【正文】 Percent Stratum ID Total Event Censored Censored 1 1 2 1 1 2 2 2 1 1 ┆ ┆ ┆ ┆ ┆ ┆ 10 10 2 1 1 Total 20 10 10 2022年 6月 23日 34 Step 1: Variable X3 is entered. The model contains the following explanatory variables. X3 Testing Global Null Hypothesis: BETA=0 Without With Criterion Covariates Covariates Model ChiSquare 2 LOG L with 1 DF (p=) Score . . with 1 DF (p=) Wald . . with 1 DF (p=) 2022年 6月 23日 35 Step 2: Variable X2 is entered. The model contains the following explanatory variables. X2 X3 Testing Global Null Hypothesis: BETA=0 Without With Criterion Covariates Covariates Model ChiSquare 2 LOG L with 2 DF (p=) Score . . with 2 DF (p=) Walt . . with 2 DF (p=) NOTE: No (additional) variables met the level for entry into the model. 2022年 6月 23日 36 Analysis of Maximum Likelihood Estimates Parameter Standard Wald Pr Risk Variable DF Estimate Error ChiSquare ChiSquare Ratio 變量 自由度 參數(shù)估計(jì)值 標(biāo)準(zhǔn)誤 wald卡方值 P值 RR值 X2 1 X3 1 Summary of Stepwise Procedure Variable Number Score Wald Pr Step Entered Removed In ChiSquare ChiSquare ChiSquare 1 X3 1 . 2 X2 2 . 32320 6 7 1 5 6 5 3 5 0 6 7 1 5 6 5 3 5 1 XXXXeeP????胃癌患病的概率模型為： 2022年 6月 23日 37 ? 1:M或 N:M的條件 Logistic回歸 1:M配比是一個(gè)病例配 M個(gè)對(duì)照， N:M配比是 N個(gè)病例配 M個(gè)對(duì)照。 strata id。 proc phreg。 cards。 end。 time=case。 do case=0 to 1。 2022年 6月 23日 31 表 10對(duì)胃癌的 1： 1配對(duì)數(shù)據(jù) 對(duì)號(hào) 病例 對(duì)照 X1 X2 X3 X1 X2 X3 1 2 3 4 5 6 7 8 9 10 1 0 0 1 1 0 1 1 3 2 3 3 1 2 1 2 1 1 3 2 0 1 2 0 1 2 1 2 2 2 1 1 0 1 1 2 0 0 2 0 0 3 2 0 2 0 0 0 2 0 1 0 0 0 1 0 0 0 0 0 2022年 6月 23日 32 程 序 data log1_2。數(shù)據(jù)如表 。 ? alpha=概率值 指定 RR的（ 1α）可信區(qū)間，缺省時(shí)為 。 ? sls=概率值 指定變量剔除模型的顯著水平，缺省為 。缺省時(shí)為 none,擬合全回歸模型。 ? simple 輸出模型中變量的簡(jiǎn)單統(tǒng)計(jì)描述 【 model 過(guò)程 [選項(xiàng) ] 】 ? ties=discrete 用離散的 logistic模型替代比例風(fēng)險(xiǎn)模型。如果病例 case=0，對(duì)照 case=1， 時(shí)間啞變量為 time=case。 2022年 6月 23日 28 ?條件 Logistic 回歸 條件 Logistic回歸分析是用 phreg(proportional hazard regression ， 比例風(fēng)險(xiǎn)回歸）模塊 完成的。 model y=x1x8/selection=stepwise sle= sls= clodds=pl 。 input x1x8 y。 infile 39。試用 logistic逐步回歸分析方法篩選危險(xiǎn)因素。 2022年 6月 23日 22 The LOGISTIC Procedure Data Set: 數(shù)據(jù)集名 Response Variable: Y 反應(yīng)變量 Y Response Levels: 2 反應(yīng)變量水平數(shù) 2 Number of Observations: 40 觀察值 40 Link Function: Logit 聯(lián)系函數(shù) logit Response Profile 反應(yīng)變量的描述 Ordered 順序值 Value Y Count 計(jì)數(shù)值 1 1 17 2 0 23 2022年 6月 23日 23 Deviance and Pearson GoodnessofFit Statistics 模型的擬合優(yōu)度檢驗(yàn) Pr Criterion DF Value Value/DF ChiSquare Deviance 31 Pearson 31 Model Fitting Information and Testing Global Null Hypothesis BETA=0 模型擬合信息和整體偏回歸系數(shù)為 0 的假設(shè)檢驗(yàn) Intercept Intercept and Criterion Only Covariates ChiSquare for Covariates 判斷的準(zhǔn)則 僅有截距 所有變量 協(xié)變量的卡方 AIC . SC . 2 LOG L with 3 DF (p=) Score . . with 3 DF (p=) 2022年 6月 23日 24 Analysis of Maximum Likelihood Estimates 最大似然法估計(jì)值分析 Parameter Standard Wald Pr Standardized Odds Variable DF Estimate Error ChiSquare ChiSquare Estimate Ratio INTERCPT 1 . . X1 1 X2 1 X3 1 Association of Predicted Probabilities and Observed Responses 模型回代判別分析 Concordant = % (一致率） Somers39。/*對(duì)模型進(jìn)行擬合優(yōu)度檢驗(yàn) */ Output out=b p=pr。 proc logistic des。d:\sas\sas5\39。 程序 94 data c。 ? scale=none aggregate 要求對(duì)模型進(jìn)行擬合優(yōu)度檢驗(yàn)。 ? CL 計(jì)算輸出所有回歸參數(shù)的可信區(qū)間。 ? sle=概率值 指定變量進(jìn)人模型的顯著水平，缺省為 。 反之，如果死亡為 0，存活為 1，可不選此兩項(xiàng)之一， 【 model語(yǔ)句的 [選項(xiàng) ] 】 ? selection=forward(或 f)| backward(或 b) | stepwise (或 s) | score 規(guī)定變量的篩選方法，分別為向前、向后、逐步和最優(yōu)子集法。 ? descending(或 des) 規(guī)定按照反應(yīng)變量降序水平進(jìn)行運(yùn)算。 output語(yǔ)句創(chuàng)建一個(gè)新的 SAS數(shù)據(jù)集，其含有每個(gè)個(gè)體的原始數(shù)據(jù)， pred|p=變量名為在 out=數(shù)據(jù)集中含有每個(gè)個(gè)體預(yù)測(cè)概率。 本講主要介紹兩分類(lèi) Logistic回歸 2022年 6月 23日 19 ? 兩分類(lèi)非條件 Logistic回歸 語(yǔ)法格式 Proc logistic [data=數(shù)據(jù)集 ] [選項(xiàng) ] ； model 應(yīng)變量名 =自變量名列 / [選項(xiàng) ] ； [freq 變量名 ]； 可選項(xiàng)，指明頻數(shù)變量。 ? 多分類(lèi)有序反應(yīng)變量的 Logistic回歸 （ 在 SAS中 調(diào)用logistic模塊進(jìn)行統(tǒng)計(jì)）。 ? 條件 logistic回歸