《医学统计学》课程教学资源：第十六章 Logistic回归分析 Logistic Regression Analysis

改错: 257页公式(16-1)、264页公式(16-15) 改为: P=CXp(B+β1X1+B2X2+…+βmXm 1+exp(Bo+B1X1+β2X2+…+BmXm) 或 P 1+exp [(β0+B1X1+B2X2+…+BmXn)]

改错： 257页公式(16-1) 、264页公式(16-15) 改为：     0 1 1 2 2 m m 0 1 1 2 2 m m 1 exp X X X exp X X X P                         0 1X1 2X 2 m X m 1 exp 1 P             或

第十六章 Logistic回归分析 Logistic Regression Analysis

Logistic Regression Analysis 第十六章 Logistic 回归分析

实例 2003年6月17日处理无锡101医院脑外科陈铮 立主任医师一份临床科研资料:1994年1月 2001年12月8年间,76例高血压脑出血患者术 后再出血的危险因素分析

实例 2003年6月17日处理无锡101医院脑外科陈铮 立主任医师一份临床科研资料：1994年1月～ 2001年12月8年间，76例高血压脑出血患者术 后再出血的危险因素分析

Y手术后再出血 实例 手术后未再出血 X1性别 8出血部位 X2年龄 X出血量 X3术前昏迷程度积分X脑血管是否硬化 X4瞳孔是否扩大 X1有无活动性出血 X5高血压病龄 X12拔管时有无高血压 X6临床分级 X13手术后有无高血压 X发病至手术时间X14是否右(左手作右(左脑

Y 手术后再出血 实例 手术后未再出血 X1 性别 X2 年龄 X3 术前昏迷程度积分 X4 瞳孔是否扩大 X5 高血压病龄 X6 临床分级 X7 发病至手术时间 X8 出血部位 X9 出血量 X10 脑血管是否硬化 X11 有无活动性出血 X12 拔管时有无高血压 X13 手术后有无高血压 X14 是否右(左)手作右(左)脑

实例 单因素分析(再出血组与未再出血组比较) X5、X7、X1、X12、X13有统计学意义。 Logistic回归分析: (Y=1手术后再出血Y=0手术后未再出血) 筛选出X10、X14有统计学意义 还可计算脑血管硬化比未硬化、右手作左脑 比右手作右脑的手术后再出血的相对危险度

实例 单因素分析(再出血组与未再出血组比较) X5、X7、X11、X12、X13有统计学意义。 Logistic回归分析: ( Y=1 手术后再出血 Y=0 手术后未再出血） 筛选出X10、X14有统计学意义。 还可计算脑血管硬化比未硬化、右手作左脑 比右手作右脑的手术后再出血的相对危险度

第一节 Logistic回归 、基本概念 二、 Logistic回归模型的参数估计 、 Logistic回归模型的假设检验 四、变量筛选

第一节 Logistic回归 一 、基本概念 二、 Logistic回归模型的参数估计 三、 Logistic回归模型的假设检验 四、变量筛选

表15-1多元回归分析数据格式 例号 2 m X 12 2 21 nl Xn2 II0 Y=β0+β1X1+β2X2+…+βmXm+e N(0, o2)

表15-1 多元回归分析数据格式 例号 X1 X2  Xm Y 1 X11 X12  X1m Y1 2 X21 X22  X2m Y2       n Xn1 Xn2  Xnm Yn Y X X X e  0  1 1  2 2     m m    2 e ~ N 0, ～

logistic回归模型(应变量是一个二值变量) 1阳性(发病、有效、死亡等) 0阴性(未发病、无效、存活等) XY=β0+β1X1+β2X2+…+βmXm 0<Y<1

Logistic回归模型（应变量是一个二值变量） Y= 1 阳性（发病、有效、死亡等） 0 阴性（未发病、无效、存活等） 0 Y 1 Y 0 1X1 2X2 m X m   ×          

logistic回归模型(应变量是一个二值变量) 1阳性(发病、有效、死亡等) 0阴性(未发病、无效、存活等) P=P(Y=1|X1,X2,…,Xm) 1-P log it(P)

Logistic回归模型（应变量是一个二值变量） Y= 1 阳性（发病、有效、死亡等） 0 阴性（未发病、无效、存活等） P=P（Y=1 | X1 , X2 ,  , Xm）       1  P P ln  log itP

logistic回归模型(概率型非线性回归) 1-P β0+β1X1+β2X2+…+βnX < In o0<P≤1 ● log it(P=B0+B1X1+B2X2+…+βnXm

Logistic回归模型（概率型非线性回归）   P 0 1X1 2X2 m Xm log it           0 1X1 2X2 m Xm 1 P P ln                  0 P 1 1 P P ln              