安徽大学生亚健康状态影响因素的Logistic回归分析

合集下载

大学生伤害影响因素的Logistic回归分析

⼤学⽣伤害影响因素的Logistic回归分析【摘要】⽬的了解青海省⼤学⽣伤害的发⽣情况及其影响因素，为有关部门进⾏⼤学⽣伤害⼲预提供相关依据。

⽅法以2013年青海省三所⼤学在校本科⽣为调查对象，采⽤分层整群随机抽样⽅法，共抽取青海省3所⼤学805名学⽣，⽤⾃⾏设计问卷对⼤学⽣伤害情况及其影响因素进⾏调查。

结果不同⾏为特征的学⽣伤害发⽣率不同，学⽣在校⽣活压⼒紧张、课余时间经常运动、A型⾏为、每天睡眠时间不⾜7⼩时、⾛读、营养不良、近视、饮酒、⽆安全教育等的伤害发⽣率⾼。

⼆分类logistic回归分析显⽰，男⽣、低年级、运动等22个因素是伤害发⽣的危险因素。

结论青海省⼤学⽣伤害的主要形式为跌倒/坠落/扭伤，男⽣、低年级学⽣、经常运动的学⽣伤害发⽣的风险较⼤，学校和家庭应积极采取措施进⾏预防控制。

【关键词】⼤学⽣；伤害；影响因素；流⾏病学调查doi：10.3969/j.issn.1004-7484（s）.2014.04.603⽂章编号：1004-7484（2014）-04-2283-04伤害引发的死亡和疾病所带来的损失是巨⼤的，每⼀例死亡的发⽣，都伴随着⼤量严重的终⽣残疾以及更多轻度⽽短暂的失能，不仅仅是损失⼤量的卫⽣资源，更重要的是个⼈的痛苦。

伤害是⼈类的主要死亡原因之⼀，严重威胁⼈类健康与⽣命安全，具有常见性、多发性、死亡率⾼、致残率⾼的特点，所造成的直接和间接经济损失巨⼤。

本研究旨在了解青海省⼤学⽣伤害的发⽣情况及其相关影响因素，为相关部门进⾏⼤学⽣伤害⼲预提供⼀定的依据。

1资料和⽅法1.1研究对象2013年4⽉，以青海省三所⼤学在校本科⽣为调查对象，随机抽取805名学⽣作为调查对象，收回有效问卷725份。

1.2调查⽅法采⽤分层整群随机抽样⽅法，在各个学校中先以年级为单位，分为⼤⼀⾄⼤四四个年级。

1.3调查标准在参考国内外研究资料的基础上⾃⾏设计《⼤学⽣伤害调查问卷》，经预调查和专家咨询后定稿，调查内容主要有①调查对象的⼀般情况；②不同⾏为特征的学⽣伤害发⽣情况；③致伤对象及主要受伤部位；④伤害发⽣时的意图、受伤后的处理情况、严重程度、恢复情况。

医学院校大学生心理健康现状及影响因素研究

28美眉 2024.2下教研与美育德育建设医学院校大学生心理健康现状及影响因素研究王子璇　田雪雅　陈余　张莹莹　张明敏*（皖南医学院，安徽　芜湖　241002）摘　要：本文旨在研究某医学院校大学生的心理健康状况，并探究与之相关的因素，以期为提升医学专业学生的心理健康水平提供参考及建议。

2023年5-6月，利用分层抽样方法针对某医学院校大一至大三年级学生开展问卷调查，并对调查数据进行统计分析。

本次调查的368名大学生心理健康状况平均得分为126.83±18.23分。

生活费水平和母亲受教育水平对受访大学生个体的心理健康状况具有独立影响（P<0.05）。

从结果来看，该医学院校大学生心理健康水平整体较好，但仍有部分同学存在一定心理健康问题。

其中，性别、专业类型、户籍类型、是否为独生子女、生活费水平、母亲受教育水平以及大学期间是否参加心理健康活动等因素对大学生心理健康状况影响较大。

建议采取心理健康教育、开展家校协同、增强社会支持等综合措施，帮助医学生掌握心理调试方法，有效促进其心理健康发展。

关键词：医学院校；大学生；心理健康医学院校专业课程和学习内容相对较多，医学生学习压力较大，容易产生焦虑、敏感、消极等心理问题，并在一定程度上影响他们的学习能力、交往能力和实践能力。

