文档介绍：..页脚...一、概述Logistic回归主要用于因变量为分类变量(如疾病的缓解、不缓解,评比中的好、中、差等)的回归分析,自变量可以为分类变量,也可以为连续变量。他可以从多个自变量中选出对因变量有影响的自变量,并可以给出预测公式用于预测。因变量为二分类的称为二项logistic回归,因变量为多分类的称为多元logistic回归。下面学****一下Odds、OR、RR的概念:在病例对照研究中,可以画出下列的四格表:------------------------------------------------------暴露因素病例对照-----------------------------------------------------暴露ab非暴露cd-----------------------------------------------Odds:称为比值、比数,是指某事件发生的可能性(概率)与不发生的可能性(概率)之比。在病例对照研究中病例组的暴露比值为:odds1=(a/(a+c))/(c(a+c))=a/c,对照组的暴露比值为:odds2=(b/(b+d))/(d/(b+d))=b/dOR:比值比,为:病例组的暴露比值(odds1)/对照组的暴露比值(odds2)=ad/bc..页脚...换一种角度,暴露组的疾病发生比值:odds1=(a/(a+b))/(b(a+b))=a/b非暴露组的疾病发生比值:odds2=(c/(c+d))/(d/(c+d))=c/dOR=odds1/odds2=ad/bc与之前的结果一致。OR的含义与相对危险度相同,指暴露组的疾病危险性为非暴露组的多少倍。OR>1说明疾病的危险度因暴露而增加,暴露与疾病之间为“正”关联;OR<1说明疾病的危险度因暴露而减少,暴露与疾病之间为“负”关联。还应计算OR的置信区间,若区间跨1,一般说明该因素无意义。关联强度大致如下:------------------------------------------------------OR值联系强度----------------------------------------------------------(前者为负关联,后者为正关联)--(同上)--(同上)..页脚...<(同上)------------------------------------------------------RR:相对危险度(relativerisk)的本质为率比(rateratio)或危险比(riskratio),即暴露组与非暴露组发病率之比,或发病的概率之比。但是病例对照研究不能计算发病率,所以病例对照研究中只能计算OR。当人群中疾病的发病率或者患病率很小时,OR近似等于RR,可用OR值代替RR。不同发病率情况下,OR与RR的关系图如下:当发病率<10%时,RR与OR很接近。当发病率增大时,两者的差别增大。当OR>1时,OR高估了RR,当OR<1时,OR低估了RR。..页脚...设疾病在非暴露人群中的发病为P0,则可用下列公式对RR记性校正:RR=OR/((1-P0)+(P0*OR))若P0未知,可以用c/(c+d)估计。二、问题对银行拖欠贷款的影响因素进行分析,可选的影响因素有:客户的年龄、教育水平、工龄、居住年限、家庭收入、贷款收入比、信用卡欠款、其他债务等,从中选择出对是否拖欠贷款的预测因素,并进行预测。。三、统计操作1、准备数据变量视图..页脚...数据视图下面开始准备数据:由于“default”变量可能存在缺失值,所以要新建一个变量"validate",当default不为缺失值时,将validate=1,然后通过validate来判断将不缺失的值纳入回归分析:选择如下菜单:..页脚...点击进入“计算变量”对话框:在“目标变量”看中输入“validate”,右边的“数字表达式”输入“1”。再点击下方的“如果...”按钮,进入对话框:..页脚...在框中输入missing(default)=0,含义是defalut变量不为缺失值。点击“继续”回到“计算变量”对话框:..页脚...点击确定,完成变量计算。2、统计菜单选择..页脚...进入如下的对话框(下文称“主界面”):..页脚...将“是否拖欠贷款[default]”作为因变量选入“因变量”框中。将其与变量选入“协变量”框中,下方的“方法”下拉菜单选择“向前:LR”(即前向的最大似然法,选择变量筛选的方法,条件法和最大似然法较好,慎用Wald法)。将“validate”变量选