意转出土地的基础上设定的。 3.教育程度越高赋值越高,且预测影响为正,这个也是在文章前面定量分析的时候引用学者李实的观点说明赋值的理由。 4.职业类型中,兼业化程度越高赋值越高,且为正向。从家庭收入对农业收入的依赖性原理角度来看这个不难理解。 5.其它变量的赋值依据实际情况初步判断也不能理解其赋值的缘由。然而对于“是否为村干部”这一变量来看,预测的趋向是:是村干部则不愿

意流转,前面的分析并没有说明为什么会是这样。虽然这知识一种预判,但是若能够给出预判的一丁点理由就更好了。 二、系数解读 1. 标准化系数中,x1,x3,x7,x9,x11,x12系数为付,意味着性 别是男、与市中心距离越近、家庭人口和劳动力人数越少、农业 收入占比越少、认为土地经营权权属则土地流转的意愿越强; 2. 其中X3(与市中心距离),x9(劳动力人数)影响系数绝对值较大, 分别为0.815,0.322。在显著性检验方面,x3、x9、x11分别通过 了15%、1%、5%的显著性检验。也就是说,土地不愿意流转与 劳动力人数多有显著相关性,与农业收入占比高有较显著的相 关,与市中心距离近相关性不显著。 3. 系数为正的变量中,影响系数均不高,但能通过显著性检验的

第十二章+Logistic回归分析

第十二章 Logistic 回归分析 一、Logistic 回归概述: Logistic 回归主要用于筛选疾病的危险因素、预后因素或评价治疗措施;通常以疾病的死亡、痊愈等结果发生的概率为因变量,以影响疾病发生和预后的因素为自变量建立模型。 二、Logistic 回归的分类及资料类型: 第一节 非条件Logistic 回归分析 一、Logistic 回归模型: Logistic 回归模型: logit (P )= ln( p p -1) = β0+β1χ1 + … +βn χn 二、回归系数的估计(参数估计): 回归模型的参数估计:Logistic 回归模型的参数估计通常利用最大似然估计法。 三、假设检验: 1.Logistic 回归方程的检验: ·检验模型中所有自变量整体来看是否与所研究事件的对数优势比存在线性关系,也即方程是否成立。 ·检验的方法有似然比检验、比分检验(score test )和Wald 检验(wald test )。上述三种方法中,似然比检验最可靠。 ·似然比检验(likehood ratio test ):通过比较包含与不包含某一个或几个待检验观察因素的两个模型的对数似然函数变化来进行,其统计量为G=-2ln(L)(又称Deviance )。无效假设H 0:β=0。当H 0成立时,检验统计量G 近似服从自由度为N-P-1的X 2分布。当G 大于临界值时,接受H 1,拒绝无效假设,认为从整体上看适合作Logistic 回归分析,回归方程成立。 2.Logistic 回归系数的检验: ·为了确定哪些自变量能进入方程,还需要对每个自变量的回归系数进行假设检验,判断其对模型是否有贡献。 ) (11011011011011)](exp[11 )exp(1)exp(p p X X p p p p p p e X X X X X X p ββββββββββββ+++-+= +++-+=+++++++=

如何用SPSS做logistic回归分析

如何用spss17.0进行二元和多元logistic回归分析 一、二元logistic回归分析 二元logistic回归分析的前提为因变量是可以转化为0、1的二分变量,如:死亡或者生存,男性或者女性,有或无,Yes或No,是或否的情况。 下面以医学中不同类型脑梗塞与年龄和性别之间的相互关系来进行二元logistic回归分析。 (一)数据准备和SPSS选项设置 第一步,原始数据的转化:如图1-1所示,其中脑梗塞可以分为ICAS、ECAS和NCAS三种,但现在我们仅考虑性别和年龄与ICAS的关系,因此将分组数据ICAS、ECAS和NCAS转化为1、0分类,是ICAS赋值为1,否赋值为0。年龄为数值变量,可直接输入到spss中,而性别需要转化为(1、0)分类变量输入到spss当中,假设男性为1,女性为0,但在后续分析中系统会将1,0置换(下面还会介绍),因此为方便期间我们这里先将男女赋值置换,即男性为“0”,女性为“1”。 图1-1 第二步:打开“二值Logistic 回归分析”对话框: 沿着主菜单的“分析(Analyze)→回归(Regression)→二元logistic (Binary Logistic)”的路径(图1-2)打开二值Logistic 回归分析选项框(图1-3)。