相关研究数据显示，医学生心理健康状况较差的人员占比高达38.50%，出现躯体化、焦虑、抑郁、偏执、强迫、社会退缩等心理问题的比例高于全国大学生平均水平。

因此，本研究以安徽省某医学院校大学生为对象，通过问卷调查了解其心理健康状况，分析影响医学生心理健康的主要因素，并提出改善大学生心理健康的有效策略，以提高他们应对心理健康问题的能力，为他们今后的专业学习和职业发展奠定基础。

一、研究对象2023年5-6月，采用分层抽样方法选取安徽省某医学院校大一至大三年级的在校大学生为样本。

纳入标准为：年龄≥18岁，知情同意并自愿参与调查。

本次调查共发放调查问卷376份，回收有效问卷368份，有效作答率为97.87%。

基于logistic回归的医科大学生综合素质影响因素分析

基于logistic回归的医科大学生综合素质影响因素分析作者：热木孜亚·热布哈提来源：《现代职业教育》2020年第49期[摘要] 目的：本研究意图通过问卷调查，获取分析问题的数据，找到影响学生综合素质的因素并通过对医科大学生综合素质影响因素的分析，筛选出影响较大的指标建立评估模型，为进一步完善其培养机制提供理论依据;方法：首先对部分计数资料指标采用卡方检验分析对高数成绩的影响，其次采用二分类logistic回归方法分析影响综合素质的因素。

结果：logistic回归分析发现，问卷调查的8个指标中，仅学习主动性因子、课程成绩因子、智力及自信心因子的p值小于0.05。

结论：学习主动性因子、课程成绩因子、智力及自信心因子是影响综合素质的关键因素，教师在今后的授课过程中应该适当提高学生学习的兴趣及上课主动参与的积极性并对课后情绪状态和学习热情做好督查。

[关键词] 综合素质;影响因素;Logistic回归分析[中图分类号] G645 [文献标志码] A [文章编号] 2096-0603（2020）49-0176-02一、引言对大学生综合素质的影响因素分析，能够使教师更加了解学生情况，从而针对性地进行教学改革，提高教学质量。

常用的影响因素分析的方法有单因素分析的卡方检验、t检验等，而常用于多因素分析的方法有多元线性回归、logistic回归等，多元线性回归要求因变量为连续性变量，而logistic回归的因变量可以是二值变量或多值变量，本文设计8个与大学生综合素质相关的指标在新疆医科大学开展问卷调查，获取指标数据，由于本研究中因变量是二值变量，故本研究采用logistic回归模型做分析，寻找影响学生综合素质的影响因素，为进一步提高教学质量做参考。

