文档介绍：Stata做logistic回归89003
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。
也可以用logit命令
可以利用例3做逐步回归
Stata 用于逐步回归分析的命令是在要执行的命令前增加sw 。
sw 回归命令 [因变量[自变量]], 筛选变量的P 值 [选择项]
其中，筛选变量的P 值有3 种组合
pr(#) /* 后退法
pe(#) /* 向前法
pr(#) pe(#) /* 逐步后退法
pr(#) pe(#) forward /* 逐步向前法