使用Logistic模型前，需判断是否满足以下七个研究假设：假设1：因变量即结局是二分类变量。

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，也有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：自变量间不存在共线性。

假设7：没有明显的离群点、杠杆点和强影响点。

因为题主问的是如何使用SPSS来操作以及结果如何解释，下面主要讲一下SPSS的操作方法和结果解释。对以上研究假设的验证就不再详述了。

一、问题与数据

某呼吸内科医生拟探讨吸烟与肺癌发生之间的关系，开展了一项成组设计的病例对照研究。选择该科室内肺癌患者为病例组，选择医院内其它科室的非肺癌患者为对照组。通过查阅病历、问卷调查的方式收集了病例组和对照组的以下信息：性别、年龄、BMI、COPD病史和是否吸烟。变量的赋值和部分原始数据见表1和表2。该医生应该如何分析？

表1. 肺癌危险因素分析研究的变量与赋值

表2. 部分原始数据

二、对问题分析

该设计中，因变量为二分类，自变量(病例对照研究中称为暴露因素)有二分类变量(性别、BMI和是否吸烟)、连续变量(年龄)和有序多分类变量(COPD病史)。要探讨二分类因变量与自变量之间的关系，应采用二分类Logistic回归模型进行分析。

在进行二分类Logistic回归(包括其它Logistic回归)分析前，如果样本不多而变量较多，建议先通过单变量分析(t检验、卡方检验等)考察所有自变量与因变量之间的关系，筛掉一些可能无意义的变量，再进行多因素分析，这样可以保证结果更加可靠。即使样本足够大，也不建议直接把所有的变量放入方程直接分析，一定要先弄清楚各个变量之间的相互关系，确定自变量进入方程的形式，这样才能有效的进行分析。

本例中单变量分析的结果见表3(常作为研究报告或论文中的表1)。

表3. 病例组和对照组暴露因素的单因素比较

单因素分析中，病例组和对照组之间的差异有统计学意义的自变量包括：性别、COPD病史和是否吸烟。

此时，应当考虑应该将哪些自变量纳入Logistic回归模型。一般情况下，建议纳入的变量有：1)单因素分析差异有统计学意义的变量(此时，最好将P值放宽一些，比如0.1或0.15等，避免漏掉一些重要因素)；2)单因素分析时，没有发现差异有统计学意义，但是临床上认为与因变量关系密切的自变量。

本研究中，年龄和BMI与因变量没有统计学关联。但是，临床认为年龄也是肺癌发生的可能危险因素，因此Logistic回归模型中，纳入以下自变量：性别、年龄、COPD病史和是否吸烟。

此外，对于连续变量，如果仅仅是为了调整该变量带来的混杂(不关心该变量的OR值)，则可以直接将改变量纳入Logistic回归模型；如果关心该变量对因变量的影响程度(关心该变量的OR值)，一般不直接将该连续变量纳入模型，而是将连续变量转化为有序多分类变量后纳入模型。 这是因为，在Logistic回归中直接纳入连续变量，那么对于该变量的OR值的意义为：该变量每升高一个单位，发生结局事件的风险变化(比如年龄每增加1岁，患肺癌的风险增加1.02倍)。这种解释在临床上大多数是没有意义的。

三、SPSS操作

(1)数据录入SPSS

(2)选择Analyze→Regression→Binary Logistic

(3)选项设置

1)主对话框设置：将因变量cancer送入Dependent框中，将纳入模型的自变量sex, age, BMI和COPD变量Covariates中。本研究中，纳入age变量仅仅是为了调整该变量带来的混杂(不关心该变量的OR值)，因此将age直接将改变量纳入Logistic回归模型。

对于自变量筛选的方法(Method对话框)，SPSS提供了7种选择，使用各种方法的结果略有不同，读者可相互印证。各种方法之间的差别在于变量筛选方法不同，其中Forward: LR法(基于最大似然估计的向前逐步回归法)的结果相对可靠，但最终模型的选择还需要获得专业理论的支持。

2)Categorical设置：该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。本研究中，COPD是多分类变量，我们指定“无COPD病史”的研究对象为参照组，分别比较“轻/中度”和“重度”组相对于参照组患肺癌的风险变化。

点击Categorical→将左侧Covariates中的COPD变量送入右侧Categorical Covariates中。点击Contrast右侧下拉菜单，选择Indicator(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(表示选择变量COPD中，赋值最小的，即“0”作为参照。如果选择Last则表示以赋值最大的作为参照)→点击Change→点击Continue。

3)Options设置中，勾选如下选项及其意义：

Hosmer-Lemeshow goodness-of-fit：检验模型的拟合优度；

CI for exp(B)：结果给出OR值的95%可信区间；

Display→At last step：仅展示变量筛选的最后一步结果。

→Continue→回到主界面→OK

四、结果解释

Logistic回归的结果给出了很多表格，我们重点关注三个表格。

(1)Omnibus Tests of Model Coefficients：模型系数的综合检验。其中Model一行输出了Logistic回归模型中所有参数是否均为0的似然比检验结果。P<0.05表示本次拟合的模型中，纳入的变量中，至少有一个变量的OR值有统计学意义，即模型总体有意义。

(2)Hosmer and Lemeshow Test：是检验模型的拟合优度。当P值不小于检验水准时(即P>0.05)，认为当前数据中的信息已经被充分提取，模型拟合优度较高。

(3)Variables in the Equation：

1)本次统计过程中筛选变量的方式是Forward: LR法，Variables in the Equation表格中列出了最终筛选进入模型的变量和其参数。其中Sig.一列表示相应变量在模型中的P值，Exp (B)和95% CI for EXP (B)表示相应变量的OR值和其95%可信区间。

对于sex, smoke这两个二分类变量，OR值的含义为：相对于赋值较低的研究对象(sex赋值为“0”的为女性；smoke赋值为“0”的为不吸烟)，赋值较高的研究对象(男性、吸烟者)发生肺癌的风险为是多少(2.308倍、3.446倍)。

2)对于多分类变量COPD，设置中以“0”组作为参照，则得到的结果是“1”组、“2”组分别对应于“0”组的OR值。在Logistic回归中，设置过哑变量的多分类变量是同进同出的，即只要有一组相对于参照组的OR值有统计学意义，则该变量的全部分组均纳入模型。COPD变量的第一行没有OR值，其P值代表该变量总体检验的差异有统计学意义(即至少有一组相对于参照组的OR值有统计学意义)。

3)本研究中的COPD变量以“0”组作为参照， 因此COPD (1)行的参数中给出了“1”相对于“0”组的OR值和P值，而在COPD (2)行的参数中给出了“2”组相对于“0”组的OR值和P值。

4)Constant为回归方程的截距，在模型中一般没有实际意义，大家可不必关注。

五、撰写结论

本研究发现，85例肺癌患者中，吸烟者67例(78.8%)；259例非肺癌患者中，吸烟者153例(59.1%)，肺癌患者和非肺癌患者中的吸烟率的差异有统计学意义(χ2=10.829, P<0.01)。Logistic回归模型在调整了性别和COPD病史后，吸烟者相对于不吸烟者，发生肺癌的风险增加(OR=3.45, 95% CI: 1.86-6.40)。

多变量分析的结果见表4(常作为研究报告或论文中的表2)。

表4. 肺癌危险因素的Logistic回归分析

上述内容是医咖会以前推送过的SPSS教程，希望能对你有所帮助。其他统计方法的SPSS教程，例如多分类logistic回归，Cox回归，方差分析之类的方法，教程思路和上述类似，感兴趣的话，可以去官网查看：医咖会 - 临床研究设计和医学统计交流平台)