医院资料如何应用SPSS软件包进行Logistic回归分析
请教：如何在SPSS中进行多项Logistic回归分析？
请教：如何在SPSS中进行多项Logistic回归分析？
展开全文
既然你会了二分类变量的Logistic回归分析，那因变量有三个或者三个以上分类就不难了！在SSPS软件上，单项和多项Logistic Regression 的菜单紧挨着，要是多变量多项 Logistic Regression 选多项 Logistic Regression 分析就行了！但注意以下几个事项：
1，要分清从属变量和独立变量，从属变量是被影响因子---比如：0 不发病 1 发病，而独立变量就是那些影响因子。
2，在选多项Logistic Regression 分析，独立变量里可能还包括因子变量和共同变量两种，前者是计数资料，后者是计量资料。
这一点非常重要，在SSPS软件上输入时要注意。
3，从属变量和因子变量里还要注意主次成分，也就是排序，比如：你是判断发病危险还是判断不发病的可能性（与从属变量排序有关），你是判断吸烟对疾病有无危险还是判断吸烟对疾病有无保护（与因子变量排序有关）。
也不知道你明白了没有？总之，统计就是这么抽象，只有自己在实战中才能真正理解！。
多因素logistic回归分析spss
多因素logistic回归分析spssLogistic回归分析是一种用来研究影响离散变量的因素的方法，该方法的输出是一个logistic模型，这一模型可以用于预测变量的值，即预测该变量的值有多高的概率会取各种可能的取值。
简言之，logistic回归分析的主要目的是把客观的结果（例如，是否改变某个政策，是否感染某种疾病等）变成可预测的离散变量，以便分析影响客观结果的各种因素。
Spss可以提供多因素logistic回归分析，这种分析可用于识别影响离散变量（例如，是否改变某个政策，是否感染某种疾病等）的多个因素之间的关联。
该分析需要有一个组合变量作为自变量，以及一个离散变量作为因变量。
例如，如果您要研究性别和年龄两个因素如何影响某种疾病的发生率，那么性别和年龄两个因素就是组合变量，而疾病的发生率则是因变量。
1.建立变量和分类（上述示例中需要建立性别和年龄两个变量，以及分类变量的可能的取值）。
2.执行logistic回归分析。
打开spss，并在“分析”菜单中打开多元分析，然后点击“逻辑回归”，并选择您要研究的变量和分类。
3.生成回归模型和检验其统计学意义。
在spss中，您可以使用类似“回归系数”之类的描述性统计学方法来估算回归模型，并可以使用“p-值”来判断回归模型中各变量的统计学意义。
4.Interpret模型。
根据p值判断各变量的统计学意义，进而分析影响离散变量的多个因素之间的关联。
四、总结Logistic回归分析是一种用来研究影响离散变量的因素的方法，spss可以提供多因素logistic回归分析，这种分析可用于识别影响离散变量的多个因素之间的关联，spss中步骤：建立变量和分类，执行logistic回归分析，生成回归模型和检验其统计学意义，Interpret模型。
SPSS软件在医学科研中的应用-Logistic回归分析
SPSS软件在医学科研中的应用计算机实习（SPSS10.0）何平平北大医学部流行病与卫生统计学系实习六Logistic回归分析（一）Logistic回归分析的任务影响因素分析在流行病学研究中，logistic回归常用于疾病的危险因素分析，logistic回归分析可以提供一个重要的指标：OR。
（二）Logistic回归分析的基本原理1.变量特点因变量：二分类变量，若令因变量为y，则常用y＝1表示“发病”，y＝0表示“不发病”（在病例对照研究中，分别表示病例组和对照组）。
自变量：可以为分类变量，也可以为连续变量。
2.Logistic模型Log P1 P = ®+®1x1+ ®2x2+ ...... + ®mxmP=P(y=1|x)，为发病概率；1-P=P(y=0|x)，为不发病概率。
®0为常数项，®1 ，®2 ….. ®m分别为m个自变量的回归系数。
模型估计方法：最大似然法（Maximum Likelihood Method）。
构造似然函数（L ikelihood function ）L= P(y=1|x) P(y=0|x)，通过迭代法估计一组参数（®0，®1 ，®2 ….. ®m）使L达到最大。
3.自变量的相对重要性分析衡量变量相对重要性的指标（1）Wald值：(®i /SE(®i ))2，近似⎪2分布，用于检验自变量的显著性。
