用SPSS做logistic回歸分析解讀

1、如何用SPSS做logistic回歸分 析解讀作者:日期:如何用spss17.0進(jìn)行二元和多元logistic回歸分析一、二元logistic回歸分析二元logistic回歸分析的前提為因變量是可以轉(zhuǎn)化為0、1的二分變 量，如：死亡或者生存，男性或者女性，有或無(wú)，Yes或No,是或否 的情況。下面以醫(yī)學(xué)中不同類(lèi)型腦梗塞與年齡和性別之間的相互關(guān)系來(lái)進(jìn)行 二元logistic回歸分析。（一）數(shù)據(jù)準(zhǔn)備和SPSS選項(xiàng)設(shè)置第一步，原始數(shù)據(jù)的轉(zhuǎn)化:如圖1-1所示，其中腦梗塞可以分為ICAS、 ECAS和NCAS三種，但現(xiàn)在我們僅考慮性別和年齡與ICAS的關(guān)系， 因此將分組數(shù)據(jù)ICAS、ECAS和NCAS轉(zhuǎn)

2、化為1、0分類(lèi)，是ICAS賦 值為1,否賦值為0。年齡為數(shù)值變量，可直接輸入到spss中，而性別 需要轉(zhuǎn)化為（1、0）分類(lèi)變量輸入到spss當(dāng)中，假設(shè)男性為1,女性為 0，但在后續(xù)分析中系統(tǒng)會(huì)將1, 0置換（下面還會(huì)介紹），因此為方便 期間我們這里先將男女賦值置換，即男性為0，女性為“1”。圖1-1第二步：打開(kāi)“二值Logistic回歸分析”對(duì)話(huà)框：沿著主菜單的“分析（Analyze）一回歸（Regression）一二元logistic （Binary Logistic）”的路徑（圖1-2）打開(kāi)二值Logistic回歸分析選項(xiàng) 框（圖1-3）。如圖1-3左側(cè)對(duì)話(huà)框中有許多變量，但在單因素方差分

3、析中與ICAS顯著相關(guān)的為性別、年齡、有無(wú)高血壓，有無(wú)糖尿病等（P0.05）,因 此我們這里選擇以性別和年齡為例進(jìn)行分析。占國(guó)占！回M+,tin|duOi-TSL 1g*的一交劇R 日 JBu1EttKtl嘉田力電正甘妹伍口原喝Hffldtt鬲I9111.I54弟113070U11.*0U F劉11U用1IESn|giw15. 9I1211皿31口0I BO1 鳴1&190Z2 1.154的QI4JK14.ET70Q2311Q而224113070U30.100Li -2411*EiI-京 dBWLJ6uiwi 帕1a 陰的10 y由二l.K170IDOSE71出1Menn-卜，導(dǎo)外開(kāi)IBS1I

4、XiHD1I口11廈ftLgrifc = 川 Sd = 乩口仟MDlEuDl( nwflticAmisa=.120I9DIDO063211浦2D aMiL?卜732占1I2Qeo1ano0口3F 田2D2| 也酬!l口3;3的力1J3膜21 胎U1W16231124113：i9：i1&000Li粉2n?11口壬I1B31I9DIDO14.ES112n71U9448114. EE113ab,至aD.7Q2144DutfiKi1&iB01422D劉1加4弟1110B：i16.471132Dffi1fl.U21 的U14000U1314111-二高開(kāi)叫七時(shí)沖民用穿布耳|.|彈，出1工挎1| “，.|

5、愚曦1酬叱,性即i 3依,3內(nèi)所9| 自加叫用01尸通仃二|）w|K事以*闿盥第在圖1-3中，因?yàn)槲覀円治鲂詣e和年齡與ICAS的相關(guān)程度，因此 將ICAS選入因變量（D叩endent）中，而將性別和年齡選入?yún)f(xié)變量 （Covariates）框中，在協(xié)變量下方的“方法（Method）”一欄中，共有 七個(gè)選項(xiàng)。采用第一種方法，即系統(tǒng)默認(rèn)的強(qiáng)迫回歸方法（進(jìn)入方他。（”）。接下來(lái)我們將對(duì)分類(lèi)（Categorical），保存（Save），選項(xiàng)（Options） 按照如圖1-4、1-5、1-6中所示進(jìn)行設(shè)置。在“分類(lèi)”對(duì)話(huà)框中，因?yàn)樾?別為二分類(lèi)變量，因此將其選入分類(lèi)協(xié)變量中，參考類(lèi)別為在分析中是 以最小

