admin 管理员组文章数量: 1086019
2024年4月15日发(作者：css表格文字居中)
Logistic回归分析报告结果解读分析
Logistic回归常用于分析二分类因变量(如存活和死亡、患病和未患病等)与多个自变量的关系。比较常用
的情形是分析危险因素与是否发生某疾病相关联。例如，若探讨胃癌的危险因素，可以选择两组人群，一组
是胃癌组，一组是非胃癌组，两组人群有不同的临床表现和生活方式等，因变量就为有或无胃癌，即“是”
或“否”，为二分类变量，自变量包括年龄、性别、饮食习惯、是否幽门螺杆菌感染等。自变量既可以是连
续变量，也可以为分类变量。通过Logistic回归分析，就可以大致了解胃癌的危险因素。
Logistic回归与多元线性回归有很多相同之处，但最大的区别就在于他们的因变量不同。多元线性回归
的因变量为连续变量；Logistic回归的因变量为二分类变量或多分类变量，但二分类变量更常用，也更加容
易解释。
ic回归的用法
一般而言，Logistic回归有两大用途，首先是寻找危险因素，如上文的例子，找出与胃癌相关的危险因
素；其次是用于预测，我们可以根据建立的Logistic回归模型，预测在不同的自变量情况下，发生某病或某
种情况的概率(包括风险评分的建立)。
2.用Logistic回归估计危险度
所谓相对危险度(risk ratio，RR)是用来描述某一因素不同状态发生疾病(或其它结局)危险程度的
比值。Logistic回归给出的OR(odds ratio)值与相对危险度类似，常用来表示相对于某一人群，另一人
群发生终点事件的风险超出或减少的程度。如不同性别的胃癌发生危险不同，通过Logistic回归可以求出危
险度的具体数值，例如1.7，这样就表示，男性发生胃癌的风险是女性的1.7倍。这里要注意估计的方向问题，
以女性作为参照，男性患胃癌的OR是1.7。如果以男性作为参照，算出的OR将会是0.588(1/1.7)，表示女性
发生胃癌的风险是男性的0.588倍，或者说，是男性的58.8％。撇开了参照组，相对危险度就没有意义了。
1
办公借鉴
Logistic回归在医学研究中广泛使用的原因之一，就是模型直接给出具有临床实际意义的OR值，很大程
度上方便了结果的解读与推广。
图1 相对危险度(risk ratio，RR)与OR(odds ratio)的表达
3. Logistic报告OR值或β值
在Logistic回归结果汇报时，往往会遇到这样一个问题：是应该报告OR值，还是β值，还是两个都要报
告？这个决定权最终当然还是作者本人，但有一点需要进一步了解：OR值和β值其实是等价的。
2
办公借鉴
图2 OR值与β值的公式推导
4 Logistic回归结果判读
“EXP(B)”即为相应变量的OR值（又叫优势比，比值比），为在其他条件不变的情况下，自变量每改变
1个单位，事件的发生比“Odds”的变化率。
伪决定系数cox & Snell R2和Nagelkerke R2，这两个指标从不同角度反映了当前模型中自变量解释了
因变量的变异占因变量总变异的比例。但对于Logistic回归而言，通常看到的伪决定系数的大小不像线性回
归模型中的决定系数那么大。
预测结果列联表解释，看”分类表“中的数据，提供了2类样本的预测正确率和总的正确率。
建立Logistic回归方程
3
办公借鉴
logit（P）=β0+β1*X1+β2*X2+……+βm*Xm
图2 Logistic回归结果报告样例
办公借鉴
4
版权声明：本文标题：Logistic回归分析报告结果解读分析-logit回归解读(办公通用) 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：http://roclinux.cn/b/1713187983a623088.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。
发表评论