admin 管理员组

文章数量: 1086019


2024年4月15日发(作者：tokenizer app)

Logistic回归分析报告范文结果解读分析

Logitic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Logitic

回归分析，就可以大致了解胃癌的危险因素。

Logitic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；Logitic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。

c回归的用法

一般而言，Logitic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Logitic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Logitic回归估计危险度

所谓相对危险度(rikratio，RR)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。Logitic回归给出的OR(oddratio)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

Logitic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。

Logitic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(rikratio，RR)与OR(oddratio)的表达

c报告OR值或β值

在Logitic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，

图2OR值与β值的公式推导4Logitic回归结果判读

“E某P(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“Odd”的变化率。

伪决定系数co某&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Logitic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Logitic回归方程

logit（P）=β0+β1某某1+β2某某2+……+βm某某m

图2Logitic回归结果报告样例


本文标签： 回归 胃癌 发生 结果 因素

版权声明：本文标题：Logistic回归分析报告范文结果解读分析 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://www.roclinux.cn/b/1713189247a623135.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。