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

模型参数的意义(假定其它因素水平相同) P Inor=ln logit Pi-logit Po Bo+B, C+2B.x, Bo+B, C+>B, x. =B, C-c P =βa+β1X1+β2X2+…+βmXm 1-p ORi=expIB (C-Co)l

      j 1 0 m t j 0 j 0 t t m t j 0 j 1 t t 1 0 0 0 1 1 j C X C X C C logitP logitP P / 1 P P / 1 P lnOR ln                                        OR exp[ (C C )] j  j 1  0 0 1X1 2X2 m Xm 1 p P ln                  模型参数的意义（假定其它因素水平相同）

模型参数的意义(假定其它因素水平相同) C1=1暴露 X C0=0非暴露 OR =expl, (Ci -Co)l= expB; =e B3=0OR1=1X对疾病发生不起作用 B>0OR1>1X是一危险因素 B;<0OR;<1X是一保护因素

0 OR 1 X 0 OR 1 X 0 OR 1 X j j j j j j j j j 是一保护因素 是一危险因素 对疾病发生不起作用          Xj  C1=1 暴露 C0 =0 非暴露 j OR exp[ (C C )] exp e j j 1 0 j        模型参数的意义（假定其它因素水平相同）

模型参数的意义 P =βo+β1X1+β2X2+…+βmXm p Logistic回归的优点: 得到某一因素回归系数估计值后,便可以得 到不同水平下相对危险度的近似估计值

Logistic回归的优点： 得到某一因素回归系数估计值后，便可以得 到不同水平下相对危险度的近似估计值。 模型参数的意义 0 1X1 2X2 m Xm 1 p P ln                 

模型参数估计(最大似然估计法 maximum likelihood estimate) 1阳性(发病、有效、死亡等) 0阴性(未发病、无效、存活等) yx=1}=pP{=0=1-p P{Y1=0,1}=p(1-p)

模型参数估计（最大似然估计法 maximum likelihood estimate） Yi = 1 阳性（发病、有效、死亡等） 0 阴性（未发病、无效、存活等） PYi 1 p PYi  01 p i Yi Y 1 i P{Y 0,1} p (1 p )    