6、數(shù)值“0 （第一個(gè)）”作為參考，還是將最大數(shù)值“1 （最后一個(gè)）” 作為參考，這里我們選擇第一個(gè)“0”作為參考。在“存放”選項(xiàng)框中是指 將不將數(shù)據(jù)輸出到編輯顯示區(qū)中。在“選項(xiàng)”對(duì)話(huà)框中要勾選如圖幾項(xiàng)， 其中“exp（B）的CI（X）”一定要勾選，這個(gè)就是輸出的OR和CI值，后面 的95%為系統(tǒng)默認(rèn)，不需要更改。另外在“選項(xiàng)”對(duì)話(huà)框中，“輸出”一欄中，系統(tǒng)默認(rèn)為“在每個(gè)步驟中”， 這里更改為“在最后一個(gè)步驟中”，即：輸出結(jié)果將僅僅給出最終結(jié)果，而省略每一步的計(jì)算過(guò)程。由于我們采用強(qiáng)迫回歸，逐步回歸概率選項(xiàng) 可以不管此外還有一個(gè)選項(xiàng)需要說(shuō)明。一是分類(lèi)臨界值(Classification cutof

7、f)，默認(rèn)值為0.5，即按四舍五入的原則將概率預(yù)測(cè)值化為0或者1。如果將數(shù)值改為0.6,則大于等于0.6的概率值才表示為1,否則為0。其情 況余依此類(lèi)推。二是最大迭代值(Maximum Iterations ),規(guī)定系統(tǒng)運(yùn)算 的迭代次數(shù)，默認(rèn)值為20次，為安全起見(jiàn)，我們將迭代次數(shù)增加到50。 原因是，有時(shí)迭代次數(shù)太少，計(jì)算結(jié)果不能真正收斂。三是模型中包括 常數(shù)項(xiàng)(Include constant in model)，即模型中保留截距。除了迭代次 數(shù)之外，其余兩個(gè)選項(xiàng)均采用系統(tǒng)默認(rèn)值。完成后，點(diǎn)擊各項(xiàng)中“繼續(xù)(Continue)”按鈕。返回圖1-3,單擊“確 定”按鈕。(二)結(jié)果解讀其他結(jié)果參照

8、文章利用SPSS進(jìn)行Logistic回歸分析中解讀，這 里重點(diǎn)將兩點(diǎn)：第一，分類(lèi)變量編碼(圖1-7)，由于這里包括性別分 類(lèi)變量，而我們對(duì)性別賦值為1和0，但在spss中系統(tǒng)會(huì)默認(rèn)把我們的 數(shù)值進(jìn)行置換，即1一參數(shù)編碼0，0一參數(shù)編碼1,而最終輸出結(jié)果是 以1來(lái)計(jì)算的，而0為參考數(shù)據(jù)。所以這也就是為什么我么之前要對(duì)研 究組男性的賦值進(jìn)行置換了。如果男性為1那么spss中最終輸出的將是 女性的分析結(jié)果。圖1-7第二，最終輸出數(shù)據(jù)(圖1-8)在該結(jié)果中，Exp(B)即為文獻(xiàn)中提及 的OR值，而EXP(B)的95%C.I.即為文獻(xiàn)中提及的CI值。其中Exp(B) 表示某因素(自變量)內(nèi)該類(lèi)別是其相應(yīng)

