二分类Logistic回归【详】 |
您所在的位置:网站首页 › 回归定义法 › 二分类Logistic回归【详】 |
一、问题与数据 某研究者想了解年龄、性别、BMI和总胆固醇(TC)预测患心脏病(CVD)的能力,招募了100例研究对象,记录了年龄(age)、性别(gender)、BMI,测量血中总胆固醇水平(TC),并评估研究对象目前是否患有心脏病(CVD)。部分数据如图1。 图1 部分数据 二、对问题分析使用二分类Logistic模型前,需判断是否满足以下7项假设。 假设1:因变量(结局)是二分类变量。 假设2:有至少1个自变量,自变量可以是连续变量,也可以是分类变量。 假设3:每条观测间相互独立。分类变量(包括因变量和自变量)的分类必须全面且每一个分类间互斥。 假设4:最小样本量要求为自变量数目的15倍,但一些研究者认为样本量应达到自变量数目的50倍。 假设5:连续的自变量与因变量的logit转换值之间存在线性关系。 假设6:自变量之间无多重共线性。 假设7:没有明显的离群点、杠杆点和强影响点。 假设1-4取决于研究设计和数据类型,本研究数据满足假设1-4。那么应该如何检验假设5-7,并进行二分类Logistic回归呢? 三、SPSS操作3.1 检验假设5:连续的自变量与因变量的logit转换值之间存在线性关系连续的自变量与因变量的logit转换值之间是否存在线性关系,可以通过多种方法检验。这里主要介绍Box-Tidwell方法,即将连续自变量与其自然对数值的交互项纳入回归方程。 本研究中,连续的自变量包括age、BMI、TC。使用Box-Tidwell方法时,需要先计算age、BMI、TC的自然对数值,并命名为ln_age、ln_BMI、ln_TC。 (1)计算连续自变量的自然对数值 以age为例,计算age的自然对数值ln_age的SPSS操作如下。在主界面点击 Transform→Compute Variable,出现Compute Variable对话框。在Target Variable框中输入即将生成自然对数值的变量名称(如输入ln_age表示age的自然对数值)。选择Function group菜单下的Arithmetic,选择Functions and special variables菜单下的Ln,双击Ln将该公式选入Numeric Expression框中,最后双击age将该变量选入“LN()”公式中。点击OK生成新变量ln_age(即age的自然对数值)。如图2。 图2 Compute Variable 此时新变量会同时出现在Variable View和Data View窗口中。在Data View窗口中,新生成的ln_age变量如图3。 图3 新生成ln_age变量 重复以上过程,将本研究中的所有连续自变量的自然对数值全部生成。在Data View中,新生成的ln_age,ln_BMI,ln_TC变量如图4。 图4 新生成ln_age、ln_BMI和ln_TC变量 (2)Box-Tidwell法 Box-Tidwell法检验连续的自变量与因变量的logit转换值之间是否存在线性关系的SPSS操作如下。在主界面中点击 Analyze→Regression→Binary Logistic。在Logistic Regression对话框中将变量CVD选入Dependent框中,将变量age、gender、BMI和TC选入Covariates框中。Methods选项选择默认值,即Enter。如果目前未选择Enter,应修改为Enter。如图5。 图5 Logistic Regression 点击Categorical,在Logistic Regression:Define Categorical Variables对话框中,将gender选入Categorical Covariates框中。在Change Contrast区域,将Reference Category从Last改为First后,点击Change→Continue。如图6。 图6 Categorical Variables 对于二分类变量(如本研究的gender),也可以不通过Categorical选项指定参照,SPSS将默认以赋值较低的变量为参照。 Categorical选项可将多分类变量(包括有序多分类和无序多分类)变换成哑变量,指定某一分类为参照。比如,某研究中COPD是多分类变量(分为无COPD病史、轻/中度、重度),如果指定“无COPD病史”的研究对象为参照组,可以分别比较“轻/中度”和“重度”组相对于参照组发生结局的风险。 Contrast右侧的下拉菜单中(该下拉菜单内的选项是几种与参照比较的方式),Indicator方式最常用,其比较方法为:第一类或最后一类为参照类,每一类与参照类比较)。在Reference Category的右侧选择First,表示本研究以女性(赋值为0)为对照组。 回到Logistic Regression对话框后,可见gender已显示为gender(Cat)。分类变量后显示“(Cat)”说明已正确定义分类变量。如图7。 图7 正确定义分类变量 设置好分类自变量后,开始生成交互项。以age和ln_age为例,同时选中age和ln_age(使用Ctrl键+鼠标点击),点击“>a*b>”键,将age* ln_age交互项选入Covariates框中。如图8。 图8 选入交互项 重复以上过程,将所有交互项都选入Covariates框中,点击OK。如图9。 图9 选入所有交互项 (3)假设5的检验结果 查看Variables in the Equation表格中,有交互作用的行及行内“Sig”值,本研究中为age by ln_age、BMI by ln_BMI和TC by ln_TC所在的行及行内“Sig”值。如图10。 图10 假设5的检验结果 如果交互作用有统计学意义(P |
今日新闻 |
点击排行 |
|
推荐新闻 |
图片新闻 |
|
专题文章 |
CopyRight 2018-2019 实验室设备网 版权所有 win10的实时保护怎么永久关闭 |