LOGISTIC回归分析.ppt

文档介绍：第十五章第二节 Logistic回归分析
山西医科大学卫生统计刘桂芬
liugf66@
一、前言
在疗效评价,发病因素研究中,应变量为分类指标
有效治愈发生阳性
Y
无效死亡未发生阴性
线性回归分析: 正态随机变量
多重线性回归难以解决的问题
医学数据的复杂、多样性
连续型和离散型数据
医学研究中疾病的复杂性
一种疾病可能有多种致病因素或与多种危险因素有关
疾病转归的影响因素也可能多种多样
临床治疗结局的综合性
解决方法
简单的:
固定其他因素,研究有影响的一两个因素;
按1~2个因素组成的层进行分层分析(层内和综合分析)。
多因素:
寻找合适的统计模型
二、 Logistic回归模型
Logistic回归
二分类
多分类
条件Logistic回归
非条件Logistic回归
概述
1967年Truelt J,Connifield J和Kannel W在《Journal of Chronic Disease》上发表了冠心病危险因素的研究,较早地将Logistic回归用于医学研究。
Logistic回归分析解决的问题
医学研究中, 有关生存与死亡, 发病与未发病, 阴性与阳性等结果的产生可能与病人的年龄、性别、生活****惯、体质、遗传等许多因素中哪些有关?如何找出其中哪些因素对结果有影响?
设:暴露组发生率 p1 /未发生率(1-p1)
对照组发生率 p0 /未发生率(1-p0)
p表示暴露因素X时个体发病的概率,则发病的概率与未发病的概率 1- p之比称为优势(odds).
暴露组 odds p1 / (1-p1)
对照组 odds p0 / (1-p0)
Logistic回归分析
Logit变换
也称对数单位转换
logit P=
病例组与对照组的优势比(odds retio ,OR)
Logistic回归分析模型
进行logit变换