Logistic回归模型.ppt

Logistic回归模型**数据分析的背景计量资料单因素统计分析对于两组计量资料的比较,一般采用t检验或秩和检验。对于两个变量的相关分析采用Pearson相关分析或Spearman相关分析考虑多因素的影响,对于应变量(反应变量)为计量资料,一般可以考虑应用多重线性回归模型进行多因素分析。*数据分析的背景单因素的分类资料统计分析,一般采用Pearson2进行统计检验,用OddsRatio及其95%可信区间评价关联程度。考虑多因素的影响,对于反应变量为分类变量时,用线性回归模型P=a+bx就不合适了,应选用Logistic回归模型进行统计分析。*Logistic回归模型按研究设计分类非配对设计:非条件Logistic回归模型配对的病例对照:条件Logistic回归模型按反应变量分类二分类Logistic回归模型(常用)多分类无序Logistic回归模型多分类有序Logistic回归模型*基础知识通过下例引入和复习相关概念例如:研究患某疾病与饮酒的关联性患病率P1=a/m1P2=b/m2*基础知识Odds(优势)P越大,则Odds越大;P越小,则Odds越小并且0<Odds<+*基础知识P与Odds一一对应对于两个Odds的比较,一般用它们的Ratio,并称为OddsRatio(OR),其定义如下:其样本估计统计量为*基础知识故比较两个率<==>比较OR=1?OR>1?OR<1?*(二分类)Logistic回归模型因为0<Odds<+所以-<ln(Odds)<+对ln(Odds)引入类似多重线性回归的表达式*Logistic回归模型记:故可以写为也可以写为