二、材料与方法（一）数据来源采用随机问卷调查获取数据，调查对象为新疆医科大学医学工程技术学院不同年级本科生，要求回答问题真实可靠。

共发出200份调查问卷，收回187份，有效问卷166份，有效问卷回收率为86%。

安徽大学生亚健康状态影响因素的Logistic回归分析

大学生亚健康须引起有关部门足够的重视，并适时
【关键词】亚健康状态；大学生；影响因素
Ｉｌｕｅａｔｒｆｓｎｆｎｔｆｃｏｓｏｕｂ－ａｔｓａｅｉｏｌｇｔｄｅｓｉｎｈｅｌｈｔｔｎｃｌｅｅｓｕｎｔｎＡｈｕｉＰｒｖｎｃｏｉｅ：ａｌｇｓｉｎａｙｓｓＹｌＬｏｉｔｃａｌｉＡＯｉＬｎ，ＬＩ
ｕｅｏＳＳ１０ｓｔａｒｔｉｉａａａｓ．ＲｓｌＴｅｒｓｏｓｒｅｗｓ８１（５５１２）ｓｂｈａｈｓｔｓｆＰＳ１．ｏｗｒｆａｓｃｌｎｌｉｅｕｔｆｅｏｓｔｔｙｓｓｈｅｐｎｅａａ．％１９／６６，ｕ－ｅｌｔｅｔ９ｔａｒｅｗｓ７８％（３／５）ｈｅｕｓｓｇｅｔｈｔｔｄｎｓｎｔｅｕｄｒａｄｔｅｅｔｔｏｓｂｈａｈｋｏｌｇａａ．７ｔ２４６１６．Ｔｅｒｓｌｕｇｓｔａｓｅｔ，ｉｈｎｅｔｎｈｘｎｆｕ・ｅｌｎｗｅｅ４ｔｕｓｅｔｄ
０００．２，Ｐ＝．０）００８、对前途担忧（＝．６，Ｐ：．０）Ｊ０２８Ｂ００２、辅导员对学生的关心程度（卢＝一．６，Ｐ＝．３）０１２００７
等因素在一定程度上影响大学生亚健康状态的发生。结论
开展有针ｈａｒｎ，ｅ０２，Ｃｉｖｃｅ２ｎ
【ｂｔｃＯｊｔｅｏｎｅｉｔｔｃｒｎｅｆｕ— ａｈｓｔｏＡｈｉｏｅｅｔｅｔａｄｔｉｕｎＡｓａｔｒ】ｂｅｉＴｖｓｇｅｈｏｕｅｃｏｓｂｈｌａｎｕｃｌｇｓｄｎｎｓｎｅ— ｃｖｉｔａｅｃｒｅｔｔｅｆｌｕｓｉｆｌ

合肥某高校大学生亚健康状况调查_李白坤

*基金项目:安徽高等学校省级优秀青年人才基金(2009SQRZ120);安徽高等学校省级自然科学研究项目(KJ2009B170)作者单位:1.安徽中医学院中西医结合临床学院公共卫生与全科医学教研室，合肥230038; 2.安徽中医学院在读本科生;3.安徽医科大学公共卫生与预防医学博士后科研流动站;4.安徽中医学院2010级研究生作者简介:李白坤(1979－)，女，安徽六安人，助教，硕士在读，研究方向:流行病学。

通讯作者:朱继民，E-mail:zhjmcdc@126．com 【论著】合肥某高校大学生亚健康状况调查*李白坤1，王成立2，朱继民1，3，王艳4，崔陈敏2，李娜2，张玉2，叶冬青3摘要:目的探讨大学生亚健康发生情况及影响因素。

方法问卷调查1626名大学生亚健康发生情况，应用SPSS11.0软件进行统计分析。

结果亚健康发生率为27.87%(436/1564)，常见表现为疲劳感(40.00%)、记事困难(29.10%)、眼睛干涩(26.40%)、容易出汗(26.40%)和难集中注意力(25.90%);不同性别大学生亚健康表现不同;多因素Logistic回归分析表明，对亚健康知识的了解程度(OR=0.674，P=0.016)、过去1年中遭遇的不良事件数(OR=1.219，P=0.005)、饮食的规律性(OR=1.426，P＜0.001)、上网时间(OR=1.210，P=0.008)、对前途担忧(OR=1.308，P=0.002)、辅导员对学生的关心程度(OR=0.851，P=0.037)等16个因素在一定程度上影响大学生亚健康状况的发生。

结论大学生亚健康应引起有关部门重视，适时进行有针对性的预防工作较为必要。

关键词:亚健康;大学生;影响因素中图分类号:R195文献标志码:A文章编号:1001-0580(2011)12-1542-03Sub-health status among college students in Hefei city LI Bai-kun，WANG Cheng-li，ZHU Ji-min，et al．Department ofPublic Health and General Medicine，School of Integrated Traditional Chinese and Western Medicine，Anhui College ofTraditional Chinese Medicine(Hefei230038，China)Abstract:Objective To explore the prevalence and influencing factors of sub-health among college students．Meth-ods Totally1676college students were investigated with a questionnaire survey and SPSS11.0was used to do statisticalanalysis．Results The prevalence of sub-health among the students was27.87%(436/1564)and the common symptomsof sub-health were fatigue(40.00%)，difficulty in recall(29.10%)，dry eyes(26.40%)，easy to sweat(26.40%)，anddifficulty of concentrateion(25.90%)．The distribution of the symptoms was not the same between male and femalestudents．The results of multivariate logistic regression analysis showed that16factors influenced the sub-health status amongthe students，induding knowledge about sub-health(odds ratio［OR］=0.674，P=0.016)，the number of adverse eventsencountered in the previous year(OR=1.219，P=0.005)，regular diet(OR=1.426，P＜0.001)，time spent online(OR=1.210，P=0.008)，worry about the future(OR=1.308，P=0.002)，the extent of concerning to student of the coun-selors(OR=0.851，P=0.037)．Conclusion The emphasis should be put on sub-health status among college students andit is necessary to carry out specific prevention．Key words:sub-health;college student;influencing factor亚健康状态是指人的身心处于疾病与健康之间的一种健康低质状态，这种状态多由人体组织结构退化以及生理机能或代谢机能低下、老化所致，是危害人类健康的慢性杀手〔1〕，随着社会的发展，当代大学生所处的环境也在发生变化，学习和就业压力、乃至情感等方面的问题都可能对亚健康的发生产生影响〔2－3〕。

