SPSS教学课件：Logistic 回归分析SPSS

Logistic回归分析SPSS实习目标（1）针对理论上介绍的三种Logisitic回归模型，要求掌握其基本思想。（2）能根据不同的资料类型选择合适的Logisitic回归模型。（3）能运用SPSS软件对各类型Logisitic回归进行统计分析，尤其结果解释（是重点，也是初学者的难点）（4）卡方检验（例8.11）及非参数的两两比较概念Logisitic回归属于概率型非线性回归，它是研究二分类、无序多分类及有序分类结果与一些影响之间关系的一种多变量分析方法。在流行病学研究中，经常需要分析疾病与各危险因素之间的定量关系，如食管癌的发生于吸烟、烟酒、不良饮食习惯等危险因素的关系，为了正确说明这种关系，需要排除一些混杂因素的影响，传统上常使用Mantel-Haenszel分层分析方法。概念但这种方法适用于样本含量大，分析因素较少的情况，此种资料不能用线性回归分析，而用Logisitic回归分析则可以较好地解决上述问题。Logistic回归属于概率性非线性回归,其应用已有多年的历史,最具有代表性的是Truett等人1967年成功地用于冠状动脉粥样硬化性心脏病(简称冠心病)危险因素的研究。概念目前,Logistic回归已经不局限于流行病学领域,已用于实验研究中药物和毒物的剂量效应分析、临床试验评价及疾病的预后分析等。Logistic回归与线性回归的思路大致相同,模型参数又具有鲜明的实际意义,已成为处理分类反应数据的常用方法。二分类Logistic回归模型模型参数的意义模型参数的意义二分类Logisitic回归分析

SPSS实现步骤：logistic_binary

分析→回归→二元Logistic（G）

Logistic回归→因变量：协变量：

分析前的准备工作（1）分析因变量的数据特征，决定采用何种形式的Logisitic回归分析。（2）分析自变量的数据特征。（3）此处分析描述统计频率的操作logistic_binary分析结果结果解释从上表可以看出，男性（sex=1）较女性（sex=0）较女性更容易患冠心病，男性患冠心病的优势（患病与不患病的比，P/(1-P)）是女性患冠心病的优势3.882倍，95%CI是（1.330,11.330），心电图异常程度越高，越容易被诊断为冠心病，重度异常患冠心病的优势是轻度异常患冠心病的优势2.395倍，95%CI是（1.127,5.086），年龄越大的越容易患冠心病，增加1岁的优势比是1.097倍,95%CI是(1.024,1.175)试问:心电图重度异常是正常的OR值及95%CI?例17.1的两分类Logistic回归分析多分类Logistic回归模型多分类Logistic回归模型无序多分类Logisitic回归分析

分析→回归→多元Logistic（M）SPSS自带的Vote.sav（也就是课本上的17.2）

Logistic回归→因变量：因子：产生哑变量协变量：

分析前的准备对自变量和因变量作分析与初步探索应变量：对美国总统候选人的作描述统计（频率），确定参照组（不以最少的为参照）（参比组）。自变量：年龄、学历、教育年数及性别分析。SPSS自带的Vote.sav或例17.2结果SPSS自带的Vote.sav或例17.2结果SPSS自带的Vote.sav或例17.2结果结果解释由结果可知:Bush和Clinton相比,只有sex(性别)有统计学差异,P<0.0001,OR=1.58,说明男性选民中选择Bush的概率与选择Clinton概率之比是女性选民的这一比值的1.58倍。Perot和Clinton相比,age(年龄)和sex(性别)有统计学差异,均P<0.0001,OR分别为0.971和2.165;说明选民年龄每增加一岁选择Perot的概率是选择Clinton概率的0.971倍,男性选民中选择Perot的概率与选择Clinton概率之比较女性选民的这一比值的2.165倍。有序多分类Logisitic回归分析有序多分类Logistic回归分析分析→回归→OrdinalSatisfy.sav及课本例17.3Logistic回归→因变量：因子：产生哑变量协变量：Satisfy.sav结果结果解释说明女性满意与非满意的比重（P满意/(P态度中立+P不满意)）是男性相应的优势的0.955042倍（exp(-0.046)），95%CI是（0.867587,1.051313）。Logisitic回归分析策略（1）无序分类变量需要进行哑变量赋值后引入方程，结果更容易解释。（2）数值变量最好转变为有序变量或无序分类变量（几组，分类的形式），这样可能会更合理的结果解释。（3）有序变量（自变量）一定是按某种性质进行了有序排列并赋值或设立哑变量。（4）有序变量（因变量）一般情况按有序多分类Logisitic回归分析，如有需要也试使用无序多分类Logisitic回归分析。Logisitic回归分析策略（4）当自变量较多，样本不是很大，先用单因素分析对自变量进行筛选（如计量资料的t检验，计数资料的卡方检验，也可是选每一个自变量的Logistic回归分析），然后对单因素分析有统计学意义（或接近有统计学意义）的自变量再作多因素Logistic回归分析。具体介绍见马斌荣《SPSS(PASW)17.0在医学统计中的应用》。

Logisitic回归分析策略（5）对于有序Logisitic回归，若是流行病学对优势比的解释保持一致（OR>1是危险因素，OR<1是保护因素），在有序Logistic回归分析中应变量Y赋值时,通常将专业上最不利的等级赋予最小值,将最有利的等级赋予最大值,目的是为了与流行病学上对优势比的解释保持一致,有利于结果的专业解释。尤其注意SAS软件与SPSS软件对有序Logisitic回归结果的区别，OR=exp(-β),95%CI=(exp((-β