（2）对自变量作显著性检验的概率P值。
当Wald值越大，P值越小时，自变量的影响就越大。
4.自变量的筛选与多元线性回归分析类似，有Forward法（实际上是逐步向前法）、Backward法（默认方法为Enter，即所有自变量一次全部进入方程）。
5.模型拟合的优良性指标（1）拟合分类表（Classification Table）根据Logistic回归型，对样本重新判别分类，符合率越高，模型拟合越好。
SPSS多元线性回归在医学统计分析中的应用操作及分析
SPSS多元线性回归在医学统计分析中的应用操作及分析之前我们详细讲解了因变量为二分类的变量的影响因素的分析，采用二元Logistic回归分析。
但是在实际情况中，有些因变量的数据类型为连续数值型变量，并无特定的分类，这时候要分析他的影响因素，就无法采用logistics 回归，由于变量数据为线性数值，这里就要采用线性回归模型来分析。
本次我们就来详细讲解SPSS多元线性回归在医学统计分析中的应用操作。
先来看今天的案例，我们采集了80位患者的骨吸收的数值数据，临床上可能对其造成影响的因素有吸烟、牙周炎、CA、固位方式、性别、年龄、固定支架直径、长度、修复类型、位置这些因素。
如下图1：（图1）我们要分析吸烟、牙周炎、CA、固位方式、性别、年龄、固定支架直径、长度、修复类型、位置这些因素这些因素中，哪些确实是对骨吸收有显著的影响。
就要以骨吸收为因变量，以吸烟、牙周炎、CA、固位方式、性别、年龄、固定支架直径、长度、修复类型、位置为自变量，采用多元线性回归模型分析。
这里要注意的是，CA、年龄、为线性变量，可以直接作为自变量，但是吸烟、牙周炎这些属于分类变量，本应先对其进行虚拟化，才能作为自变量，但是由于这里的分类变量全部为二分类，因此虚拟化操作和当前实际一致，因此可直接作为自变量。
关于如何做多分类自变量虚拟化的线性回归，我们将在今后的文章中再另行详解。
下面进行SPSS多元线性回归的操作步骤①点击“分析”--“回归”--“线性”，在弹出的回归对话框中，将骨吸收选入因变量框中，将其他变量选入自变量框中。
（图2）（图3）②进行相关的输出和参数设置，点击右侧“自助抽样”按钮，在弹出的对话框中勾选“执行自助抽样”，“置信区间”级别填写95。
然后点击继续，确定按钮。
（图4）③得到输出结果，并进行分析。
这里我们只对重要的表格进行详细讲解分析。
（图5）模型摘要这张表，主要看R方为52.6%，大于50%，说明数据与模型拟合程度较好。
使用SPSS进行临床数据分析的技巧
在临床研究中，预后研究旨在评估患者接受某种治疗后的疾病进展和生存情况 。使用SPSS进行数据分析，可以分析影响预后的因素，并建立预测模型。
预后研究分析方法
常见的分析方法包括生存分析、Cox回归分析等，SPSS提供了相应的统计分析 工具来实现这些方法。
病因研究
病因研究
病因研究旨在探讨疾病发生的原因和危险因素。使用SPSS进 行数据分析，可以帮助研究者识别与疾病发生相关的因素， 并评估其因果关系。
多重共线性问题
处理方式
可以采用相关系数矩阵、VIF等方法检测多 重共线性，然后通过减少变量、使用因子分 析等方法解决多重共线性问题。
注意事项
在处理多重共线性问题时，应深入分析变量 之间的关系，避免简单地将变量删除或整合 。同时，应注意保持模型的解释性和稳定性
。
06
SPSS与其他软件的结合 使用
与Excel的结合使用
推论性统计分析
总结描述
推论性统计分析是通过样 本数据来推断总体特征， 利用样本信息对总体做出 科学推断。
参数估计
使用样本数据估计总体参 数，如总体均值、总体比 例等，并给出估计的精度 和置信区间。
假设检验
根据研究目的提出假设， 然后利用样本数据对假设 进行检验，判断假设是否 成立。
高级统计分析
总结描述
启动方法
安装完成后，可以通过开始菜单 或桌面快捷方式启动SPSS。首次 启动时，系统会提示创建或打开 数据集。
数据输入与整理
数据导入
除了手动输入数据，SPSS支持多种 数据格式的导入，如Excel、CSV等 。通过“文件”菜单下的“导入数据 ”功能，选择相应格式导入即可。
数据整理
在数据输入后，需进行数据整理，如 添加或删除变量、编码分类变量等。 SPSS提供了强大的数据整理工具，如 “数据转换”功能。
应用SPSS软件进行多分类Logistic回归分析
e0. 077 e0. 077+ e- 0. 624 +
e0 =
1.