如图1-3左侧对话框中有许多变量,但在单因素方差分析中与ICAS 显著相关的为性别、年龄、有无高血压,有无糖尿病等(P<0.05),因此我们这里选择以性别和年龄为例进行分析。

在图1-3中,因为我们要分析性别和年龄与ICAS的相关程度,因此将ICAS选入因变量(Dependent)中,而将性别和年龄选入协变量(Covariates)框中,在协变量下方的“方法(Method)”一栏中,共有七个选项。采用第一种方法,即系统默认的强迫回归方法(进入“Enter”)。 接下来我们将对分类(Categorical),保存(Save),选项(Options)按照如图1-4、1-5、1-6中所示进行设置。在“分类”对话框中,因为性别为二分类变量,因此将其选入分类协变量中,参考类别为在分析中是以最小数值“0(第一个)”作为参考,还是将最大数值“1(最后一个)”作为参考,这里我们选择第一个“0”作为参考。在“存放”选项框中是指将不将数据输出到编辑显示区中。在“选项”对话框中要勾选如图几项,其中“exp(B)的CI(X)”一定要勾选,这个就是输出的OR和CI值,后面的95%为系统默认,不需要更改。

基于因子分析和Logistic回归分析的

基于因子分析和Logistic回归分析的 儿童心理发展状况及其对策研究 摘要:目前,在儿童心理健康研究中,归纳方法已经比较成熟了,而对数据进行数学分析的方法还不够完善,本文主要运用因子分析、主成分分析和Logistics分析等多元统计学中的分析方法,对儿童心理健康状况做了一定的科学分析。通过分析,得到了影响孩子心理健康的因素,并提出针对性的解决方案,提出了一些行之有效的解决措施。通过归纳法与数据分析法的比较,数据分析比归纳法更具有科学依据也更为准确。 关键词:因子分析;主成分分析;Logistics回归分析;心理健康;儿童 Abstract:At present, in the study of children's mental health, the method of induction has become more mature, and the method of mathematical analysis of data is still not perfect. This article mainly uses multivariate analysis methods such as factor analysis, principal component analysis, and logistic analysis. The children's mental health status has done some scientific analysis. Through analysis, the factors that affect the children's mental health are obtained, and specific solutions are proposed, and some effective solutions are proposed. By comparing the induction method with the data analysis method, the data analysis is more scientific and accurate than the induction method. Key word: Factor analysis; Principal component analysis; Logistics analysis ; Mental health; Children

逻辑回归原理

逻辑回归 1. 基本原理 Logistic Regression和Linear Regression的原理是相似的,可以简单的描述为这样的过程: (1)找一个合适的预测函数,一般表示为h函数,该函数就是我们需要找的分类函数,它用来预测输入数据的判断结果。这个过程时非常关键的,需要对数据有一定的了解或分析,知道或者猜测预测函数的“大概”形式,比如是线性函数还是非线性函数。 (2)构造一个Cost函数(损失函数),该函数表示预测的输出(h)与训练数据类别(y)之间的偏差,可以是二者之间的差(h-y)或者是其他的形式。综合考虑所有训练数据的“损失”,将Cost求和或者求平均,记为J(θ)函数,表示所有训练数据预测值与实际类别的偏差。 (3)显然,J(θ)函数的值越小表示预测函数越准确(即h函数越准确),所以这一步需要做的是找到J(θ)函数的最小值。找函数的最小值有不同的方法,Logistic Regression实现时有的是梯度下降法(Gradient De scent)。 2. 具体过程 1.1 构造预测函数

图3 对于线性边界的情况,边界形式如下: 构造预测函数为: hθ(x)函数的值有特殊的含义,它表示结果取1的概率,因此对于输入x 分类结果为类别1和类别0的概率分别为: 3.2 构造Cost函数

