Logistic回归分析报告结果解读分析.docx

Logistic回归分析报告结果解读分析Logistic回归常用于分析二分类因变量(如存活和死亡、患病和未患病等)与多个自变量的关系。比较常用的情形是分析危险因素与是否发生某疾病相关联。例如若探讨胃癌的危险因素可以选择两组人群一组是胃癌组一组是非胃癌组两组人群有不同的临床表现和生活方式等因变量就为有或无胃癌即“是”或“否”为二分类变量自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连续变量也可以为分类变量。通过Logistic回归分析就可以大致了解胃癌的危险因素。Logistic回归与多元线性回归有很多相同之处但最大的区别就在于他们的因变量不同。多元线性回归的因变量为连续变量；Logistic回归的因变量为二分类变量或多分类变量但二分类变量更常用也更加容易解释。1.Logistic回归的用法一般而言Logistic回归有两大用途首先是寻找危险因素如上文的例子找出与胃癌相关的危险因素；其次是用于预测我们可以根据建立的Logistic回归模型预测在不同的自变量情况下发生某病或某种情况的概率(包括风险评分的建立)。2.用Logistic回归估计危险度所谓相对危险度(riskratioRR)是用来描述某一因素不同状态发生疾病(或其它结局)危险程度的比值。Logistic回归给出的OR(oddsratio)值与相对危险度类似常用来表示相对于某一人群另一人群发生终点事件的风险超出或减少的程度。如不同性别的胃癌发生危险不同通过Logistic回归可以求出危险度的具体数值例如1.7这样就表示男性发生胃癌的风险是女性的1.7倍。这里要注意估计的方向问题以女性作为参照男性患胃癌的OR是1.7。如果以男性作为参照算出的OR将会是0.588(1/1.7)表示女性发生胃癌的风险是男性的0.588倍或者说是男性的58.8％。撇开了参照组相对危险度就没有意义了。Logistic回归在医学研究中广泛使用的原因之一就是模型直接给出具有临床实际意义的OR值很大程度上方便了结果的解读与推广。图1相对危险度(riskratioRR)与OR(oddsratio)的表达3.Logistic报告OR值或β值在Logistic回归结果汇报时往往会遇到这样一个问题：是应该报告OR值还是β值还是两个都要报告？这个决定权最终当然还是作者本人但有一点需要进一步了解：OR值和β值其实是等价的。图2OR值与β值的公式推导4Logistic回归结果判读“EXP(B)”即为相应变量的OR值（又叫优势比比值比）为在其他条件不变的情况下自变量每改变1个单位事件的发生比“Odds”的变化率。伪决定系数cox&SnellR2和NagelkerkeR2这两个指标从不同角度反映了当前模型中自变量解释了因变量的变异占因变量总变异的比例。但对于Logistic回归而言通常看到的伪决定系数的大小不像线性回归模型中的决定系数那么大。预测结果列联表解释看”分类表“中的数据提供了2类样本的预测正确率和总的正确率。建立Logistic回归方程logit（P）=β0+β1*X1+β2*X2+……+βm*Xm图2Logistic回归结果报告样例