1. 080+
080 0. 536+
1=
0.
413
P (中度) =
01536 11080+ 0. 536+
1=
0.
205
P (重度) =
11080+
1 0.
536+
1=
0.
382
即该初中男生轻度视力低下的概率为 0. 413, 中度视力低
Jou rna l of M a them a tica lM ed icine
V o l. 14 NO. 6 2001
文章编号: 100424337 (2001) 0620548202 中图分类号: T P319 文献标识码: B
应用 SPSS 软件进行多分类 L og ist ic 回归分析
黄 爽 安胜利Ξ
(新乡市卫生监督检验所 新乡 453003)
SPSS 是在W in95 或以上平台下运行的软件, 界面友好、 直观, 操作简便, 非常适合于非统计专业人员应用。 本文结合 具体实例, 介绍如何在 SPSS10. 0 上进行多分类 (反应) logistic 回归分析。
通常意义上的 L ogistic 回归要求因变量 y 只有两种取值 (二分类) , 当 y 的取值有两种以上时, 就要用多分类 L ogistic 回归分析 (M u ltinom ialL og istic R eg ression)。这种分析不仅可 用于医疗卫生领域的研究, 也可应用于社会学、经济学等领域 的研究。例如研究学生龋齿严重程度 (因变量) 与刷牙、饮食习
2. 233 指对于视力低下为中度而不是重度这种情况, 初中生是
利用 SPSS 进行 Logistic 回归分析简要步骤
利用SPSS 进行Logistic 回归分析简要步骤
现实中的很多现象可以划分为两种可能，或者归结为两种状态，这两种状态分别用0
和1 表示。
如果我们采用多个因素对0－1 表示的某种现象进行因果关系解释，就可能应用到logistic 回归。
Logistic 回归分为二值logistic 回归和多值logistic 回归两类.
第一步：整理原始数据。
数据整理内容包括两个方面：一
是对各地区按照三大地带的分类结果赋值，用0、1 表示，二是将城镇人口比重转换逻辑值，变量名称为“城市化”。
第二步：打开“聚类分析”对话框。
沿着主菜单的“Analyze→Regression→Binary Logistic
K
”的路径（图8-1-3）打开二值
Logistic 回归分析选项框.
第三步：选项设置。
首先，在源变量框中选中需要进行分析的变量，点击右边的箭头符号，将需要的变量调
入Dependent（因变量）和Covariates（协变量）列表框中（图8-1-5）。
在本例中，将名义变
量“城市化”调入Dependent（因变量）列表框，将“人均GDP”和“中部”调入Covariates （协变量）列表框中。
在Method（方法）一栏有七个选项。
采用第一种方法，即系统默认的强迫回归方法（Enter）。
接下来进行如下4 项设置：
⒈设置Categorical（分类）选项：定义分类变量.