Logistic回归模型分析下大学生就业影响因素研究word精品文档4页

Logistic回归模型分析下大学生就业影响因素研究一、大学生就业在知识经济时代背景下，我国大学毕业生人数呈现出逐年增长的趋势，但不同行业、领域工作岗位并没有大幅度的增加，大学生就业形势日渐严峻，毕业之后无法顺利走上工作岗位，“毕业即失业”已成为一种普遍现象，大学生就业已成为社会大众关注的焦点。

同时，在不同行业、领域发展过程中，社会市场竞争日渐激烈，社会经济结构大幅度调整，下岗与失业人员持续增加，社会对高校毕业生并没有过多的需求，加上大量农村剩余劳动力不断涌向城市，尤其是大城市，每年新增设的就业岗位数量远远少于社会中待业人数，处于不均衡状态，二者间的矛盾日渐激烈，出现了“就业难”这一现象，在就业道路上，大学生面临着巨大的挑战。

针对这种情况，我国必须全方位立足基本国情，全方位客观分析影响大学生就业的一系列因素，根据不同行业、领域发展情况，采取针对性措施有效解决大学生就业问题，确保各专业大学生毕业后顺利就业，更好地融入到社会这个大集体中，在平凡的工作岗位上充分展现自身各方面价值，促进不同领域、行业发展的同时，加快和谐社会构建步伐。

二、Logistic回归模型分析下大学生就业影响因素1.数据分析在知识经济时代背景下，各类技术持续发展，Logistic回归模型也应运而生，被应用到不同方面数据分析中，发挥着关键性作用，利于相关人员更好地了解各方面情况，制定合理化方案。

在分析影响大学生就业因素方面，Logistic回归模型也被应用其中。

相关人员以某地区高校毕业生为例，借助Logistic回归模型，全面、客观分析了毕业班学生各方面情况，比如，思想、学习、就业，获取的信息数据具有较高的准确率，准确把握影响大学生就业的各类因素。

在学习方面，专业学生大学四年平均绩点、等级等级：英语、计算机，在思想方面，毕业班学生政治面貌、担任职务等。

在此基础上，毕业班学生基本情况也包含其中，比如，姓名、学好、性别、户籍，户籍方面，将其划分为农村户籍、城市户籍，英语方面，以是否过六级为基点，借助Logistic回归模型，科学分析各方面信息数据，对院校毕业班学生有大致了解。

大学生颈椎亚健康患病现状及其相关因素的分析

大学生颈椎亚健康患病现状及其相关因素的分析1. 本文概述随着现代社会生活节奏的加快和科技的发展，大学生群体中颈椎亚健康问题日益凸显，成为影响学生身心健康的重要问题。

