《logistic回归分析实例操作.doc》由会员分享，可在线阅读，更多相关《logistic回归分析实例操作.doc（7页珍藏版）》请在金锄头文库上搜索。
1、Logistic回归分析二分类（因变量Y有（如发病1与未发病0）两种可能出现的结果）资料的Logistic回归分析，至于多分类Logistic回归分析，与二分类操作过程类似，只是在数据编制及分析方法选择处不同。分析的一般步骤：变量的编码哑变量的设置和引入各个自变量的单因素分析变量的筛选交互作用的引入建立多个模型选择较优的模型模型应用条件的评价输出结果的解释实例操作11.1 某研究人员在探讨肾细胞癌转移的有关临床病理因素研究中，收集了一批行根治性肾切除术患者的肾癌标本资料，现从中抽取26例资料作为示例进行logistic回归分析。1.各变量及其赋值说明x1：确诊时患者的年龄(岁)x2：肾细胞癌血
2、管内皮生长因子(VEGF)，其阳性表述由低到高共3个等级（1-3） x3：肾细胞癌组织内微血管数(MVC) x4：肾癌细胞核组织学分级，由低到高共4级 （1-4）x5：肾细胞癌分期，由低到高共4期 （1-4）y：肾细胞癌转移情况(有转移y=1; 无转移y=0)。为二分类变量。若作单因素的Logistic回归分析，也就是分别作Y与各自变量间的回归分析，如Y与X1、Y与X2等的单因素Logistic回归分析。2.建立数据库3.分析步骤（1）（2）上图中若为单因素回归分析，只需在Covariates协变量框内导入单一自变量如X1即可。（3）4.分析结果（1）数据描述Case Processing S
3、ummaryUnweighted CasesaNPercentSelected CasesIncluded in Analysis26100.0Missing Cases0.0Total26100.0Unselected Cases0.0Total26100.0a. If weight is in effect, see classification table for the total number of cases.Dependent Variable EncodingOriginal ValueInternal Value无转移0转移1（2）Block 1: Method = Forw
4、ard Stepwise (Likelihood Ratio)Omnibus Tests of Model CoefficientsChi-squaredfSig.Step 1Step15.5381.000Block15.5381.000Model15.5381.000Step 2Step6.1781.013Block21.7162.000Model21.7162.000表示两步变量的引入均有统计学意义，方法合理。Model SummaryStep-2 Log likelihoodCox & Snell R SquareNagelkerke R Square118.004a.450.62121
5、1.826b.566.781a. Estimation terminated at iteration number 6 because parameter estimates changed by less than .001.b. Estimation terminated at iteration number 7 because parameter estimates changed by less than .001.可见第二步比第一步变量引入后决定系数有所增加，表明第二步变量引入后模型的拟合效果更好。（3）Classification TableaObservedPredicted
6、肾细胞癌转移情况Percentage Correct无转移转移Step 1肾细胞癌转移情况无转移15288.2转移2777.8Overall Percentage84.6Step 2肾细胞癌转移情况无转移16194.1转移09100.0Overall Percentage96.2a. The cut value is .500Variables in the EquationBS.E.WalddfSig.Exp(B)95% C.I.for EXP(B)LowerUpperStep 1aX22.563.9167.8291.00512.9782.15578.154Constant-6.2562.2
7、897.4681.006.002Step 2bX22.4131.1964.0721.04411.1721.072116.454X42.0961.0883.7131.0548.136.96568.623Constant-12.3285.4315.1541.023.000a. Variable(s) entered on step 1: X2.b. Variable(s) entered on step 2: X4.模型最后引入X2（肾细胞癌血管内皮生长因子(VEGF)）和X4（肾癌细胞核组织学分级）两个变量，虽然X4引入后的参数检验显示P=0.540.05且其OR值的95CI中包括1，但是考虑到
8、其OR=8.136较大，且由上一表可知引入变量X4后，用模型进行预测时的Percentage Correct从84.6提高到96.2，因此综合考虑后还是应将变量X4引入模型。（4）Variables not in the EquationScoredfSig.Step 1VariablesX1.8061.369X3.1881.664X46.1991.013X53.6891.055Overall Statistics8.8764.064Step 2VariablesX11.3981.237X3.7261.394X51.6621.197Overall Statistics5.0973.165可见当其他变量引入模型后的参数检验均无统计学意义。（5）由以上第一步和第二步的预测判别结果可见，在（Predicted Probability is of Membership for 转移 The Cut Value is .50）中，经第二步后，预测判别发生错误的例数在转移和非转移中均有下降，由此也可以得知引入变量X4是正确且必要的，同上面得出的结论是一致的。