⒉设置Save（保存）选项,
⒊设置Options
第四步,结果解读.。
利用SPSS进行logistic回归分析(二元、多项)
线性回归是很重要的一种回归方法，但是线性回归只适用于因变量为连续型变量的情况，那如果因变量为分类变量呢？比方说我们想预测某个病人会不会痊愈，顾客会不会购买产品，等等，这时候我们就要用到logistic回归分析了。
Logistic回归主要分为三类，一种是因变量为二分类得logistic回归，这种回归叫做二项logistic回归，一种是因变量为无序多分类得logistic回归，比如倾向于选择哪种产品，这种回归叫做多项logistic回归。
还有一种是因变量为有序多分类的logistic回归，比如病重的程度是高，中，低呀等等，这种回归也叫累积logistic回归，或者序次logistic回归。
二值logistic回归：选择分析——回归——二元logistic，打开主面板，因变量勾选你的二分类变量，这个没有什么疑问，然后看下边写着一个协变量。
有没有很奇怪什么叫做协变量？在二元logistic回归里边可以认为协变量类似于自变量，或者就是自变量。
把你的自变量选到协变量的框框里边。
细心的朋友会发现，在指向协变量的那个箭头下边，还有一个小小的按钮，标着a*b，这个按钮的作用是用来选择交互项的。
我们知道，有时候两个变量合在一起会产生新的效应，比如年龄和结婚次数综合在一起，会对健康程度有一个新的影响，这时候，我们就认为两者有交互效应。
那么我们为了模型的准确，就把这个交互效应也选到模型里去。
我们在右边的那个框框里选择变量a，按住ctrl，在选择变量b，那么我们就同时选住这两个变量了，然后点那个a*b的按钮，这样，一个新的名字很长的变量就出现在协变量的框框里了，就是我们的交互作用的变量。
然后在下边有一个方法的下拉菜单。
默认的是进入，就是强迫所有选择的变量都进入到模型里边。
除去进入法以外，还有三种向前法，三种向后法。
一般默认进入就可以了，如果做出来的模型有变量的p值不合格，就用其他方法在做。
再下边的选择变量则是用来选择你的个案的。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
３．２
表２
８１７９例步敷民族患者年龄分布
合计
１７６２ ３６６９ １９９４ ７５４ ８１７９
８１７９倒少数民族患者中，年龄多集中在２０～４０岁。造 影响少数民族身体健康的主要疾病是消化系统疾病．
成丁少数民族最佳劳动力的损失。
３ ３
等兽维吾尔族咕萨克族回族鬣古接其他
，， ＜２０ ２０～ ４０— ６０～ ９４ ２３２ １１ｌ ６５ １４９９ ３１９７ １７１２ ５９３ ７００１ １１４ １２５ ８９ ５６ ３８４ ４１ ９２ ７３ ３３ ２３９ １４ ２３ ９ ７ ５３
示无，４表示很多）
目标变量ｘｘ，＝ｘ０３一Ｘ１３（数学表达式）
