如何用spss实现配比的条件logistics回归分析

1、如何用spss实现配比的条件logistics回归分析孙大鹏 sundapeng87仅以此篇献给那些专注于使用spss而不会使用sas、R、epiinfo等统计软件的同志，spss是大家用的非常广泛的统计工具，它的数据管理非常直观，但是有一点就是它的回归分析中没有条件logistics回归分析模块。而这个分析模块在后三个软件中可以轻松实现。下面就给大家介绍一下如何使用spss进行条件logistics回归分析。原理就是利用生存分析中的cox回归模型。一、变量准备。（一）首先我们准备好的数据应该有个因变量y，为0，1格式的，0代表对照或未发病，1代表病例或已发病。（二）我们要分析的自变量x1，x

2、2，一般为二分类变量，1或0，是否。当然也可以是多组的分类变量，这个比较麻烦（一般不推荐，后面结果分析会说一下）。（三）分组变量标注分组的代码group。假设1：4配比，这5个个案为一组，共用一个group号。（四）Cox回归模型，需要一个time的生存时间变量，这个变量我们这样设置，首先有个因变量y，为0，1格式的，计算time=2-y。这样子就是设置成病例生存时间为1，对照生存时间为2。病例发病对照不发病，对照的生存时间必然要长于病例。数据见附件1二、操作步骤（一）数据导入spss。不会的回家自己学去。（二）分析-生存函数-Cox回归 打开对话框（三）选取变量，第一时间 选入time变量；

3、第二个状态选入y即病例和对照，定义事件为为1；协变量选择X，你要分析的因素方法选择向前条件分层选择group；重要选项中可以设置计算可信区间（四）结果判读方程中的变量BSEWalddfSig.Exp(B)95.0% CI 用于 Exp(B)下部上部步骤 1x1.870.51213.3691.0006.4912.38217.693Sig 为P值；B为系数；Exp（B）为OR值，后面为OR值可信区间三、关于x为分类变量，并且为多组时的问题（一）需要对协变量设置分类，选择第一个后，记得要点击更改。如果选入变量，分类按钮为灰色，这是请点击分层的变量，移出再移入，分类按钮就变换过来了。（二）这个样子就可

4、以计算分析了，但是结果的显示数据正确，但是结果表格OR值和X分类变量的对应关系混乱。具体原因暂时没清楚，建议出现多分类变量时使用另外三个统计分析软件。例如：下面X为0，1，2的三个分类变量，但最终结果中，X(1)和X（2）的OR值却调换了。按说类别2的危险度应该比1要高的。分类变量编码b频率(1)(2)xa02460015710211601a. 示性参数编码b. 分类变量: x方程中的变量BSEWalddfSig.Exp(B)95.0% CI 用于 Exp(B)下部上部x37.9952.000x(1)2.378.38837.4561.00010.7795.03423.081x(2)1.170.

5、33911.9021.0013.2211.6576.260附件一示例数据idgroupyxtime11111210123101241012521116201272012820029311110301211300212300213411114401215400216400217511118501219500220500221611122601223600224600225711126701227700228700229811130800231800232800233911134900235900236900237101113810002391000240100024111111421100243

6、110024411002451210146120124712012481200249131015013012511300252130025314101541400255140025614002571511158150125915012601611161160126216012631711164170126517012661811167180126818002691911170190127119002722011173200127420002752111176210027721002782211179220028022002812311182230028323002842411185240028624002872511188250028925002902611191260029226002932711194270029527002962810197280129828002992910110029012101290021023010110330012104