本文旨在通过对大学生颈椎亚健康患病现状的深入分析，探讨其相关因素，为预防和管理颈椎亚健康提供科学依据。

文章首先介绍了颈椎亚健康的定义、症状及其对大学生生活学习的影响，然后分析了大学生颈椎亚健康的主要危险因素，包括不良的生活习惯、学习压力、长时间使用电子设备等。

接着，本文通过实证研究，探讨了颈椎亚健康与大学生生理、心理、生活方式等方面的关联性。

结合研究结果，本文提出了针对性的预防和管理策略，以期为改善大学生颈椎健康状况提供参考。

2. 文献综述颈椎亚健康的定义和特征：介绍颈椎亚健康的概念、症状和诊断标准，强调其在大学生中的普遍性和特殊性。

国内外研究现状：对比国内外关于大学生颈椎亚健康的研究进展，包括患病率、影响因素、预防措施等方面的差异。

影响因素分析：综述已有文献中关于大学生颈椎亚健康影响因素的研究，如学习习惯、生活方式、心理压力等。

预防和干预措施：总结现有文献中提出的预防和干预措施，如健康教育、体育锻炼、坐姿调整等，并评估其效果。

研究方法和局限性：分析当前研究中采用的方法和存在的局限性，指出未来研究的可能方向。

这个大纲为“文献综述”部分提供了一个清晰的框架，有助于系统地分析和总结现有文献，为后续的研究提供坚实的理论基础。

3. 研究方法本项研究采用横断面研究设计，以问卷调查的形式收集数据。

调查对象为我国某大学在校学生，涵盖不同年级和专业。

研究对象为在校大学生，包括本科生和研究生。

通过随机抽样的方法，确保样本的代表性。

数据收集主要通过自填式问卷调查进行。

问卷内容涵盖基本信息（如年龄、性别、年级等）、颈椎健康状况（如颈痛频率、持续时间等）以及相关生活方式（如坐姿习惯、电脑使用时间等）。

采用描述性统计分析来描述大学生颈椎亚健康的患病现状。

通过卡方检验、t检验等统计方法分析颈椎健康状况与性别、年级等人口学特征的相关性。

某大学学生亚健康状况及其影响因素logistic回归分析

维普资讯
中国卫生统计２００７年６月第２第３期４卷
・
２５・５
某大学学生亚健康状况及其影响因素ｌｉ张晓方周红蔡闽，２
＜应不良自评量表＞４作为调查工具，长江大学四适【】对
３分析软件本研究中所有数据分析处理运用．
ＶｉａＦｘｒ６０ＳＳ．ｓｌｏｐｏ．、Ａ８２统计软件完成。ｕ
结果与分析１基本情况．本次调查对象的年龄１～２７５岁，
型人格发生的危险因素。焦虑、神病性及障碍型人格是促进适应不良发生的因素。女性、精适应不良Ｃ因子、碍型人格障是身心健康障碍发生的促进因素；独生子女身心健康状况要好于非独生子女，身心健康的保护因素。结论而是大学生
康发生率为６．０８３％。不同人Ｖ学特征与亚健康的关１
系见表１。
表１显示，同人口学特征的亚健康发生率，不女性
个校区的在校大学生的亚健康状态进行横断面问卷调查。调查内容除了学生的基本情况外，包括一般的还家庭资料，如家庭住地、兄弟姐妹数、母文化程度、父家庭结构、家庭每月支付个人消费情况等。
平均年龄２．。其中男性４８例（４４％）女性０６岁１４．７，５２例（５５％）医学专业４８例（５５％）非医学２５．３；２４．３，专业５２例（４４％）一、年级７３例（４７％）１５．７；二０７，９，三、年级２７例（５２％）家住农村５５例四３２．１；２（５５％）家住城镇４５（４１％）父母文化程度５．８，１例４．５；初中及以下４２例（２３％）９５．４，初中以上４８例４（７６％）独生子女２８例（７４％）非独生子女４．６；５２．５，６２例（２５％）８７．５。２不同人口学特征与亚健康的关系．９０例中，选结果属于亚健康的有６２例，健４筛４亚

