spss逻辑SPSS回归分析详细解读不能点确定

来源：蜘蛛抓取(WebSpider) 时间：2022-10-26 09:33 标签： SPSS回归分析详细解读

本文知识点归纳及重点：Logistics回归分析 之 条件逻辑回归、logistic回归分析和线性回归分析、logistic回归模型中

文章作者：碎片时间学统计

莫恨雕笼翠羽残，江南地暖陇西寒。

劝君不用分明语，语得分明出转难。

不要怨恨被关在华丽的笼子里，也不要痛恨翠绿的毛被剪得残缺不全，江南气候温暖，而你的老家陇西十分寒冷。

劝你不要把话说得过于清楚，话说的太清楚，人就愈加喜爱，要想飞出鸟笼就更难了。

“莫恨雕笼翠羽残，江南地暖陇西寒。”诗人在江南见到的这头鹦鹉，已被人剪了翅膀，关进雕花的笼子里，所以用上面两句话来安慰它：且莫感叹自己被拘囚的命运，这个地方毕竟比你的老家要暖和多了。话虽这么说，“莫恨”其实是有“恨”，所以细心人不难听出其弦外之音：尽管现在不愁温饱，而不能奋翅高飞，终不免叫人感到遗憾。罗隐生当唐末纷乱时世，虽然怀有匡时救世的抱负，但屡试不第，流浪大半辈子，无所遇合，到五十五岁那年投奔割据江浙一带的钱镠，才算有了安身之地。他这时的处境，跟这头笼中鹦鹉颇有某些相似。这两句诗分明写他那种自嘲而又自解的矛盾心理。

“劝君不用分明语，语得分明出转难。”诗人以告诫的口吻对鹦鹉说：你还是不要说话过于明白吧，明白的话你出去就更难了！这里含蓄的意思是：语言不慎，足以招祸；为求免祸，必须慎言。

这首咏物诗，不同于一般的比兴托物，而是借用向鹦鹉说话的形式来吐露自己的心曲，劝鹦鹉实是劝自己，劝自己实是抒泄自己内心的悲慨，淡淡说来，却意味深长。

在之前的章节中，讲到配伍设计方法时，我们可以看到有配对设计等方法来控制影响实验效应的主要非处理因素，在统计效能上要比普通的成组实验高。在结果变量为分类资料的研究中也常常采用配伍设计，如流行病学的 病例-对照 实验中采取 1:1 或者 1:R 配比的方法来选择对照，使得 病例和对照 在一个或多个混杂因素方面尽可能相同。这种实验设计的数据如果采用 逻辑回归模型 来分析，就应当使用 配对逻辑回归模型。

配对逻辑回归模型又称为条件逻辑回归模型，适用于配对方法收集的资料。在流行病学相关参考书中提到配对逻辑回归分析时，总是提到当某病病人难以寻找时，可采用配对设计。在实际工作上，通常情况下也可采用，以提高研究设计的效率。

  • 每一配对组若包括一个病例和一个对照，则称为1:1配对；
  • 每个配对组包含一个病例与r个对照，则称为1:r配对；
  • 复杂的实验设计中还会出现m：n配对。

以最简单的1：1配对研究为例，所收集到的原始数据形式如下图所示：

那么，相应的模型是如何拟合的呢？如果分层来考虑，则第i配对组的逻辑回归模型为：

由表达式可见，参数b1……bm是各配对组共有的，这意味着同一协变量在不同配对组中作用相同，即协变量的作用不随配对组号的变化而变化，它们分别描述协变量x1, x2,….xm对目标变量的作用，其意义与非条件逻辑会中相同，而常数项随配对组的变化而变化，描述各配对组的特性，即反映了在各配对组中混杂因素的作用强度。在参数拟合时，一般仍用极大似然法，采用Newton-Raphson多次逼近法求解。

在SPSS中没有为配对逻辑回归模型提供直接拟合的方法，但通过模型的原理，将数据格式略加变换后就可以采用常用的其他方法来拟合。可采用两种方法拟合：一是变量差值拟合，二是分层Cox模型拟合。

当数据为1：1配对时，可以通过计算同一对病例与对照的所有协变量的差值，然后利用该差值直接拟合不含常数项的成组逻辑回归模型，所得参数值为所需的协变量参数值。在进行模型计算时，很难通过调用二元逻辑回归模型予以实现，因为因变量的差值为1个常数（如患病赋值为1，未患病赋值为0，因变量=1-0=1）；若因变量只有一个取值水平，会拒绝继续运算。但多元逻辑回归过程可实现该方法，在确定因变量为一常数时，系统会自动切换为拟合条件逻辑回归模型，从而通过拟合不包含常数的模型实现1:1配对的逻辑回归。

注意：此方法只适用于1:1配对的情况，并且由于要求及时差值，必须将同一对的病例和对照录入在一条记录中。

（3）分层Cox模型拟合

示例：考察服用雌激素与患子宫内膜癌的关系，对退休居住在社区的妇女进行调查。对照匹配条件如下：与子宫内膜癌患者的年龄相差不超过一岁，婚姻状况相同，居住在同一社区。除是否服用雌激素外，研究的自变量还包括肥胖、胆囊病史、服用其他非雌激素药物。

在数据中，id为病例-对照组编号，case1为病例，赋值均为1，case2为对照，赋值均为0，其他变量命名规则相同。

2.计算相应变量：通过 转换--计算变量 过程实现

  • 打开 转换--计算变量，计算 case 变量

3. 打开 分析—回归—多元逻辑回归分析

  • 因变量：选择 case 作为因变量

（2）模型：去除 在模型中包含截距 复选框

  • 警告说明由于因变量为常数，将拟合条件逻辑回归模型。
  • 卡方值为34.159，其显著性p=0.000<0.05，所以模型具有统计学意义。
  • 在表B中，输出了3种伪决定系数，同之前的案例相比，伪决定系数比较大。
  • 输出从当前模型中分别提出每一个自变量后拟合新的条件逻辑回归模型的-2倍似然对数值，用于考察是否可以从当前模型中剔除该自变量。可以看出年龄、服用其他非雌激素药物的p值均大于0.05。可进一步采用逐步回归法对当前模型中自变量进行筛选。
  • 由下表可见，服用雌激素者患子宫内膜癌的概率是未服用雌激素的14.851倍。有胆囊病史患者患子宫内膜癌的概率是没有胆囊病史的6.27倍，但p=0.042<0.05，需小心谨慎，可适当扩大样本量，再对这一因素进行研究。

我要回帖

更多关于 SPSS回归分析详细解读 的文章

 

随机推荐