Stata做logistic回歸-教學(xué)講解課件

應(yīng)用Stata做logistic回歸何保昌1ppt課件

實(shí)際生活中經(jīng)常會(huì)遇到因變量只有0和1的二分類變量，不能滿足正態(tài)性和方差齊性，故不能直接使用線性模型來擬合方程。Logistic回歸正是處理因變量是二分類或多分類變量的一種方法?，F(xiàn)已廣泛應(yīng)用于隊(duì)列研究，病例對照研究和試驗(yàn)性研究，成為分類因變量的首選多變量分析模型。2ppt課件分類按因變量性質(zhì)，可分為二分類、無序多分類、有序多分類。按是否匹配可分為非條件和條件logistic回歸。3ppt課件Stata軟件專門有一組命令用于做不同類型的logistic回歸，例如：logit、blogit、glogit、clogit、mlogit、ologit。4ppt課件1.Logistic回歸命令：logit因變量[自變量][,選擇項(xiàng)]在進(jìn)行l(wèi)ogistic回歸時(shí)要注意資料的形式。通常，用于logistic回歸的資料有三種形式：(1)分水平頻數(shù)資料，一般自變量較少，且均為分類變量，常以各變量(包括因變量、自變量)各水平的組合的頻數(shù)表形式出現(xiàn)。如例1。擬合時(shí)仍用上述命令，只是命令中增加[fw=頻數(shù)變量]選擇項(xiàng)。5ppt課件(2)分組頻數(shù)資料，一般自變量較少，且均為分類變量，常以各自變量(不包括因變量)各水平的組合的頻數(shù)表形式出現(xiàn)，因變量常表達(dá)為分子與分母。如例2。用下列命令：blogit陽性數(shù)變量總觀察數(shù)變量[，logit命令選擇項(xiàng)]或glogit陽性數(shù)變量總觀察數(shù)變量[，level(#)or](3)個(gè)體水平資料，即一個(gè)觀察對象一條記錄。如例3，直接使用logit命令估計(jì)即可。擬合模型后可以用指令predict得到預(yù)測概率，然后進(jìn)行模型診斷、應(yīng)用等。6ppt課件例1本例是探討婦女使用雌激素與患子宮內(nèi)膜癌之間關(guān)系的病例-對照研究資料，見表1，請計(jì)算OR及其95％可信區(qū)間。再用logistic回歸估計(jì)參數(shù)，寫出回歸方程，并說明回歸系數(shù)與OR的關(guān)系。7ppt課件8ppt課件9ppt課件10ppt課件11ppt課件12ppt課件13ppt課件也可以用logit命令14ppt課件15ppt課件16ppt課件可以利用例3做逐步回歸Stata用于逐步回歸分析的命令是在要執(zhí)行的命令前增加sw。sw回歸命令[因變量[自變量]],篩選變量的P值[選擇項(xiàng)]其中，篩選變量的P值有3種組合pr(#)/*后退法pe(#)/*向前法pr(#)pe(#)/*逐步后退法pr(#)pe(#)forward/*逐步向前法17ppt課件pr(#)是剔除變量的P值，pe(#)是選入變量的P值，如果只選pr(#)，則表示用后退法，如果同時(shí)選用pr(#)和pe(#)表示逐步法。應(yīng)用時(shí)，為防止計(jì)算進(jìn)入死循環(huán)，pr(#)須略大于pe(#)。例如，pe(0.05)，pr(0.051)。18ppt課件1.用逐步后退法，剔選變量的概率為：pe(0.05)，pr(0.06)，結(jié)果如下：