Andrew Ng在课程中直接给出了Cost函数及J(θ)函数如式(5)和(6),但是并没有给出具体的解释,只是说明了这个函数来衡量h函数预测的好坏是合理的。 实际上这里的Cost函数和J(θ)函数是基于最大似然估计推导得到的。下面详细说明推导的过程。(4)式综合起来可以写成: 取似然函数为: 对数似然函数为:

logistic回归分析实例操作

Logistic回归分析 二分类(因变量Y有(如发病1与未发病0)两种可能出现的结果)资料的Logistic回归分析,至于多分类Logistic回归分析,与二分类操作过程类似,只是在数据编制及分析方法选择处不同。 分析的一般步骤: 变量的编码 哑变量的设置和引入 各个自变量的单因素分析 变量的筛选 交互作用的引入 建立多个模型 选择较优的模型 模型应用条件的评价 输出结果的解释 实例操作 11.1 某研究人员在探讨肾细胞癌转移的有关临床病理因素研究中,收集了一批行根治性肾切除术患者的肾癌标本资料,现从中抽取26例资料作为示例进行logistic回归分析。 1.各变量及其赋值说明 x1:确诊时患者的年龄(岁) x2:肾细胞癌血管内皮生长因子(VEGF),其阳性表述由低到高共3个等级(1-3)x3:肾细胞癌组织内微血管数(MVC) x4:肾癌细胞核组织学分级,由低到高共4级(1-4) x5:肾细胞癌分期,由低到高共4期(1-4) y:肾细胞癌转移情况(有转移y=1; 无转移y=0)。为二分类变量。 若作单因素的Logistic回归分析,也就是分别作Y与各自变量间的回归分析,如Y与X1、Y与X2等的单因素Logistic回归分析。 2.建立数据库

3.分析步骤 (1)

(2)

上图中若为单因素回归分析,只需在Covariates协变量框内导入单一自变量如X1即可。(3) 4.分析结果 (1)数据描述 Case Processing Summary Unweighted Cases a N Percent Selected Cases Included in Analysis 26 100.0 Missing Cases 0 .0 Total 26 100.0 Unselected Cases 0 .0 Total 26 100.0 a. If weight is in effect, see classification table for the total number of cases. (2)Block 1: Method = Forward Stepwise (Likelihood Ratio)

Logistic回归分析

Logistic 回归分析 Logistic 回归分析是与线性回归分析方法非常相似的一种多元统计方法。适用于因变量的取值仅有两个(即二分类变量,一般用1和0表示)的情况,如发病与未发病、阳性与阴性、死亡与生存、治愈与未治愈、暴露与未暴露等,对于这类数据如果采用线性回归方法则效果很不理想,此时用Logistic 回归分析则可以很好的解决问题。 一、Logistic 回归模型 设Y 是一个二分类变量,取值只可能为1和0,另外有影响Y 取值的n 个自变量12,,...,n X X X ,记12(1|,,...,)n P P Y X X X ==表示在n 个自变量的作用下Y 取值为1的概率,则Logistic 回归模型为: [] 011221 1exp (...)n n P X X X ββββ= +-++++ 它可以化成如下的线性形式: 01122ln ...1n n P X X X P ββββ??=++++ ?-?? 通常用最大似然估计法估计模型中的参数。 二、Logistic 回归模型的检验与变量筛选 根据R Square 的值评价模型的拟合效果。 变量筛选的原理与普通的回归分析方法是一样的,不再重复。 三、Logistic 回归的应用 (1)可以进行危险因素分析 计算结果各关于各变量系数的Wald 统计量和Sig 水平就直接反映了因素i X 对因变量Y 的危险性或重要性的大小。

(2)预测与判别 Logistic回归是一个概率模型,可以利用它预测某事件发生的概率。当然也可以进行判别分析,而且可以给出概率,并且对数据的要求不是很高。 四、SPSS操作方法 1.选择菜单 2.概率预测值和分类预测结果作为变量保存 其它使用默认选项即可。

