【正文】 P???????? 001 BXB eP ?? ???? 0111條件 logistic回歸模型 ? 建立條件 logistic回歸模型的思想是：比較病例組與對(duì)照組內(nèi)每個(gè)對(duì)子的各個(gè)因素之間的差別，從而找出其中的危險(xiǎn)因素。 ?/*SAS 軟件中使用 CLASS 語句的過程多數(shù)把最大的編碼值 (按升序排列 ) 作為參照類 ,其他類別的參數(shù)估計(jì)值都是與它相比而得到的。 Input y drink age f。 ? 駕車教育的 OR=，表示了控制了視力后，有駕車教育的駕駛員發(fā)生事故的風(fēng)險(xiǎn)為無駕車教育者的 。 建模策略 建模策略 ? 在單變量分析和相關(guān)自變量分析的基礎(chǔ)上，進(jìn)行 多因素逐步篩選 ； ? 納入模型的因素： ? 單變量分析有統(tǒng)計(jì)學(xué)意義 ? 專業(yè)上有意義 ? 需要調(diào)整的混雜因素（始終放在模型中） ? 在多因素篩選模型的基礎(chǔ)上，考慮有無必要納入變量的 交互作用項(xiàng) 。常用統(tǒng)計(jì)軟件 Logistic回歸 Logistic回歸分析的分類 ?按數(shù)據(jù)的類型： o 非條件 logistic回歸分析（成組數(shù)據(jù)） o 條件 logistic回歸分析（配對(duì)病例 對(duì)照數(shù)據(jù)） ?按因變量取值個(gè)數(shù)： o 二分類 logistic回歸分析 o 多分類 logistic回歸分析 ?按自變量個(gè)數(shù)： o 一元 logistic回歸分析 o 多元 logistic回歸分析 ?線性回歸模型和廣義線性回歸模型均要求因變量是連續(xù)的正態(tài)分布變量，且自變量和因變量之間呈線性關(guān)系。 ? 先做 單因素分析 ： ? 對(duì)連續(xù)變量先做兩組頻數(shù)分布，必要時(shí)轉(zhuǎn)化成分類變量（考慮參數(shù)實(shí)際意義）； ? 對(duì)有序變量先做兩組頻數(shù)分布表 ，必要時(shí)轉(zhuǎn)化為無序分類變量（啞變量）或二分類變量； ? 對(duì)可能相關(guān)的自變量進(jìn)行 部分多因素分析 ，考察自變量間的相關(guān)關(guān)系。 結(jié)果 2： 自變量進(jìn)入模型的次序 三種檢驗(yàn)方法結(jié)果均提示變量vision有統(tǒng)計(jì)學(xué)意義 AIC、 SC、 2log L 三個(gè)信息量標(biāo)準(zhǔn)均用來比較不同的模型，它們數(shù)值越小，模型擬合就越好 結(jié)果 2： 自變量進(jìn)入模型的次序 ? Step2變量 drive進(jìn)入后，模型的表現(xiàn)變好了，因?yàn)檫@時(shí) AIC ，SC， 2logL 的值變小了， 2 Log L 和 Score 對(duì)應(yīng)的 p值也更小 結(jié)果 3： 參數(shù)檢驗(yàn)結(jié)果及回歸模型 log(p/(1p))=+**drive ? 視力的 OR=，表示了控制了駕車教育后，視力差與視力好的駕駛員相比，發(fā)生事故的風(fēng)險(xiǎn)為 。 實(shí)例 3：課本例 164—— 啞變量定義方法 1 Data a。 model y= drink age。因?yàn)閰?shù)的估計(jì)公式涉及到條件概率理論，所以稱為條件 logistic回歸分析。 配對(duì)病例 對(duì)照實(shí)例 data eg7_7。其中， x1 表示蛋白質(zhì)攝入量，取值為 0,1,2,3； x2 表示不良飲食習(xí)慣，取值為 0,1,2,3； x3 表示精神狀態(tài)，取值為 0,1,2。 run。 條件 logistic回歸 ? 醫(yī)學(xué)中經(jīng)常需要作配對(duì)病例 對(duì)照研究。 run。 結(jié)果 2：模型檢驗(yàn) ? 似然比的卡方＝ (無協(xié)變量的－ 2LOGL值 )－ (有兩個(gè)協(xié)變量的－2LOGL值 )＝ =，自由度 df=2(模型中的協(xié)變量個(gè)數(shù) )，相應(yīng)的 P值 =，因此可以認(rèn)為兩個(gè)協(xié)變量的回歸系數(shù)至少有一個(gè)不為 0。 model accident=age vision drive/selection=stepwise sle= sls= stb。 似然比檢驗(yàn) —— 比較兩個(gè)模型哪個(gè)更優(yōu) 比較兩個(gè)模型的 2LnL值之差： G=2(lnL1lnL2) G服從 X2分布，自由度＝兩模型自變量個(gè)數(shù)差。極大似然法的基本思想是先建立似然函數(shù)或?qū)?shù)似然函數(shù)，求似然函數(shù)或?qū)?shù)似然函數(shù)達(dá)到極大時(shí)參數(shù)的取值，即為參數(shù)的極大似然估計(jì)值。 ?考察前三個(gè)變量與發(fā)