定义条件：ｉｆ ｚ＝１．
目标变量ｘｘ３＝Ｘ１３一ｘ０３（数学表达式） 定义条件：ｉｆ
ｚ＝０。
喜吃卤食和盐渍食物（Ｘ∞与ｘ１２）０，１．２，３，４表示程 度（０表示不吃．４表示很喜欢吃） 精神状况（ｘ０３与Ｘ１３）０表示差，１表示好 由于ＳＰＳＳ １０．０的版本未提供条件Ｌｏｇｉｓｔｉｃ回归模型的 分析过程。需对数据进行处理，然后利用ＳＰＳＳ １０．０的非条 件１．ｏｇｋｓｔｉｃ回归的分析过程来进行１：１条件Ｌｏｇｉｓｔｉｃ回归。 根据１：１条件Ｌｏｇｉｓｔｉｃ回归模型：
生＝！：翌§
Ｑ：§！！
￡：垒２１
１
ｇ：蛆！
Ｑ：！坐
２：！蛰垦：Ｑ２
Ｑ：Ｚ！Ｑ
结果解释类似二分类Ｌｏｇｉｓｔｉｃ回归。以癌变（ＩＤ＝３）为
类Ｌｏｇｉｓｔｉｃ回归分析。 表４性别和新旧两种疗法治疗慢性支气是的疗效
性别
基准．分别用两个回归方程进行Ｄ水平１与Ⅲ水平３和 ｍ水平２与ｍ水平３的比较。回归系数经假设检验均有
３主要结果解释
Ｐａｒａｍｅｔｅｒ Ｅｓｔｉｍａｔｅｓ
Ｗａｌｄ
３２．４２５ ４５
ｄｆ
Ｓｌｇ． ０．０００ ０ ０００ ０．００１ ０ ０ ０００ ０００ ８
————————————————————————————————————————————————————生唑苎■翌竖坚—一一—ｊ些婴兰坐竺生～
Ｉｎｔｅｒｃｅｐｔ ｌ １ １ ｌ １ Ｘ・一１０．０１２ Ｘ２ ２ ００ Ｉｎｔｅｒｃｅｐｔ Ｘ・ —３．７１４ １６．２０５ 一４．７２１ ４９０ １４６ ４ ４８７Ｅ一０５ ２ ４１９Ｅ．０６
Ｐａｒａｍｅｔｅｒ Ｅｓｔｉｍａｔｅｓ
—————————————————————————————————————————————————些竺望里型型—————』生些■塑堕～ ［ＩＤ＝１ ００】
ｓｔｄ ｄｆ １ Ｔｈｒｅｓｈｏｌｄ 一１．６４９ Ｏ．３０２ ０．２８１ ０．２８１ ２９ ７３０ ２３３ ８４７ ｏ．０００ ０．０４０ ０ ０１６ —２ 一ｌ ２４１ —１ —２ ０５６
设有一女性病人．接受新疗法．代人预测方程得：ｌｏｇｉｔ［Ｐ（ｍ
≤ｌ
参考文献
ｌ方积乾医学统ｉ十学与电脑实验［Ｍ］上海；上海科技出版社
２００１．４９Ｉ～４９６
ｘ１．ｘ２）］＝ｏ．０６１，Ｐ（ｍ≤１ ｘＩ，ｘ２）】＝０．５２，ｌｏｇｉｔ ［Ｐ（ｍ≤２ＩＸＩ．ｘ２）］＝１．１３１。Ｐ（ＩＤ≤２ｌｘｌ，ｘ２）］＝０．７６，
ｃｏｎａｔａｎｔ ｉｎ
ｍｏｏｄ（取消常数项）。
”（』。ｏｌｘ）。百面Ｆ赢寻丽
１
１．３主要结果解释
表ｌ
Ｂ Ｓｔｅｐ １ Ｓｔｅｐ ２ ＸＸｌ ＸＸｌ ０．７６８ Ｓ
Ｖａｒｉａｂｌｅｓ ｉｎ ｔｈｅ Ｅｑｕａｔｉｏｎ
Ｅ．
Ｗａｌｄ ９．９５６
１０．３５５
ｄｆ １ １ ０
Ｓｉｓ． ００２
ｅｘｐ（Ｂ）
２．１５６ ２．５７１
１
目标变量ｘｘ２＝ｘ∞一ｘ１２（散学表达式）
Ｚ＝１。