基于Logistic回归分析的大学生体质分布及其影响因素模型构建

基于Logistic回归分析的大学生体质分布及其影响因素模型构建熊萍;陶文启;沈虹【期刊名称】《江西中医学院学报》【年(卷),期】2016(028)002【摘要】目的:了解大学生体质分布的现状,并运用统计学方法分析其影响因素.方法:采用随机抽样的方法抽取600名在校大学生为样本,结合王琦教授中医体质分类判定的60个问题设计问卷,运用Logistic回归分析建立方程得出在校大学生4种主要偏颇体质的影响因素,在利用方差检验对模型的可靠性进行评估.结论:根据调查结果分析发现,受调查的学生睡眠质量一般,睡眠不足的学生中的体质主要为气郁质、阳虚质、血瘀质、平和质和气虚质等五种体质,并且睡眠质量,人际交往,吸烟,饮酒,家庭因素,学习成绩,锻炼身体与体质分布有着明显的相关关系.【总页数】3页(P103-105)【作者】熊萍;陶文启;沈虹【作者单位】南昌市第九医院南昌 330002;大连理工大学数学科学学院辽宁大连116024;九江学院附属医院江西九江 332000【正文语种】中文【中图分类】R229【相关文献】1.基于Logistic回归分析的大学生体质分布及其影响因素模型构建 [J], 熊萍;陶文启;沈虹;2.江苏省大学生体质健康影响因素的logistic回归分析 [J], 冯志坚;傅建霞3.关于人们出游时对交通工具选择偏好影响因素的研究r——基于多元Logistic回归分析模型 [J], 张怡凡4.基于Logistic回归分析构建联合检测因子模型诊断原发性肝癌的价值分析 [J], 闫圆;李小全5.老年食管癌VATS术后颈部吻合口瘘有关影响因素的Logistic回归分析与预测模型构建 [J], 赵湘;顾园园;滕亚莉因版权原因，仅展示原文概要，查看原文内容请购买。

基于Logistic回归模型的健康素养影响因素多元化分析

基于Logistic回归模型的健康素养影响因素多元化分析作者：李欢谢青青李梦媛侯睿王晶晶李春玉来源：《青年与社会》2019年第26期摘要：大学生作为一个特殊的群体，健康素养的体現在他们身上，并不仅仅只是一种健康要求。

