教程：如何快速利用logistic回归开展影响因素分析？

在医学科研、特别是观察性研究领域，无论是现况调查、病例对照研究、还是队列研究，经常遇到分类的健康结局，包括二分类（如：生存与死亡、阳性与阴性、发病与未发病）或者一些可进行分类的生理生化指标等（如：血压值、血镁值、血脂和胆固醇等）时，线性回归分析往往无法进行，此时可以考虑Logistic回归模型。

实际中，许多人习惯性使用SPSS进行回归分析，但是SPSS无法进行批量单因素分析，还需要手动绘制三线表，费时又费力。而R语言虽然可以进行批量单因素分析并制作三线表，但具有一定的门槛，需要编程基础，估计一时三刻也学不会。因此，这里结合一篇文献与实操案例为大家介绍一个智能在线免费统计分析平台——风暴统计。

logistic回归具体网址：https://shiny.medsta.cn/log/

或者百度、必应Bing搜索“风暴统计”

本平台上线的所有工具都是免费的

这里我们不再赘述数据的导入与整理过程，详细教程大家可以点击下方链接：

详细指南！风暴统计如何高效导入数据，统计分析快人一步？

详细版！如何利用风暴统计进行数据的整理转换？

1.logistic回归基本过程介绍

目前风暴统计平台可以非常快速准确的完成logistic回归，只需2步!

选入回归自变量

选择自变量筛选方式

全部是菜单式操作，完成后，界面直接给出规范三线表结果！还可以随着变量的调整实时更新结果，在数据探索初期，可以节省不少工作量！在撰写报告时，也不用再手工绘制三线表，填写数据了！统计小白也可以轻松上手！

2.logistic回归自变量选择

首先，选入变量，包括因变量、定量自变量、分类自变量。

①因变量

这里因变量建议使用0和1进行表示，0代表阴性结局（如：未患病、二分类变量中值较小的组），1代表阳性结局（如：患病或二分类结局中值较大的组)。

②定量自变量

平台会将分类数大于5的变量自动归为定量自变量，并在选取定量自变量时，优先显示在上方，便于选取。

③分类自变量

同理，分类数小于5类的变量归入分类变量，在选取变量时，优先显示分类变量。

假如分析中确实存在分类数大于5的分类变量，被平台归为了定量型，那么在分类自变量这里也是可以直接选取的（如上图中的"time"变量），回归结果也将按照分类数据进行展示。

接着，选择自变量的筛选方式，包括先单后多法、逐步回归法。

3.开展先单后多方法分析

根据研究需要，如果需要开展先单后多的自变量筛选方式，那么“是否开展逐步回归分析”选择“否”。

P阈值自行选择，如果自变量个数过少，可以适当放宽标准，0.1、0.2也都是可以的。当选择不限制时，选入的全部自变量都将纳入多因素回归分析。

4.开展逐步回归方法分析

逐步回归方法，平台也提供了多种选择：双向逐步回归，向前逐步回归，向后逐步回归以及考虑到有时P值大于0.05的变量在逐步回归时也会留在模型中，新增了根据P