如何用spss170進(jìn)行二元和多元logistic回歸分析

8/8怎樣用進(jìn)行二元和多元logistic回歸解析一、二元logistic回歸解析二元logistic回歸解析的前提為因變量是能夠轉(zhuǎn)變?yōu)?、1的二分變量，如：死亡或許生計(jì)，男性或許女性，有或無(wú)，Yes或No，是或否的狀況。下邊以醫(yī)學(xué)中不一樣樣樣種類(lèi)腦擁堵與年紀(jì)和性別之間的互相關(guān)系來(lái)進(jìn)行二元logistic回歸解析。（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)變：如圖1-1所示，此中腦擁堵能夠分為ICAS、ECAS和NCAS三種，但此刻我們僅考慮性別和年紀(jì)與ICAS的關(guān)系，所以將分組數(shù)據(jù)ICAS、ECAS和NCAS轉(zhuǎn)變?yōu)?、0分類(lèi)，是ICAS賦值為1，否賦值為0。年紀(jì)為數(shù)值變量，可直接輸入到spss中，而性別需要轉(zhuǎn)變?yōu)椋?、0）分類(lèi)變量輸入到spss中間，假定男性為1，女性為0，但在后續(xù)解析中系統(tǒng)會(huì)將1，0置換（下邊還會(huì)介紹），所以為方便時(shí)期我們這里先將男女賦值置換，即男性為“0”，女性為“1”。1-1第二步：翻開(kāi)“二值Logistic回歸解析”對(duì)話(huà)框：沿著主菜單的“解析（Analyze）→回歸（Regression）→二元logistic（BinaryLogistic）”的路徑（圖1-2）翻開(kāi)二值Logistic回歸解析選項(xiàng)框（圖1-3）。如圖1-3左邊對(duì)話(huà)框中有很多變量，但在單要素方差解析中與ICAS明顯相關(guān)的為性別、年紀(jì)、有無(wú)高血壓，有無(wú)糖尿病等（P<），所以我們這里選擇以性別和年紀(jì)為例進(jìn)行解析。1-2圖1-3圖1-3在圖1-3中，因?yàn)槲覀円馕鲂詣e和年紀(jì)與ICAS的相關(guān)程度，所以將ICAS選入因變量（Dependent）中，而將性別和年紀(jì)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)。采納第一種方法，即系統(tǒng)默認(rèn)的逼迫回歸方法（進(jìn)入“Enter”）。接下來(lái)我們將對(duì)分類(lèi)（Categorical），保存（Save），選項(xiàng)（Options）依據(jù)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)樾詣e為二分類(lèi)變量，所以將其選入分類(lèi)協(xié)變量中，參照種類(lèi)為在解析中是以最小數(shù)值“0（第一個(gè)）”作為參照，仍是將最大數(shù)值“1（最后一個(gè)）”作為參照，這里我們選擇第一個(gè)“0”作為參照。在“寄存”選項(xiàng)框中是指將不將數(shù)據(jù)輸出到編寫(xiě)顯示區(qū)中。在“選項(xiàng)”對(duì)話(huà)框中要勾選如圖幾項(xiàng)，此中“exp(B)的CI(X)”必定要勾選，這個(gè)就是輸出的OR和CI值，后邊的95%為系統(tǒng)默認(rèn)，不需要改正。圖1-4分類(lèi)圖1-5保存圖1-6選項(xiàng)其余在“選項(xiàng)”對(duì)話(huà)框中，“輸出”一欄中，系統(tǒng)默以為“在每個(gè)步驟中”，這里改正為“在最后一個(gè)步驟中”，即：輸出結(jié)果將可是給出最后結(jié)果，而省略每一步的計(jì)算過(guò)程。因?yàn)槲覀儾杉{逼迫回歸，逐漸回歸概率選項(xiàng)能夠不論其余還有一個(gè)選項(xiàng)需要說(shuō)明。一是分類(lèi)臨界值（Classificationcutoff），默認(rèn)值為，即按四舍五入的原則將概率展望值化為0或許1。假如將數(shù)值改為，則大于等于的概率值才表示為1，不然為0。其狀況余依此類(lèi)推。二是最大迭代值（MaximumIterations），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)增添到50。原由是，有時(shí)迭代次數(shù)太少，計(jì)算結(jié)果不可以夠夠真實(shí)收斂。三是模型中包含常數(shù)項(xiàng)（Includeconstantinmodel），即模型中保存截距。除了迭代次數(shù)以外，其余兩個(gè)選項(xiàng)均采納系統(tǒng)默認(rèn)值。達(dá)成后，點(diǎn)擊各項(xiàng)中“連續(xù)（Continue）”按鈕。返回圖1-3，單擊“確立”按鈕。（二）結(jié)果解讀其余結(jié)果參照文章《利用SPSS進(jìn)行Logistic回歸解析》中解讀，這里要點(diǎn)將兩點(diǎn)：第一，分類(lèi)變量編碼（圖1-7），因?yàn)檫@里包含性別分類(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→參數(shù)編碼0，0→參數(shù)編碼1，而最后輸出結(jié)果是以1來(lái)計(jì)算的，而0為參照數(shù)據(jù)。所以這也就是為何我么以前要對(duì)研究組男性的賦值進(jìn)行置換了。假如男性為1那么spss中最后輸出的將是女性的解析結(jié)果。1-7第二，最后輸出數(shù)據(jù)（圖1-8）在該結(jié)果中，Exp(B)即為文件中說(shuō)起的OR值，而EXP(B)95%.即為文件中說(shuō)起的CI值。此中Exp(B)表示某要素（自變量）內(nèi)該種類(lèi)是其相應(yīng)參照種類(lèi)擁有某種偏向性的倍數(shù)。而有的文件中提到的CrodeOR和AdjustOR則分別為單要素優(yōu)勢(shì)率（Crodeoddsratio）和多要素優(yōu)勢(shì)率（Adjustoddsratio），即僅對(duì)性別單個(gè)變量的單要素分析或許對(duì)性別和年紀(jì)等多個(gè)變量進(jìn)行多要素解析后所獲得的不一樣樣樣結(jié)果。CI則為可信區(qū)間Confidenceinterval）。Sig.即我們常說(shuō)的P值，P<為明顯（無(wú)效假說(shuō)不建立，擁有統(tǒng)計(jì)學(xué)意義），P>為不明顯（無(wú)效假說(shuō)建立，不擁有統(tǒng)計(jì)學(xué)意義）。1-8二、多項(xiàng)（多元、多分類(lèi)、Multinomial）logistic回歸解析前面講的二元logistic回歸解析僅合適因變量Y只有兩種取值（二分類(lèi)）的狀況，當(dāng)Y擁有兩種以上的取值時(shí)，就要用多項(xiàng)logistic回歸（MutinomialLogisticRegression）解析了。這類(lèi)解析不單好夠用于醫(yī)療領(lǐng)域，也能夠用于社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、農(nóng)業(yè)研究等多個(gè)領(lǐng)域。如不一樣樣樣階段（初一、初二、初三）學(xué)生視力降落程度，不一樣樣樣蛀牙狀況（輕度、中度、重度）下與刷牙、飲食、年紀(jì)的關(guān)系等。下邊我們以圖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的比值區(qū)分為低、較低、中、高四個(gè)分位后利用多項(xiàng)logistic回歸解析其與ICAS之間的互相關(guān)系。第一來(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里面給出了做四分位數(shù)的程度即解析（Aanlyze）→描繪統(tǒng)計(jì)（DescriptiveStatistics）→頻次（Frequencies）。打如圖2-1開(kāi)頻次對(duì)話(huà)框。將我們要解析的數(shù)值變量Apoba1選入到變量對(duì)話(huà)框中。2-1圖2-2圖2-3選擇統(tǒng)計(jì)量，依據(jù)圖2-2中勾選四分位數(shù)選項(xiàng)，其余選項(xiàng)依據(jù)自己需要勾選，此后點(diǎn)擊圖2-1中確實(shí)定按鈕，開(kāi)始運(yùn)算。在圖2-3中能夠讀取我們的四分位數(shù)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25%的，50表示前50%的，75表示前75%的。每一項(xiàng)對(duì)應(yīng)的后邊數(shù)值即為相應(yīng)的四分位數(shù)，如，即為前25%的個(gè)體與后75%個(gè)體的分位數(shù)。依據(jù)如上方法得出ApoB/AI的比率后我們能夠把該比值區(qū)分為四個(gè)區(qū)間，即當(dāng)ApoB/AI的比率<為低、當(dāng)≤ApoB/AI的比率≤時(shí)為較低、當(dāng)≤ApoB/AI的比率≤時(shí)為中，當(dāng)ApoB/AI的比率>時(shí)為高。此后將這一區(qū)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。這里還要重申的是我們要研究其與ICAS之間的互相關(guān)系，那么我們需要將其設(shè)為二分類(lèi)變量，即是ICAS的狀況為1，不然為0，但多項(xiàng)logistic回歸解析也會(huì)將1，0