目标变量ｘｘ２＝Ｘ１２一Ｘｏｄ数学表达式）
定义条件：ｉｆ Ｚ＝０．
１数据结构：共有六个变量ｘ０１、Ｘ∞、Ｘ０３、Ｘ１１、Ｘ１２、ｘ１３．
其中ｘｏｌ、ｘ吣ｘ０３为病例组的三个变量．ｘｕ、ｘ１２、ｘ１）为对
照组的三个变量。 不良饮食习惯（ｘ０１与ｘ１１）０．１，２，３，４表示程度（０表
１．２选用程序：ＡＩＩａｌｙ驰呻ＲｅＦｅｓｓｌｏｎ÷Ｂｉｎａｒｙ Ｌｏｇｉｓｔｉｃ，进入 二分类Ｌｏｇｉｓｔｉｃ回归分析对话窗。
（１）将２选入Ｄｅｐｅｎｄｅｎｔ窗，将麒Ｉ、ｘｘ２、ｘｘ３选入ｃｏ．
ｖａｒｉａｔｅｓ窗ｏ （２）Ｍｅｔｈｏｄ窗：挑选变量选用Ｆｏｒｗａｒｄ：Ｃｏｎｄｉｔｉｏｈａｌ法。 （３）Ｏｐｔｉｏｍ对话框：因为条件Ｌｏｇｉｓｔｉｃ回归无常数项，应 取消ｉｎｃｌｕｄｅ
胃＿毙不冉型增生癌变
ＩＤ＝１ ９ １８ １５ ０ ２ ０ Ｏ ０ ０ ＩＤｚ ２／Ｄ＝３ ０ １ ８ ３ １５ １４ ｌ ２ ０ ０ ０ ０ ０ ２ ４ Ｏ １２ ２３
ｆｒｅｑ
９ １９ ２３ ３ １９ １８ ｌ １４ ２３
１数据结构：本倒数据结构类似其它回归分析资料的数
２ ２
据结构。每个观察对象有一个结果变量ｍ（为三个分类）和
多个自变量ｘ。．ｘ２。为频数表资料，因此要加多一个频数
变量（ｆｒｅｑ）。
选用程序：Ａｎａｌ炉Ｒｅｇｒｅｓｓｉｏｎ斗Ｍｕｌｔｉｎｏｍｉａｌ
Ｌｏｇｉｓｔｉｃ
将结果变量ｍ选入Ｄｅｐｅｎｄｅｎｔ窗。将自变量ＸＩ与Ｘ２
选入Ｃｏｖａｒｉａｔｅｓ宙。
２
对频数变量（ｆｒｅｑ）加权：在ＳＰＳＳ的数据编辑窗口调入
表３
ＩＤ １．００ Ｂ ２７．５６３ Ｓｔｄ．Ｅｒｒｏｒ ４．８４０ ｌ
１．９３８Ｘ２
女 新疗法Ｘ２。ｌ Ｘ１＝１旧疗法Ｘ２＝０ 男 新疗法Ｘ２＝ｌ Ｘｔ＝０旧疗法Ｘ２＝０
１数据结构 每个观察对象有一个结果变量（为三个分类）和多个自
ｘ．的回归系数都为负值，说明颗粒散少，胃炎和不典型 增生发生的概率大于癌变；ｘ２的回归系数都为负值，说明颗 粒越小。胃炎和不典型增生发生的概率大于癌变。 ３有序多分类Ｌｏｇｉｓｔｉｃ回归 倒为研究性别和新旧两种疗法治疗慢性支气管炎的 疗效，调查了２０３倒慢性支气管炎病人．性别用ｘｌ＝１表示 女，０表示男，新疗法用ｘ２＝１表示，旧疗法用ｘ２＝０表示， 疗效分为显效、有效、无效（用ＩＤ；１。２，３表示）。试作多分
统计学意义。得到线性预测方程为： ｌｏｇｉｔ［Ｐ（ＩＤ＝１
３．７１４Ｘ２
疗法１ｉｉ五再ｉ—｛赢Ｆ五芝专—元聂—面ｉ
３６ １５ １５ ６ １６ １８ １０ ５ １７ ２８ １７ ２０
ｘＩ，Ｘ２）］＝２７．５６３—１０．０２１ＸＩ一 ｘ１．Ｘ２）］＝１６．２０５—４．７２１ｘ１—
３
ｌｅｇｉｔ【Ｐ（ＩＤ＝２
２
数据．然后从菜单选择Ｄａｔａ—Ｗｅｉｇｈｔ Ｃａｓｅｓ．弹出Ｗｅｉｇｈｌ ｅｓ对话框．将ｆｒｅｑ放入Ｆｒｅｑｕｅｎｃｙ窗。
表２三种胃疾病ＡｇＮｏＲ颗粒检测结果整理表 分层
