Logistic 回归分析(Logistic Regression Analysis).ppt

Logistic回归分析(LogisticRegressionAnalysis)Logistic回归分析多重线性回归分析的前提条件线性;独立;正态;等方差医学中还常研究二分类因变量(如患病与未患病、阳性与阴性等)或多分类因变量与一组自变量(X1,X2,...Xm,)的关系,线性回归分析方法就无能为力。Logistic回归分析Logistic回归分析可解决:应变量为:二分类;无序多分类;有序多分类;本次教学主要介绍应变量为二分类的Logistic回归分析Logistic回归分析按设计,Logistic回归分析分为:成组:非条件Logistic回归分析配对:条件Logistic回归分析Logistic回归模型例为探讨超重和肥胖对高血压病的影响,2004年,某研究者采用整群抽样的方法,对某地6个镇35周岁以上的常住人口进行高血压普查,同时收集了身高、体重等相关信息。整理后资料见下表。目的:建立高血压患病率与体质指数间的数量关系模型,估计超重与肥胖对高血压患病的风险。不同体质指数组高血压患病率体质指数X调查人数患病Y=1未患病Y=0患病率(%)正常X==,不满足线性回归分析条件,首先对进行数据变换:这个变换将取值在0-1间的值转换为值域在()的值。建立与X的线性模型:或Logistic回归模型求解右端在数学上属于Logistic函数,所以称其为Logistic回归模型。Logistic回归模型若自变量扩展到个P个,(X1,X2,...XP,),则多个自变量的回归模型为模型参数的意义Β0:常数项(截距),表示模型中所有自变量均为0时,的值;β1,β2、...βP:回归系数,表示在控制其他自变量时,自变量变化一个单位所引起的改变量。