多元有序logistic回归分析_SPSS：二元Logistic回归中自变量的处理和解读—

SPSS：二元Logistic回归中自变量的处理和解读——有序多分类变量的处理。有序多分类变量是很常见的变量形式，通常在变量中有多个可能会出现的取值，各取值之间还存在等级关系。比如高血压分级(0=正常，1=正常高值，2=1级高血压，3=2级高血压，4=3级高血压)、尿蛋白水平(0=-，1=±，2=+，3=++，4=+++)等等。与无序多分类变量不同，有序多分类变量的各个选项直接呈现向一个方向递增或递减的关系。

当Logistic回归中需要将有序多分类变量代入自变量X时，我们如何处理呢?通常大家会习惯性的将有序多分类变量直接代入。这当然不是不对，但是有个前提条件，就是该有序多分类变量每改变一个单位的时候，结局风险增加倍数相同。

每改变一个等级，对结局贡献相同或相似时

上面的标题听起来不大好懂，但是可以简单的用个例子和图表示一下。比如我们关心研究对象是否接受治疗，也就是研究对象中，有一部分人出现了“接受治疗”这个结局。可能影响结局的变量之一是教育程度。

我们看图说话，教育程度每增加1个水平，“接受治疗率”提升的百分比相近。“高中”是“未完成高中”治疗率的1.4倍;“大专及以上”是“高中”治疗率的1.4倍。换句话说也就是教育程度只要提高1个水平，不管从哪一个等级提升，对结局发生概率的影响都是相当的。(当然，在这里我们没有考虑其他因素分布的问题。)

此时我们通常直接把有序多分类变量代入Logistic回归模型，而不对变量进行额外设置。跑出来的结果解读起来也和连续变量差不多。

教育程度还是有统计学意义的，我们试着解释一下OR值(Exp(B))。此处，我们认为只要是教育程度相差1级，那么出现“接受治疗”这一结局的概率就增加到1.609倍，相差2级概率就为1.609的2次方倍。

同样间隔的不同等级间，效应不一致时

同样的例子，如果同样相差一个等级，结局发生概率的增加倍数不一样。比如我们把上面的例子改成这样。

同样是有序多分类变量，从“未完成高中”到“高中”改变了1，结局发生概率升到1.40倍;从“高中”到“大学”改变了1，结局发生概率升到1.16倍;从“大专”到“大学及以上”也是改变了1，结局发生概率升到之前的0.99倍。可见此时每升高一级，接受治疗的发生率提高的倍数并不一致。如果按照最开始的方法直接把多分类变量代入模型，得到的结论就有问题了。

此时，可选的做法有几个，如果在各等级间，临近等级的改变完全不增加结局的风险，则可以简单粗暴的把相近的几个级别合并。

当然还有更细致的办法，就是按照“SPSS：二元Logistic回归中自变量的处理和解读——无序多分类变量的处理”的做法，把有序多分类变量按哑变量处理，各级别都和其中的某一个级别进行比较。过程如下：

与结局不成线性关系时，无序多分类变量效应拐点的探索

探索的方法有很多种，首先可以参考的就是我们讲过的连续变量的处理方法，详见“临床研究中年龄只能是连续变量吗？”。

在Logistic回归处理有序多分类变量时，还有更简化的方法，就是在

这个步骤中，选择特定的对比方法。

当在对比中，选择“差值”方法时，会变为如下结果：

此处每个教育程度水平的OR值不再是和第一个或最后一个水平进行比较，而是直接和前一个水平进行比较。比如“教育程度(2)”对应的OR值为0.96，其含义是指其出现结局事件的概率是“教育程度(1)”的0.96倍。若某个水平的OR值与其他水平OR值相差过多，意味着从临近水平进入这一水平这“1个”改变量，带来的效应与其他水平不一致，提示此处可能为效应的拐点。

我们还可以选择“Helmert”选项，此时每个教育水平为与之前所有水平总体的比较。其他各选项的解释可以参考张文彤编写的《SPSS统计分析高级教程》Logistic回归的章节。

多元有序logistic回归分析_SPSS：二元Logistic回归中自变量的处理和解读——有序多分类变量的处理...相关推荐

Logistic回归分析之二元Logistic回归
二元Logistic回归是一种分类方法,用于预测离散的二元输出结果(例如:是/否,正/负).它基于Logistic回归模型,并使用逻辑函数来模拟结果的概率. 二元Logistic回归在许多场景中很有用 ...
logistic回归分析优点_逻辑回归的简单介绍
一.逻辑回归的概念逻辑回归又称logistic回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域. 二.逻辑回归不是回归从名字来理解逻辑回归.在逻辑回归中,逻辑( ...
logistic回归分析python实现_Logistic回归模型和Python实现
回归分析是研究变量之间定量关系的一种统计学方法,具有广泛的应用. Logistic回归模型线性回归先从线性回归模型开始,线性回归是最基本的回归模型,它使用线性函数描述两个变量之间的关系,将连续或离 ...
一文理解二元logistic回归
目录 1.二元logistic分析思路说明 2.如何使用SPSSAU进行二元logistic操作 3.二元logistic相关问题在研究X对于Y的影响时,如果Y为定量数据,那么使用多元线性回归分析( ...
多元有序logistic回归分析_多元Logistic_回归分析解析.ppt
医学研究中经常遇到分类型变量二分类变量: 生存与死亡有病与无病有效与无效感染与未感染多分类有序变量: 疾病程度(轻度.中度.重度) 治愈效果(治愈.显效.好转.无效) 多分类无序变量: 手术 ...
excel计算二元线性回归_快速掌握Logistic回归分析及应用
影响关系研究是所有研究中最为常见的.我们都知道当Y是定量数据时,线性回归可以用来分析影响关系.如果现在想对某件事情发生的概率进行预估,比如一件衣服的是否有人想购买?这里的Y是"是否愿意购买& ...
两个自变量和一个因变量spss_SPSS学习笔记：因变量二分类资料的logistic回归分析...
转自个人微信公众号[Memo_Cleon]的统计学习笔记两个概念:RR和OR 二分类资料的logistic回归SPSS操作示例几个需要注意的问题:样本量.哑变量.模型拟合效果和拟合优度检验.多重共线 ...
鸢尾花分类python_二元逻辑回归实现鸢尾花数据分类（python）
说明: 本文利用python实现二元逻辑回归,没有加正则项.挑选iris数据前100个样本作为训练集,他们分属于两个类别,样本特征选择第1列(花萼长度x1)和第2列(花萼宽度x2). 程序以函数形式实 ...
二元逻辑回归 · 数学推导过程及代码实现完全解析
文章目录概述两个重要函数预测的基本思想二元逻辑回归线性模型的简单回顾从线性回归到二元逻辑回归参数怎么估计梯度下降牛顿迭代最近修改:2021/6/17 原文<从二元逻辑回归到多 ...
数据分析之非参数检验与二元逻辑回归结果不一致的原因
在对两组数据进行非参数检验时,各项属性间无统计学差异,但以分类变量作为因变量使用二元逻辑回归进行分析时,其中存在属性p值小于0.05,即该变量对因变量的影响具有显著性. 导致该情况的原因可能是由于两 ...

多元有序logistic回归分析_SPSS：二元Logistic回归中自变量的处理和解读——有序多分类变量的处理...

多元有序logistic回归分析_SPSS：二元Logistic回归中自变量的处理和解读——有序多分类变量的处理...相关推荐

最新文章

热门文章