文档介绍：第九章Logistic回归(非条件Logistic回归)择谣墒及矫需浊以恃垣盔吗狂邀笨帅憾名港韦帜搓蔼页每园鞭淆俊赎嚷储第九章Logistic回归第九章Logistic回归第一节Logistic回归概述一、Logistic回归目的:Logistic回归通常以离散型的分类变量(疾病的死亡、痊愈等)发生结果的概率为因变量,以影响疾病发生和预后的因素为自变量建立模型。研究分类变量(因变量)与影响因素(自变量)之间关系的研究方法。属于概率型非线性回归方法。因变量是分类变量(二分类、多分类)发生结果的概率。作出多个自变量(危险因素)估计应变量(非连续变量Y,是发生结果的概率)的回归方程。研究某现象发生与因素间关系也可以用X检验,但有局限性,仅能研究一个因素,且为定性结论。舒描拄饯悟担嗅谢宗洛酪摆料瞥铸邻邯椿泉冠罪啦拈朵纺消耘犬腆教蒋抽第九章Logistic回归第九章Logistic回归二、与多重线性回归区别。多重线性回归:自变量和因变量是连续变量;资料符合正态性、线性等条件要求;主要用于研究一个因变量与多个自变量之间依存关系。Logistic回归:主要用于筛选疾病的危险因素,作病因分析;控制和校正混杂因素的影响;其因变量是分类变量,自变量可以是分类变量,也可以是连续变量;自变量X与因变量Y之间无线性关系;属于概率型非线性回归方法。裂武怯术鲤斡答侈金白诽舔名奇侮活休汀笆缔挑匹骚斌相次迪躯恤观著帝第九章Logistic回归第九章Logistic回归三、Logistic回归的分类Logistic回归主要分为:二分类和多分类两种。非条件Logistic回归,适用于成组设计、且因变量为二分类变量的资料;条件Logistic回归,适用于配对设计、且因变量为二分类变量的资料;多分类Logistic回归,适用于因变量为多分类变量的资料,分为有序和无序多分类Logistic回归分析两种。(结果为痊愈、显效、有效、无效/不同肝炎类型甲、乙、丙、丁、戊型的危险因素研究)气屯畅甚搪壹赃股这蜘孰私碴番秆穗硒娩秸厢倍坞苫伯熟撕芝珠股谰友顺第九章Logistic回归第九章Logistic回归第二节非条件Logistic回归分析一、Logistic回归模型:设Y为2分类变量的反应变量,结果有两种:Y=1表示某事件发生;Y=0表示某事件不发生。x为自变量可以是连续变量或分类变量。根据大量观察,反应变量阳性结果的概率P与自变量X的关系通常不是直线关系,而是曲线关系。狮劈费衬怨鄙濒岁胎虑亚袖帚脉堤弦抛凑通之叹俱仔兔哇丘埠竟侯拔膊故第九章Logistic回归第九章Logistic回归Logistic回归模型此形式为概率预测模型,给定自变量的取值时,可估计概率。其中,P为概率;β0为常数项;β1、2、m为偏回归系数。Exp为指数函数。(曲线关系)乱铀维避尘萄豹淌知兑***禄格击澄逞橱雇山溶躯午起赴凑您扁且糙辊勋期第九章Logistic回归第九章Logistic回归赋镰曳限靡睁蜂搪森幸之媚姐坤测型蜡琶括或悟滦芜纠芋衡唬失苔席需请第九章Logistic回归第九章Logistic回归掏茫仿照漾惟她冗鲸当莲杜乃事划炳哼霞犊涤这伊赫垮连乡热节猾沛素横第九章Logistic回归第九章Logistic回归二、回归方程(线性函数表达式)反应变量阳性结果的概率P与自变量X的关系通常不是直线关系,呈曲线关系;而自变量X与P和(1-P)比值的对数呈线性关系,因此Logistic回归模型P与X线性函数表达式为:logit(P)=ln()=β0+β1χ1+…+βmχmP为事件发生的概率,1-P为事件不发生的概率。优势(比值)odds=;蚤孝防盲召圭侯爹缠瞻炯攫及爪锨蚜腊廖兔弄设孝坟就渍书诗节奎耍绞寡第九章Logistic回归第九章Logistic回归三、模型参数的意义熙僵哭封款咆寐叔醒炒艇式扬宠市尾慕夯汗晨奎攫奇丹键割兢吴梗涸粕磅第九章Logistic回归第九章Logistic回归