ｇ １ ２ ３ ４ ５ ６ ７ ８ ９
Ｃａ５
颗粒数颗粒大小例数
Ｘｌ １ １ １ ２ ２ ２ ３ ３ ３ Ｘ２ １ ２ ３ １ ２ ３ ｌ ２ ３
即显效的概率为０．５２．有效的概率为０．２４．无效的概率为
（收稿日期：２００２．０９ １２）
０．２４。
８１７９例少数民族住院病例统计分析
夏江蒋春英
少数民族住院病例
【关蕾词】
中圉分类号：Ｒ１９５文献标识码：Ａ文章绾号：１００６．５２５３（２００３１０１—００５９．０１
本文对我院在１９９６－－２０００年收治的８１７９例少数民族 病人进行了统计分析，现报道如下： １资料来源 资料来源于我院出院病豢．疾病诊断拄ＩＣＤ－９统计。 ２统计结果 ５年期闻，我院共收治少数民族住院病人８１７９倒，占同
ｚ（，２１ＩＸ）２再ｉ矿卸Ｌ＿而
可设定新结果变量Ｚ，前２５例Ｚ输入１．后２５例ｚ输入０。 利用病例与对照之间三个自变量（ｘｏｌ与ｘ１１，ｘ０２与ｘ１２， ｘ０３与ｘ¨）的差值作为新自变量ＸＸｌ、ｘｘ２、ｘｘ３。 在ＳＰＳＳ的数据编辑窗口调入数据，然后从菜单选择 Ｔｒａｎｓｉｏｒｍ—Ｃｏｍｐｕｔｅ，弹出Ｃｏｍｐｕｔｅ对话框，计算： 目标变量ｘｘｌ＝ｘｏｌ—ｘｕ（投学表迭式） 定义条件：ⅡＺ＝１， 目标变量ｘｘｌ＝ｘ１１一ｘ０１（数学表达式） 定义条件：ｉｆ 定义条件：ｄ
系数都为正值，分别为０．９４４与Ｏ．８８２，ＯＲ值都大于１，分
作者单位；５１０６３０中山大学公共卫生学院流行病与卫生统 计幕广东省广州市
万 方数据
主垦匡医箕盐２ＱＱ！生！且盟！Ｑ鲞墨！塑
别为２．５７１与２．４１６．并且都有统计学意义，说明不良饮食 习惯增加胃癌发病的机会．而多吃卣食和盐渍食物也会增加 胃癌发病的机会，而且囟食和盐渣食物吃得越多，胃癌发病 的机会就越大。 ２无序多分类Ｌｏｇｉｓｔｉｃ回归 例为了研究胃癌及癌前病变核仁组织变化情况，分析 核仁组成区嗜银蛋白（ＡｇＮｏＲ）颗粒数量ｘＩ（分别为：较少； １，中等＝２，较多＝３）及大小ｘ２（分别为：小＝１．中＝２，大＝ ３）在胃炎、不典型增生和胃癌（ＩＤ．表达为１，２，３）中的变化 规律咀及临床的诊断意义．检测了１２９例患者，试作多分类 Ｌｏｇｉｓｔｉｃ回归分析，见表２。０．Biblioteka ４３ ２９４０．９４４’０
０．００１
墨生
Ｑ：§墼
Ｑ：２２±
！：！竖
ｉ
Ｑ：ＱＱ２
２：！！§
三个因索中ＸＸ３引入模型时Ｐ＞Ｏ．０５，不能引人模型。 ＸＸｌ及ＸＸ２引入模型时Ｐ＜０．０５，可引入模型。结果表明 在三个因素中不良饮食习惯（ｘｘｌ）与喜欢吃卤食和盐渍食 物（ＸＸｔｌ与胃癌发病有较密切的关系。ｘｘｌ和ＸＸ２的回归
＆ｎｍｍ
ＥⅫＷａｌｄ
４ ５
Ｓｉｇ．———羔生！型麴璺垫！塑ｌ＿
１３０ ７４４Ｅ ０２ —１．２３２ —０．１２９
ｈａ６０Ｅｌ
【ＩＤ＝２ ００】
Ｘ１
一０．５７９
—０．６８０