第十六章 logistic回归分析 logistic回归为概率型非线性回归模型, 是研究分类观察结果(y)与一些影响因素 (x)之间关系的一种多变量分析方法
第十六章 logistic回归分析 logistic回归为概率型非线性回归模型， 是研究分类观察结果(y)与一些影响因素 (x)之间关系的一种多变量分析方法
问题提出: 医学研究中常研究某因素存在条件下某结果 是否发生?以及之间的关系如何? 因素(X) 疾病结果(Y) X1,x2,X3. ●●●C K 发生Y=1 不发生Y=0 例:暴露因素 冠心病结果 高血压史x1):有或无 有或无 高血脂史(x2):有或无 吸烟(x3):有或无
问题提出： 医学研究中常研究某因素存在条件下某结果 是否发生？以及之间的关系如何？ 因素（X） 疾病结果（Y） x1，x2，x3…XK 发生 Y=1 不发生 Y=0 例：暴露因素 冠心病结果 高血压史(x1)：有 或无 有 或 无 高血脂史(x2)： 有 或 无 吸烟(x3)： 有或无
研究问题可否用多元线性回归方法? y=a+bx+b2x2…bnxm 1.多元线性回归方法要求Y的取值为计量 的连续性随机变量。 2多元线性回归方程要求Y与X间关系为线 性关系。 3多元线性回归结果y不能回答“发生与 否 logistic归方法补充多元线性回归的不足
研究问题可否用多元线性回归方法？ 1.多元线性回归方法要求Y 的取值为计量 的连续性随机变量。 2.多元线性回归方程要求Y与X间关系为线 性关系。 3.多元线性回归结果 不能回答“发生与 否” logistic回归方法补充多元线性回归的不足 Y ˆ 1 1 2 2 ˆ m m y a b x b x b x = + +
Logistic回归方法 该法研究是 当y取某值(如y=1)发生的概率(p)与某 暴露因素(x)的关系 p(=1/x)=f(x),即p=f(x) P(概率)的取值波动0~1范围。 基本原理:用一组观察数据拟合 Logistic模型, 揭示若干个x与一个因变量取值的关系,反映y 对x的依存关系
Logistic回归方法 该法研究是 当 y 取某值（如y=1）发生的概率（p）与某 暴露因素（x）的关系。 P（概率）的取值波动0～1范围。 基本原理：用一组观察数据拟合Logistic模型， 揭示若干个x与一个因变量取值的关系，反映y 对x的依存关系。 p y x f x f x ( 1/ ) ( ), ( ) = = = 即p
第 logistic回归 基本概念 1变量的取值 logistic A归要求应变量(Y)取值为分类变 量(两分类或多个分类) 出现阳性结果(发病、有效、死亡等) 出现阴性结果(未发病、无效、存活等) 自变量(X)称为危险因素或暴露因素,可为 连续变量、等级变量、分类变量 可有m个自变量X1,X2,…Xm
第一节 logistic回归 一、基本概念 1.变量的取值 logistic回归要求应变量（Y）取值为分类变 量（两分类或多个分类） 自变量（Xi）称为危险因素或暴露因素，可为 连续变量、等级变量、分类变量。 可有m个自变量X1， X2，… Xm = 出现阴性结果 未发病、无效、存活等） 出现阳性结果 发病、有效、死亡等） 0 ( 1 ( Y