文档介绍：应用 Stata 做 logistic 回归何保昌实际生活中经常会遇到因变量只有 0和1的二分类变量, 不能满足正态性和方差齐性,故不能直接使用线性模型来拟合方程。 Logistic 回归正是处理因变量是二分类或多分类变量的一种方法。现已广泛应用于队列研究,病例对照研究和试验性研究,成为分类因变量的首选多变量分析模型。分类按因变量性质,可分为二分类、无序多分类、有序多分类。按是否匹配可分为非条件和条件 logistic 回归。 Stata 软件专门有一组命令用于做不同类型的 logistic 回归,例如: logit 、 blogit 、 glogit 、 clogit 、 mlogit 、 ologit 。 回归命令: logit 因变量 [自变量] [, 选择项] 在进行 logistic 回归时要注意资料的形式。通常, 用于 logistic 回归的资料有三种形式: (1) 分水平频数资料,一般自变量较少,且均为分类变量,常以各变量(包括因变量、自变量)各水平的组合的频数表形式出现。如例 1。拟合时仍用上述命令, 只是命令中增加[fw= 频数变量]选择项。(2) 分组频数资料,一般自变量较少,且均为分类变量,常以各自变量(不包括因变量)各水平的组合的频数表形式出现,因变量常表达为分子与分母。如例 2。用下列命令: blogit 阳性数变量总观察数变量 [, logit 命令选择项]或 glogit 阳性数变量总观察数变量 [, level(#) or] (3) 个体水平资料,即一个观察对象一条记录。如例 3,直接使用 logit 命令估计即可。拟合模型后可以用指令 predict 得到预测概率, 然后进行模型诊断、应用等。例 1 本例是探讨妇女使用雌激素与患子宫内膜癌之间关系的病例-对照研究资料,见表 1 ,请计算 OR 及其 95 %可信区间。再用 logistic 回归估计参数,写出回归方程,并说明回归系数与 OR 的关系。