大学生健康素养不足，对健康危险行为知识的缺乏如今已成为了严重的社会问题。

分析通过对大学生健康素养状况调查及健康危险行为等相关因素分析，使用MATLBA求解Logistic回归模型来判断影响大学生健康素养的因素有哪些及其影响程度。

关键词：大学生;健康素养;Logistic回归模型;因素分析健康素养主要通过个人能力与动机进行获取，对其中信息进行利用后，保持与促进自身健康[1]。

当健康素质水平较低时，会阻碍居民整体健康水平，对居民生活、工作以及国家整体发展都产生较为严重的影响[2]。

本分析基于对大学生健康素养的调查和相关因素的分析，建立Logistic回归模型来判断大学生存在的一些健康问题。

调查分为个年级，涉及人口学特征，健康知识，健康技能，健康行为4个方面，包括正帧和负帧[3]。

通过对受试者健康危险行为的认知因素进行评分，评价受试者的健康水平，健康水平用A（好）或B（坏）表示。

从而发现影响大学生健康素养主要因素。

一、Logistic回归模型对健康素养影响因素分析大学生健康素养的质量可以从学生的人口特征、健康知识、健康技能和健康行为四个方面进行评价。

每个领域包括积极和消极两个框架。

获得了八个框架：积极人口特征、消极人口特征、积极健康行为、积极健康技能、消极健康行为、消极健康知识、消极健康技能以及积极健康知识，其状况评价体系如图1所示。

图1 状况评价体系根据分析上图，对健康素养产生影响因素为7个，且每种影响因素优劣程度不同。

想要对主要影响因素进行判断，采用建立模型的形式。

假设八个框架的评价变量是Y，Y = A或B，Y是一个定性变量，而不是定量变量，因此应该用逻辑斯蒂算法代替回归函数来回归Y。

大学生心理障碍影响因素的Logistic回归分析

大学生心理障碍影响因素的Logistic回归分析钟文娟;黄万琪;张银友;贺尊【期刊名称】《中国组织工程研究》【年(卷),期】2007(011)017【摘要】背景:随着现代社会的发展,大学生心理障碍在国内己引起民心理健康教育界高度关注.目的:探讨大学二年级学生心理障碍的影响因素.设计:整群抽样,1:2配比观察,病例对照研究.单位:武汉工业学院医学院.对象:于2001-06在武汉工业学院通过整群抽样选择1 200名2年级学生,年龄19～20岁,经SCL-90测试(包含躯体化、强迫、人际敏感、抑郁、焦虑、敌对、恐怖、偏执、精神病性等9种因子,采用分级评分法,级数越高,症状越严重)分析筛出145名神经症中因子分≥3项的学生(包括精神分裂样症状、抑郁症、焦虑症)为心理障碍病例组.采用病例与健康对照按1:2配比,分别选与病例同班级,同专业、年龄相近(相差≤2岁),经SCL-90各项指标均正常290名学生作配比组,两组受试对象中,男生173名,女生262名,平均年龄19.2岁.方法:①对两组受试对象进行心理卫生调查及艾森克人格问卷(成人版)进行人格特征调查.运用华中科技大学同济医学院少儿教研室EPQ统计软件处理,获得内外倾、神经质、精神质、掩饰性等4个分值及量表剖析图和内、外倾-神经质坐标图的象限位置确定人格倾向.②以心理障碍为应变量,各有关因素(对心理障碍有影响因素为父母理解自己的程度,与家庭成员的关系,对学习的要求,人格特征,精神质分值偏高,内、外倾分值偏高、偏低,神经质分值偏高、偏低)为自变量,应用单因素1:2配比Logistic回归分析.③在单因素1:2配比Logistic回归分析的基础上,将P＜0.10的因素放入多因素1:2配比Logistic回归模型中,采取逐步回归的方法筛选变量.主要观察指标:①心理障碍组与正常组学生SCL-90得分比较.②心理障碍相关因素单因素及多因素分析结果.结果:纳入435名学生全部进入结果分析.①心理障碍学生组学生躯体化、强迫、人际关系、抑郁、焦虑、敌意、恐怖、偏执、精神病性各因子均分高于正常组(t=13.39,29.64,27.09,26.04,19.52,18.13,14.15,18.61,22.41,P＜0.01).②经Logistic回归分析,单因素分析选出9项因子,其中父母理解自己的程度、与家庭成员关系、对学习的要求、人格特征、E＞61.5、神经质＜38.5等6项因素为保护因素,其他3项(精神质分值＞61.5、内、外倾分值＜38.5、神经质分值＞61.5)为危险因素;多因素分析结果显示与家庭成员关系、对学习的要求、人格特征3项因素为保护因素,神经质分值＞61.5为危险因素.结论:大学二年级学生心理障碍与学生同家庭成员关系,父母理解的程度,对学习的要求程度以及人格特征和个性特质有关.%BACKGROUND: With the rapid development of modern society, psychological problems in college students have been paid high attention by educatienal organizations of psychological health in China. OBJECTIVE: To probe into the influencing factors of psychological problems in college students. DESIGH: Cluste r sampling 1∶2 paired observation, case-control study. SETTING: Medical College of Wuhan Polytechnic University. PARTICTPANTS: 1 200 sophomores with the age ranged 19-20 years were selected from Wuhan Polytecnic University by cluster sampling at June 2001, and 145 students with the scores of more than 3 factors greater than 3 points were screened by Symptom Checklist 90 (SCL-90) (including 9 factors of somatization, compulsion, interpersonal sensitivity, depression, anxiety, hostility, phobia, paranoid and schizophrenia. The higher the grade was, the severer the symptom was) to be the psychological problem group. Subjects were selected to be the normal controls at the ratio of 1∶2 with those in the psychological problem group, whose classes, specialtiesand ages (the difference was less than 2 years) were similar to those of the enrolled patients. 290 students normal in the indexes of SCL-90 were taken as the matched group. Of all subjects in both experiment groups, there were 173 males and 262 females with an average age of 19.2 years. METHODS: ① The subjects in the two experiment groups were investigated of the psychological health by SCL-90 as well as the personality characteristics and Eysenck Personality Questionnaire (EPQ) (For Adult). The EPQ statistic software designed by the Institute for Juvenile and Children, Tongji Medical College of Huazhong University of Science and Technology was adopted to acquire the E score (introversion, extroversion), N score (nervousness), P score (psychoticism), L score (conceal) and quantity form quadrant of E-N coordinate picture, so as to define the tendencies of characters. ② The psychological problem was considered to be the dependent variable, while all relevant factors (The influencing factors of psychological problem included the understanding from parents, relationship with family members, desire for learning, personality characteristics, over-high P score, over-high/low E score, over-high/low N score) were taken as the independent variable. Single-factor Logistic r egression analysis was conducted at 1:2. ③ Based on 1:2 single-factor Logistic regression analysis, the variances were selected from factors of P ＜ 0.01 together with the Logistic regression models of multifactor at 1:2 by stepwise regression method.MAIN O UTCOME MEASURES: ① Comparison in the SCL-90 score between the psychological problem group and the normai control group. ② Single-factor and multivariate analysis ofthe relevant factors of psychological problems. RESULTS: A total of 435 enrolled students w ere involved in the analysis of results. ① The average score of somatization, compulsion, interpersonal sensitivity, depression, anxiety, hostility, phobia, paranoid and schizophrenia in students of the psychological problem group was higher than that in the normal control group (t=-13.39, 29.64, 27.09, 26.04, 19.52, 18.13, 14.15, 18.61, 22.41, P＜0.01). ② Nine factors were selected in the single factor analysis after the Logistic regression analysis, including 6 protective factors of understanding from parents, relationship with family members, desire for learning, personality characteristics, E ＞ 61.5, N ＜ 38.5, while he other 3 factors (P ＞ 61.5, E ＜ 38.5, N ＞ 61.5) were risk factors. The multivariate analysis showed that factors of relationship with family members, desire for learning as well as personality characteristics were protective factors, while it was a risk factor when N ＞ 61.5.CONCLUSION: The psychological problems in college students relate to the relationship with family members,understanding from the parents, desire for learning as well as the character trait and personality characteristics.【总页数】3页(P3454-3456)【作者】钟文娟;黄万琪;张银友;贺尊【作者单位】武汉工业学院医学院,湖北省武汉市,430023;武汉工业学院医学院,湖北省武汉市,430023;武汉工业学院医学院,湖北省武汉市,430023;武汉工业学院医学院,湖北省武汉市,430023【正文语种】中文【中图分类】R3【相关文献】1.重庆市大学生参加控烟活动意愿及影响因素Logistic回归分析 [J], 袁凤;苗菁2.基于因子分析和Logistic回归分析的大学生创业意愿影响因素研究 [J], 晏莉颖;周颖;孟祥佩3.电子信息类专业大学生高质量就业影响因素的Logistic回归分析 [J], 尤吴晶;张杨;段利民4.高职经管类专业大学生创业意愿影响因素实证研究——基于因子分析和Logistic 回归分析 [J], 许波5.学生心理障碍影响因素Logistic回归分析 [J], 钟文娟;黄万琪;张银友;贺尊因版权原因，仅展示原文概要，查看原文内容请购买。