9、參考類(lèi)別具有某種傾向性的倍 數(shù)。而有的文獻(xiàn)中提到的Crode OR和Adjust OR則分別為單因素優(yōu)勢(shì) 率(Crode odds ratio)和多因素優(yōu)勢(shì)率(Adjust odds ratio)，即僅對(duì)性別單個(gè)變量的單因素分析或者對(duì)性別和年齡等多個(gè)變量進(jìn)行多因素分 析后所得到的不同結(jié)果。CI則為可信區(qū)間（Confidence interval）。Sig. 即我們常說(shuō)的P值，P0.05為不顯著（無(wú)效假說(shuō)成立，不具有統(tǒng)計(jì)學(xué)意義）。二、多項(xiàng)（多元、多分類(lèi)、Multinomial）logistic回歸分析前面講的二元logistic回歸分析僅適合因變量Y只有兩種取值（二分 類(lèi)）的情況，當(dāng)Y具有兩種以

10、上的取值時(shí)，就要用多項(xiàng)logistic回歸（M utinomial Logistic Regression）分析了。這種分析不僅可以用于醫(yī)療領(lǐng) 域，也可以用于社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、農(nóng)業(yè)研究等多個(gè)領(lǐng)域。如不同階段（初 一、初二、初三）學(xué)生視力下降程度，不同齲齒情況（輕度、中度、重 度）下與刷牙、飲食、年齡的關(guān)系等。下面我們以圖1-2中，對(duì)apoba1 （ApoB/AI）項(xiàng)中數(shù)值做四分位數(shù)后， 將病人的ApoB/AI的比值劃分為低、較低、中、高四個(gè)分位后利用多項(xiàng) logistic回歸分析其與ICAS之間的相互關(guān)系。首先來(lái)做四分位數(shù)，很多人在做四分位數(shù)的時(shí)候都是自己算出來(lái)的， 其實(shí)在SPSS里面給出了做四

11、分位數(shù)的程度即分析（Aanlyze）一描述統(tǒng) 計(jì)（Descriptive Statistics）一頻率（Frequencies）。打如圖 2-1 開(kāi)頻率 對(duì)話(huà)框。將我們要分析的數(shù)值變量Apoba1選入到變量對(duì)話(huà)框中。選擇統(tǒng)計(jì)量，按照?qǐng)D2-2中勾選四分位數(shù)選項(xiàng)，其他選項(xiàng)按照自己需 要勾選，然后點(diǎn)擊圖2-1中的確定按鈕，開(kāi)始運(yùn)算。在圖2-3中可以讀 取我們的四分位數(shù)第4/7頁(yè)值。圖中百分?jǐn)?shù)表示的是對(duì)該變量做的四分位數(shù)的百分比，25表示前2 5%的，50表示前50%的，75表示前75%的。每一項(xiàng)對(duì)應(yīng)的后面數(shù)值即 為相應(yīng)的四分位數(shù)，如0.5904,即為前25%的個(gè)體與后75%個(gè)體的分位 數(shù)。裝計(jì)量一山

12、白1N有效缺失百分位數(shù) 255075310,5904,85001.0886按照如上方法得出ApoB/AI的比率后我們可以把該比值劃分為四個(gè) 區(qū)間，即當(dāng)ApoB/AI的比率0.5904為低、當(dāng)0.5904SApoB/AI的比率 0.88時(shí)為較低、當(dāng)0.89SApoB/AI的比率口.0886時(shí)為中，當(dāng)ApoB/AI 的比率1.0886時(shí)為高。然后將這一劃分如圖1-1中“四分位數(shù)”一項(xiàng)用 分類(lèi)數(shù)值表示即1代表低，2代表較低，3代表中，4代表高。這里還要 強(qiáng)調(diào)的是我們要研究其與ICAS之間的相互關(guān)系，那么我們需要將其設(shè) 為二分類(lèi)變量，即是ICAS的情況為1,否則為0，但多項(xiàng)logistic回歸 分析也

