衛(wèi)生統(tǒng)計學logistic-資料下載頁
2025-10-09 12:22本頁面
【正文】 stic 模型 ? Time 定義：病例為 0，對照為 1； ? 括號中的數值代表對照的定義值； ? Strata為配對號變量； ? ties=discrete表示擬合離散的 Logistic回歸模型 ? 基本程序格式： proc phreg。 model time*y(0)=Gall hyper/ties=discrete。 strata id。 run。 二、 1： M的匹配設計條件 Logistic 回歸模型 例 14 4 為研究肥胖 X 1 （ X 1 =1 為肥胖， X 1 =0 為不肥胖） 、口服避孕藥雌激素 X 2 （ X 2 =1 為 服用雌激素 ， X 2 =0 未服用雌激素 ） 與子宮內膜癌的關系，隨 機選取 20 名患者。對于每名患者，再隨機選取年齡相近的 2 名 正常人作為對照。 i d表示配比組編號 。 觀測數據如表 14 6 所示。試用條件 Logist ic 回歸模型分析該 1 ： 2 的資料。 表 14 6 . 肥胖和雌激素與子宮內膜癌的關系 配 比 號 id X 1 X 2 Y 配 比 號 id X 1 X 2 Y 1 1 1 1 11 0 1 1 1 0 0 0 11 0 1 0 1 0 0 0 11 1 0 0 2 1 1 1 12 0 1 1 2 1 1 0 12 0 1 0 2 0 1 0 12 0 1 0 3 1 1 1 13 1 1 1 3 0 1 0 13 0 0 0 3 1 1 0 13 1 1 0 4 0 1 1 14 1 1 1 4 0 0 0 14 0 0 0 4 0 1 0 14 1 0 0 5 0 0 1 15 1 1 1 5 1 0 0 15 0 0 0 5 0 1 0 15 0 1 0 6 1 1 1 16 0 1 1 6 0 0 0 16 0 1 0 6 1 0 0 16 0 1 0 配 比 號 id X 1 X 2 Y 配 比 號 id X 1 X 2 Y 7 1 1 1 1 7 0 1 1 7 0 1 0 17 0 0 0 7 1 1 0 17 1 0 0 8 1 1 1 18 1 1 1 8 1 0 0 18 1 0 0 8 1 1 0 18 0 1 0 9 1 0 1 19 1 0 1 9 1 1 0 19 0 1 0 9 1 1 0 19 0 1 0 10 0 1 1 20 1 1 1 10 0 1 0 20 0 1 0 10 0 0 0 20 0 0 0 第三節(jié) Logistic 回歸模型的醫(yī)學應用 及其注意事項 醫(yī)學應用 ? 分析流行病學的研究中進行危險因子的篩選。 ? 校正混雜因子 ? Logistic 曲線擬合可用于分析藥物或毒物的劑量反應。醫(yī)學中不少指標之間呈 S型曲線形狀的劑量反應關系，擬合成 Logistic 曲線可以對有效劑量、半數致死量等指標進行確定，并可對劑量反應的趨勢做出分析。 ? 判別分析與預測。 Logistic 回歸模型是概率模型，它對數據的分布沒有嚴格的要求，可以根據歷史上已經獲得的經騐資料擬合出的回歸方程很方便地進行判別分析及對未發(fā)生的事件進行預測。 注意事項 ? 注意變量的類型。應變量是分類變量，自變量可為各種類型變量。與線性回歸分析時一樣，當為分類變量時注意變量的數量化。 ? 要有足夠的樣本量。一般應多于多重線性回歸分析時所需的樣本，樣本量大于自變量個數的 20倍，配比組設計時，配比組數宜大于 50。 ? 因素間的交互作用。 Logistic 回歸模型可以分析處理因素間的交互作用，但是交互作用的模型為“乘法模型”。在用 SAS軟件處理時，應在數據步中將考察交互作用的自變量相乘產生一個新的自變量后參加計算分析過程。 ? 一般先做單因素卡方檢驗，盡量將回歸效果顯著的自變量選入回歸方程中，作用不顯著的自變量排除在外。 ? 專業(yè)上比較關心的因素 (雖然無顯著意義 ) ? 年齡、文化程度等一般要作為調整因素進入模型 ? 要避免相關性較高的因素 (r)一起進入模型，否則易引起多重共線性 ? 具體ＳＡＳ程序也可用：逐步回歸法（但現在不提倡） ? 注意：要注意應變量的賦值， SAS默認低值為反應變量或你所認為的陽性值；要改變反應變量的順序可用 descending,改變此順序。 ? 應變量也是以低值為參比組
教學課件相關推薦
鄂ICP備17016276號-1