swlogityx1x2x3,pe(0.05)pr(0.06)2.用逐步前進(jìn)法，剔選變量的概率不變,結(jié)果如下：

swlogityx1x2x3,pr(0.06)pe(0.05)forward19ppt課件條件logistic回歸非條件logistic回歸適用于平行組設(shè)計(jì)的病例-對照研究，隊(duì)列研究，而不適用于配比設(shè)計(jì)的病例-對照研究。對于配比的病例-對照研究資料需要用條件logistic回歸。其命令為：clogit因變量[自變量],group(配比變量)[level(#)or]其中g(shù)roup()是必選項(xiàng)，它是用來區(qū)分各配比組的。level(#)及or的意義同logit。20ppt課件例4在子宮內(nèi)膜癌與使用雌激素關(guān)系的研究中，運(yùn)用了1:4的病例-對照研究，配比因素為年齡，共調(diào)查了20對，100例。各變量定義如下：1:match配比組2:yy=1：病例，y=0：對照3:htht=0：無高血壓，ht=1：有高血壓4:estest=0未使用過雌激素，est=1：使用過雌激素5:dose劑量：dose=0：未使用過，dose=1：0.1-0.299(mg/day)6:drugdrug=0：未使用其他藥物，drug=1：使用了其他藥物21ppt課件22ppt課件首先，使用ht、est、drug三個(gè)變量作條件logistic回歸。

.clogityhtestdrug,group(match)

結(jié)果顯示，患高血壓(ht)及使用其他藥物(drug)與子宮內(nèi)膜癌無關(guān)，而使用過雌激素者患子宮內(nèi)膜癌的可能性比未使用過雌激素者大。因此，可以進(jìn)一步考慮劑量-反應(yīng)關(guān)系。變量劑量(dose)可以按兩種方法處理，先按線性形式進(jìn)入模型，再以啞變量形式進(jìn)入模型，并比較兩者的結(jié)果。

clogityhtdosedrug,group(match）23ppt課件結(jié)果顯示，隨著劑量的上升，服用雌激素與患內(nèi)膜癌間的聯(lián)系也明顯上升，呈現(xiàn)出明顯的劑量－反應(yīng)關(guān)系。這種關(guān)系是否為線性的？dose用啞變量形式是否更好？xi:clogityhti.dosedrug,group(match)24ppt課件多類結(jié)果的logistic回歸在醫(yī)學(xué)研究中，常常會(huì)遇到結(jié)果變量是多分類的情況，如同一種腫瘤的不同亞型；病例-對照研究中的一個(gè)對照組，兩個(gè)或多個(gè)病例組；或一個(gè)病例組，兩個(gè)或多個(gè)對照組，如醫(yī)院對照和健康人群對照等。25ppt課件用于多類結(jié)果的logistic回歸的命令是mlogit。mlogit[因變量[自變量]][,base(#)constraints(clist)level(#)rrr]26ppt課件例5產(chǎn)后大出血分為兩大類：即宮縮乏力性(稱為子宮因素)及胎盤因素。在產(chǎn)后大出血與有無妊高癥x1及有無人流史x2的關(guān)系研究中，將產(chǎn)后出血量<400ml的產(chǎn)婦作為對照，出血量>400ml的作為病例，并分為上述兩類，共調(diào)查了933人，其中子宮因素出血的155人，胎盤因素出血的33人，對照745人。結(jié)果見表5。本例，結(jié)果變量為：y=0為對照(C類)y=1為宮縮乏力性產(chǎn)后大出血(A類)y=2為胎盤因素產(chǎn)后大出血(B類)。27ppt課件28ppt課件29ppt課件mlogityx1x2[fw=count],rrr30ppt課件同一變量在不同的logit函數(shù)中的效應(yīng)可能相同，亦可能不同，這可以通過test命令來檢驗(yàn)。test[1]x1=[2]x1test[1]x2=[2]x231ppt課件有序結(jié)果的累積比數(shù)logistic回歸用于有序結(jié)果的logistic回歸的命令是ologit。ologit[因變量[自變量]][,tablelevel(#)]其中選擇項(xiàng)table用于指定打印出各類的概率；level用于指定顯著性水平32ppt課件例6南通醫(yī)學(xué)院陳佩珍教授研究了兒童智商等級與其母親文化程度的關(guān)系，共收集了

857名兒童的資料，見表6。