溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
這篇文章給大家介紹如何進行條件logistic回歸分析，內容非常詳細，感興趣的小伙伴們可以參考借鑒，希望對大家能有所幫助。
條件logistic回歸分析
在流行病的病例—對照研究中，為控制一些重要的混雜因素，常把病例組和對照組按照年齡、性別等因素進行配對，該法能很好地控制混雜因素對研究結果的影響。
一般地，病例組與對照組的匹配形式為1：n （n<=3），常見的為 1:1 。
案例分析
某北方城市研究喉癌發病的危險因素，用1:2 配對的病例-對照研究方法進行了調查。現選取了6個可能的危險因素并截取了25對數據。
數據賦值情況
數據視圖
問題分析
①數據類型：因變量Y為二分類變量，6個自變量均為分類變量。
②病例：對照 為1:2
③分析方法：SPSS中無專門處理條件logistic回歸分析的菜單操作，但很多學者推薦采用cox回歸分析（后期我們將介紹SAS的處理方法）。
【1】生成新變量TIME，
轉換——計算變量——{TIME = 2 - y }，這是常用的一種方法，使得病例組生存時間為1，對照組生存時間為2 。
【2】進行 { cox 回歸分析 }
詳細過程 ??? Cox回歸分析
【3】分析——生存函數——cox回歸
【4】TIME選入“時間”，y選入“狀態”——定義事件的單值為1，計算方法選用“向前 Wald”，需將配對號 i 選入 “層”
詳細解析可參考{ Cox回歸分析 }
①模型系數的似然比檢驗
-2lnL = 16.112 ， 模型似然比檢驗卡方值為28.397，P<0.001，模型有統計學意義，可以認為所建立的logistic回歸方程有意義。
②條件logistic回歸分析的參數估計等
步驟4：
以檢驗水準 α = 0.05 ， 自變量 X2、X3、X4、X6最終被選入模型，且X2、X3、X6為危險因素，X4為保護因素。X6的顯著性與檢驗水準很接近，實際研究中可以適當放寬要求或根據臨床經驗是否納入。以自變量X6為例 ，P=0.052，，OR=37.793，即有癌癥家族史是無癌癥家族史患喉癌風險的37.793倍。
關于如何進行條件logistic回歸分析就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
