医学科研课堂丨统计说说（十）：谈谈Logistic回归分析

具体操作

1．数据格式30行5列（因变量：是否肺癌；协变量：性别、吸烟、年龄、地区）（图1）。

图1 非条件Logistic回归数据输入格式

2.操作步骤

分析(A)→回归(R)→二元Logistic

弹出“Logistic回归”主对话框（图2）。

图2 Logistic回归主对话框

►因变量( D)：选入因变量，本例为“是否肺癌”。

►协变量( C)：选入自变量，本例为“性别/吸烟/年龄/地区”。

（可选入多个协变量，既可选入单个变量，亦可选入交互变量）

★方法( M)：自变量筛选方法，下拉菜单中有7种方法可供选择。

输入—强迫引入法，所有自变量全部进入方程（系统默认）。本例选此项。

向前：LR—基于偏最大似然估计的前进法。逐步回归常用此法。

◇ 分类( G)：哑变量设置，用于多分类协变量。

◇ 选项( O)：点击“选项( O)”按钮，弹出“Logistic回归：选项”对话框（图3）。

图3 Logistic回归：选项对话框

★ 统计和图

★ 步进概率：逐步筛选变量的概率水准。

进入( N)： 以P ≤0.05为选入变量的标准（系统默认）。

除去( V)： 以P >0.10为剔除变量的标准（系统默认）。

（筛选变量时，可适当放宽条件，注意引入变量的检验水准要小于或等于剔除变量的检验水准）

点击“继续( C)”回到主对话框，点击“确定”。

主要输出结果及分析

（1）预测分类（表2）

表2给出了本例的预测分类说明：对疾病结局是否死亡进行预测分类，以预测概率0.5为判别分界点（cut value），其中判对率为90%，即（14+13）/30=0.90。灵敏度为86.7%，特异度为93.3%，阳性预测值为92.9%，阴性预测值为87.5%。

（2）参数估计及检验（表3）（此表最重要）

表3给出了本例的参数估计及检验说明：本例拟合过程中“吸烟、年龄”的 P