文档介绍：第第 11 11 章章 Logistic Logistic 回归分析回归分析学****目标学****目标??了解了解 Logistic Logistic 回归模型的建立和假设检验; 回归模型的建立和假设检验; ??了解了解 Logistic Logistic 回归模型的应用领域; 回归模型的应用领域; ??掌握掌握 Logistic Logistic 回归模型系数的解释,及回归系数与回归模型系数的解释,及回归系数与 OR OR 值之间的关系; 值之间的关系; ??掌握掌握 Logistic Logistic 回归过程步; 回归过程步; ??掌握哑变量的设置和结果的解释; 掌握哑变量的设置和结果的解释; ??掌握多元掌握多元 Logistic Logistic 回归模型的逐步过程法和系数的回归模型的逐步过程法和系数的解释; 解释; ??了解条件了解条件 Logistic Logistic 回归的应用; 回归的应用; ??掌握条件掌握条件 Logistic Logistic 回归的回归的 SAS SAS 程序; 程序; 概述概述??线性回归模型和广义线性回归模型要求因变量是线性回归模型和广义线性回归模型要求因变量是连续的正态分布变量,且自变量和因变量呈线性连续的正态分布变量,且自变量和因变量呈线性关系。当因变量是分类型变量时,且自变量与因关系。当因变量是分类型变量时,且自变量与因变量没有线性关系时,线性回归模型的假设条件变量没有线性关系时,线性回归模型的假设条件遭到破坏。这时,最好的回归模型是遭到破坏。这时,最好的回归模型是 Logistic Logistic 回归回归模型,它对因变量的分布没有要求,从数学角度模型,它对因变量的分布没有要求,从数学角度看, 看, Logistic Logistic 回归模型非常巧妙地避开了分类型变回归模型非常巧妙地避开了分类型变量的分布问题,补充完善了线性回归模型和广义量的分布问题,补充完善了线性回归模型和广义线性回归模型的缺陷。从医学研究角度看, 线性回归模型的缺陷。从医学研究角度看, Logistic Logistic 回归模型解决了一大批实际应用问题,对回归模型解决了一大批实际应用问题,对医学的发展起着举足轻重的作用。医学的发展起着举足轻重的作用。非条件非条件 Logistic Logistic 回归回归?? Logistic Logistic 回归分析在医学回归分析在医学研究研究中应用广泛。中应用广泛。目前目前主要是用于流行病学研究中危险因素主要是用于流行病学研究中危险因素的筛选,但它同时具有良好的判别和预测的筛选,但它同时具有良好的判别和预测功能,尤其是在资料类型不能满足功能,尤其是在资料类型不能满足 Fisher Fisher 判判别和别和 Bayes Bayes 判别的条件时,更显示出判别的条件时,更显示出 Logistic Logistic 回归判别的优势和效能。本研究对回归判别的优势和效能。本研究对 Logistic Logistic 回归方程的判别分析进行了探讨,并用一回归方程的判别分析进行了探讨,并用一实例介绍其应用。实例介绍其应用。非条件非条件 Logistic Logistic 回归回归??医学研究中经常需要分析分类型变量的问题。比如,生存医学研究中经常需要分析分类型变量的问题。比如,生存与死亡、有病与无病、有效与无效、感染与未感染等二分与死亡、有病与无病、有效与无效、感染与未感染等二分类变量。研究者关心的问题是,哪些因素导致了人群中有类变量。研究者关心的问题是,哪些因素导致了人群中有些人患某种病而有些人不患某种病,哪些因素导致了某种些人患某种病而有些人不患某种病,哪些因素导致了某种治疗方法出现治愈、显效、好转和无效等不同的效果等。治疗方法出现治愈、显效、好转和无效等不同的效果等。这类问题,实质上是一个回归问题,因变量就是上述提到这类问题,实质上是一个回归问题,因变量就是上述提到的这些分类型变量,自变量的这些分类型变量,自变量 x x是与之有关的一些因素。但是与之有关的一些因素。但是,这样的问题却不能直接用线性回归分析方法解决,其是,这样的问题却不能直接用线性回归分析方法解决,其根本原因在于因变量是分类型变量,严重违背了线性回归根本原因在于因变量是分类型变量,严重违背了线性回归分析对数据的假设条件。那么应该怎样解决这个问题呢? 分析对数据的假设条件。那么应该怎样解决这个问题呢? 非条件非条件 Logistic Logistic 回归回归??研究者将所研究的问题转换一个角度,不研究者将所研究的问题转换一个角度,不是直接分析是直接分析 y y与与x x的关系,而是分析的关系,而是分析 y y取某个取某个值的概率值的概率 P P与与x x的关系。例如,令的关系。例如,令 y y为为1 1,