基于logistic回归分析

基于SPSS logistic回归分析探究不同月均收入的男女比例 一一一 华北科技学院基础部北京东燕郊 065201 摘要:在计划经济时代,由于中国政府推行男女性别平等的就业制度和工资分配制度,因而城市劳动力性别工资差异并不明显。经济改革以来,伴随着由计划经济向市场经济的转型,工资分配机制发生了根本改变,性别工资差异越来越明显。性别分割是我国劳动力市场上一直存在的一种现象,性别收入差距总体趋势在扩大;个体特征差异能够在一定程度上解释性别收入差异,现阶段性别收入差异在很大程度上是由于劳动者本身的人力资本水平引起的,是正常合理的范围;歧视仍然是造成性别收入差距的一个原因,女性在获得教育的机会上还是比男性要低,而且女性很难进入到高收入行业和职业,使得在教育方面女性仍然处于不利地位。本文将运用SPSS二元回归分析探究不同月均收入对应的男女比例并得出结论,旨在对分析结果提出一些有建设性的建议。 关键词:logistic回归分析;SPSS软件;人均收入;性别比例 Based on SPSS logistic regression analysis to explore the sex ratio of different monthly income NIU Xiaoyu (North China institute of science and technology,Beijing,065201,China) Abstract: In the era of planned economy, as a result of the Chinese government to implement gender equality employment system and salary distribution system, and urban labor gender wage gap is not obvious. Since the economic reform, with the transition from planned economy to market economy, fundamental changes have taken place in wage distribution mechanism, the gender wage gap is more and more obvious. Gender segmentation is China's labor market has been a phenomenon of gender overall trend in the expanding income gap; Individual characteristics can partly explain the gender income differences, gender differences at present stage is largely caused by the human capital level of laborer itself, is a normal reasonable range; Discrimination is still a cause of the gender pay gap, women in the opportunity to gain education or lower than men,

SAS 中Logistic回归方法的正确应用及结果的正确解释

Logistic回归方法的正确应用及结果的正确解释 金水高 (中国疾病预防控制中心,北京,100050) Logistic回归是研究当因变量为二分变量时,因变量与自变量关系的常用方法,自80年代初引入国内后,随着计算机技术的发展,统计软件的日益成熟而得到了十分广泛的应用。但是并不是所有的研究者对于Logistic回归的方法都能正确使用,对结果都能正确解释。近年来文献中经常出现对方法错用、误用及对结果的错误解释的现象。本文仅就在使用Logistic方法时经常出现的错误进行探讨。 1.Logistic回归中分类变量的数量化方法 在Logistic回归中,自变量可以有多种形式。以连续变量形式的如年龄;以等级变量进入方程的如不同的污染等级。而更多的却是以分类变量(定性变量)形式出现的,如性别,地区,职业等。对于多水平分类变量(如职业)的各个水平的赋值方式,尽管在正规的教科书上有详细的介绍,但经常有有些作者将多水平的分类变量按等级来进行赋值(1)。下面摘引的是文献1的作者对其中一些分类变量取值的赋值(表1)。 表1 某个吸烟调查中一些自变量的意义及赋值 作者将第一个变量不同水平赋为具有等级关系的四个值,虽然比较勉强,还可以接受,因为变量的四个取值确实存在程度的差异(但为什麽相邻之间都相差1,这就没有太多的道理了)。而对后面的两个变量(M2及J4)的不同水平也赋予具有等级关系的值,而且相邻之间都相差1,那就没有任何道理了。因为变量M2是询问调查对象是否在电视中看到过有关吸烟的内容,人们对这个问题给出的答案显然并不存在任何量上的程度差别。 对这类自变量的赋值应该采取数量化的方法。通常建议的数量化方法为设臵哑变量。例如对于上面的M2,有4种可能回答,则要设臵3个哑变量,假设为M21,M22,M23。将每一种可能回答(水平)用一组哑变量的取值来表述(表2)。 从表2可以看到,用M21,M22及M23同时等于0表示没有在电视里看到过有关吸烟方面的任何内容;而用M21=1,M22及M23均为0表示在电视里看到过关于吸

相关文档
最新文档