《医学统计学》课程教学资源：第十六章 Logistic回归分析 Logistic Regression Analysis

第一节 Logistic回归 、基本概念 二、 Logistic回归模型的参数估计 、 Logistic回归模型的假设检验 四、变量筛选

第一节 Logistic回归 一 、基本概念 二、 Logistic回归模型的参数估计 三、 Logistic回归模型的假设检验 四、变量筛选

表15-1多元回归分析数据格式 例号 2 m X 12 2 21 nl Xn2 II0 Y=β0+β1X1+β2X2+…+βmXm+e N(0, o2)

表15-1 多元回归分析数据格式 例号 X1 X2  Xm Y 1 X11 X12  X1m Y1 2 X21 X22  X2m Y2       n Xn1 Xn2  Xnm Yn Y X X X e  0  1 1  2 2     m m    2 e ~ N 0, ～

logistic回归模型(应变量是一个二值变量) 1阳性(发病、有效、死亡等) 0阴性(未发病、无效、存活等) XY=β0+β1X1+β2X2+…+βmXm 0<Y<1

Logistic回归模型（应变量是一个二值变量） Y= 1 阳性（发病、有效、死亡等） 0 阴性（未发病、无效、存活等） 0 Y 1 Y 0 1X1 2X2 m X m   ×          

logistic回归模型(应变量是一个二值变量) 1阳性(发病、有效、死亡等) 0阴性(未发病、无效、存活等) P=P(Y=1|X1,X2,…,Xm) 1-P log it(P)

Logistic回归模型（应变量是一个二值变量） Y= 1 阳性（发病、有效、死亡等） 0 阴性（未发病、无效、存活等） P=P（Y=1 | X1 , X2 ,  , Xm）       1  P P ln  log itP

logistic回归模型(概率型非线性回归) 1-P β0+β1X1+β2X2+…+βnX < In o0<P≤1 ● log it(P=B0+B1X1+B2X2+…+βnXm

Logistic回归模型（概率型非线性回归）   P 0 1X1 2X2 m Xm log it           0 1X1 2X2 m Xm 1 P P ln                  0 P 1 1 P P ln              