spss：logistic回归(logistic regression)概述 -凯发k8国际首页登录

　　：(logistic regression)概述。在医学研究中，经常需要分析疾病与各危险因素之间的定量关系，如食管癌的发生与吸烟、饮酒、不良饮食习惯等危险因素的关系，为了正确说明这种关系，需要排除一些混杂因素的影响。谈到如何很好的解决这个问题，就不得不提我们今天的主题了——。

　　(logistic regression)属于概率型非线性回归，是研究二分类(可扩展到多分类)观察结果和一些影响因素之间关系的一种多变量分析方法。常用于疾病的影响因素分析，用可以很好的解决我们刚刚提出的问题。

　　首先我们来认识下模型，这会有助于理解即将推出的倾向评分(ps)原理和实施。设应变量y是一个二分类变量，y=1(出现阳性结果)，y=0(出现阴性结果)，另有影响y取值的m个自变量x1，x2，…xm，p表示在m个自变量作用下阳性结果发生的概率。模型可以表示如下，其中g(x)表示阳性与阴性结果发生概率之比的自然对数，称为logitp。

　　模型参数对结果解读相当重要，其中β0为常数项，β1，β2……。βm分别为m个自变量的偏回归系数。

　　由上述公式可知，偏回归系数βm表示扣除了其他自变量的影响，自变量xm改变一个单位时logitp的改变量。

　　知道了的原理，的操作马上呈现给大家。例：比较新疗法与旧疗法治疗某种疾病的疗效。共40例患者，20例接受新疗法，20例接受旧疗法治疗。根据专业知识，患者的病情严重程度、年龄对疗效也有影响。如何评价新旧疗法的疗效(注：作为举例，本例仅为40例，由于太小，的结论仅作为参考)

　　变量说明：y：治愈情况，1=治愈;0=未治愈;x1：病情严重程度，0=不严重，1=严重;x2：年龄。x3：治疗方法，0=新疗法，1=旧疗法。

　　执行analyze-regression-binary logistic

　　将y选入因变量，x1，x2，x3选入自变量。这里注意一下，当自变量的个数较多时，为了使建立的模型比较稳定和便于解释，应尽可能将回归效果显著的自变量选入模型中，将作用不显著的自变量排除在外。具体方法有前进法、后退法和逐步法(后退法最好)，一般默认为enter(全部进入)。

　　在一系列点击菜单的操作后，我们终于看到了输出结果。首先是对模型的检验。

　　经统计学检验，模型c2=13.951，p=0.003，模型有显著性。

　　根据模型，病情严重程度与治疗方法对患者的治愈情况有影响;其中病情严重组相对于不严重组，or=0.203，95%置信区间为(0.038，1.092)(区间包括1，缺乏实际意义,不多作解释);旧疗法组相对于新疗法组，or=0.103，95%置信区间为(0.019，0.553)。

　　鉴于的自变量既可以是连续变量，也可以是分类变量。对于连续变量、二分类变量和等级变量无需特殊处理，但如果自变量是名义变量，我们需要将名义变量哑变量化，可通过categorical按钮来实现。