置換，所以我們需要在這里將我們需要研究的狀況置換為

0，此后將其他置換為

1。下邊就能夠進(jìn)行多項(xiàng)

logistic回歸解析了。如圖

2-4翻開(kāi)多項(xiàng)

logistic回歸解析對(duì)話(huà)框（圖

2-5）。如圖2-5所示，在”因變量”中選入剛剛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（這里必定是分類(lèi)變量，能夠是一個(gè)也能夠是多個(gè)），在“協(xié)變量”中輸入數(shù)值變量如年紀(jì)（這里必定是數(shù)值變量，能夠是一個(gè)也能夠是多個(gè)），但因本次沒(méi)有對(duì)年紀(jì)進(jìn)行解析，僅對(duì)ICAS進(jìn)行了單要素解析，所以我們把年紀(jì)移出協(xié)變量選項(xiàng)。在SPSS中對(duì)因變量的定義是，假如因變量Y有J個(gè)值（即Y有J類(lèi)），以其中一個(gè)種類(lèi)作為參照種類(lèi)，其余種類(lèi)都同他比較較生成J-1個(gè)冗余的Logit變換模型，而作為參照類(lèi)其余其模型中全部系數(shù)均為0。在SPSS中能夠?qū)λx因變量的參照種類(lèi)進(jìn)行設(shè)置，如圖2-5在因變量對(duì)話(huà)框下有一“參照種類(lèi)”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所代表的種類(lèi)作為參照種類(lèi)，即最低數(shù)值作為參照種類(lèi)。單擊連續(xù)。自然也能夠選擇“第一種類(lèi)”和“最后種類(lèi)”，當(dāng)選中分別表示以最低數(shù)值或最高數(shù)值作為參照種類(lèi)。其余設(shè)置與二元Logistic解析相像，將我們要輸出的項(xiàng)勾選即可，點(diǎn)擊圖2-5中確立，輸出數(shù)據(jù)。2-4圖2-5圖2-6輸出數(shù)據(jù)基本與二元Logistic解析相像，我們要點(diǎn)講下最后一項(xiàng)“參照預(yù)計(jì)”，如圖2-7所示，此中參照種類(lèi)為ICAS=1的分類(lèi)狀況，而此中的ICAS=0分為2、3、4三種，分別給出了ICAS=0時(shí)的數(shù)值。而此中Exp(B)（即OR值）表示某要素（自變量）內(nèi)該種類(lèi)是其相應(yīng)參照種類(lèi)