13、會(huì)將1, 0置換，所以我們需要在這里將我們需要研究的情況置 換為0，然后將其他置換為1。下面就可以進(jìn)行多項(xiàng)logistic回歸分析了。 如圖2-4打開(kāi)多項(xiàng)logistic回歸分析對(duì)話(huà)框（圖2-5）。如圖2-5所示，在”因變量”中選入剛才我們輸入的四分位數(shù)分類(lèi)變 量，在因子中輸入分類(lèi)變量ICAS （這里一定是分類(lèi)變量，可以是一個(gè) 也可以是多個(gè)），在“協(xié)變量”中輸入數(shù)值變量如年齡（這里一定是數(shù)值變量，可以是一個(gè)也可以是多個(gè)），但因本次沒(méi)有對(duì)年齡進(jìn)行分析，僅 對(duì)ICAS進(jìn)行了單因素分析，所以我們把年齡移出協(xié)變量選項(xiàng)。在SPSS中對(duì)因變量的定義是，如果因變量Y有J個(gè)值（即Y有J 類(lèi)），以其中一個(gè)類(lèi)別作

14、為參考類(lèi)別，其他類(lèi)別都同他相比較生成J-1 個(gè)冗余的Logit變換模型，而作為參考類(lèi)別的其模型中所有系數(shù)均為0。 在SPSS中可以對(duì)所選因變量的參考類(lèi)別進(jìn)行設(shè)置，如圖2-5在因變量 對(duì)話(huà)框下有一“參考類(lèi)別”選項(xiàng)。點(diǎn)擊后會(huì)彈出圖2-6對(duì)話(huà)框。在該對(duì)話(huà) 框中我們選中設(shè)定，輸入數(shù)值1,這代表我們以分類(lèi)數(shù)值1所代表的類(lèi) 別作為參考類(lèi)別，即最低數(shù)值作為參考類(lèi)別。單擊繼續(xù)。當(dāng)然也可以選擇“第一類(lèi)別”和“最后類(lèi)別”，入選中分別表 示以最低數(shù)值或最高數(shù)值作為參考類(lèi)別。其他設(shè)置與二元Logistic分析 相似，將我們要輸出的項(xiàng)勾選即可，點(diǎn)擊圖2-5中確定，輸出數(shù)據(jù)。輸出數(shù)據(jù)基本與二元Logistic分析相似，我

15、們重點(diǎn)講下最后一項(xiàng)“參 考估計(jì)”，如圖2-7所示，其中參考類(lèi)別為ICAS=1的分類(lèi)情況，而其中 的ICAS=0分為2、3、4三種，分別給出了 ICAS=0時(shí)的數(shù)值。而其中 Exp（B）（即OR值）表示某因素（自變量）內(nèi)該類(lèi)別是其相應(yīng)參考類(lèi)別 具有某種傾向性的倍數(shù)。如Exp（B）=2.235時(shí)，即表示在較輕這一類(lèi)別下 ICAS患者數(shù)為其他類(lèi)別（ECAS和NCAS）的 2.235倍。這里面的顯著 水平即為P值。這里要強(qiáng)調(diào)的是，一些文獻(xiàn)中在輸出數(shù)據(jù)的時(shí)候經(jīng)常會(huì)給出“口?？?t （參考）”項(xiàng)，這里的Referent，即為我們這里所選的參考類(lèi)別1，因?yàn)?作為參考類(lèi)別，所以其所有數(shù)值為0,即無(wú)數(shù)據(jù)輸出。因此在文中需標(biāo)注其為Referent。14讀書(shū)的好處1、行萬(wàn)里路，讀萬(wàn)卷書(shū)。2、書(shū)山有路勤為徑，學(xué)海無(wú)涯苦作舟。3、讀書(shū)破萬(wàn)卷，下筆如有神。4、我所學(xué)到的任何有價(jià)值的知識(shí)都是由自學(xué)中得來(lái)的。達(dá)爾文5、少壯不努力，老大徒悲傷。6、黑發(fā)不知勤學(xué)早，白首方悔讀書(shū)遲。顏真卿7、寶劍鋒從磨礪出，梅花香自苦寒來(lái)。8、讀書(shū)要三到：心到、眼到、口到9、玉不琢、