logistic回归分析LogisticRegression课件

logistic回归是经典的统计学分类方法，主要用于数据分析和机器学习领域。它可以将输入值映射到一个概率范围内，实现二分类问题的解决。
基础
logistic回归基于概率论、统计学、最优化理论等学科领域的知识。它是广泛使用的分类方法之一，也是深度学习模型中的核心组成之一。
logistic回归的应用场景
logistic回归分析 LogisticRegressionppt课件
欢迎来到本次PPT，我们将会介绍logistic回归分析，它在解决分类问题方面具有广泛的应用。我们将从简介、原理与方法、模型评估、Python实现、实例分析以及总结展望几方面来深入剖析该模型。
什么是logistic回归？
概念
logistic回归实例分析：应用于信用评估领域
模型名称
准确率
AUC

LR模型
0.74
0.79
GBDT模型
0.78
0.81
logistic回归分析-总结与展望
1 总结
2 展望
logistic回归模型可以实现二分类的预测问题，具有广泛的应用场景。通过最大似然估计和梯度下降等方法，可以对模型进行训练和评估。
ROC曲线与AUC值
ROC曲线
ROC曲线是根据一系列不同的分类阈值绘制出的，可以评估模型的分类能力。曲线下面积越大，表明模型分类性能越好。
AUC值
AUC值是ROC曲线下的面积，该值越大，模型的分类能力越强。
数据预处理
1
数据探索
通过boxplot，heatmap等图形并进行离群值处理和缺失值处理
未来，logistic回归模型将以更加自适应化、多样化的方式应用于各个领域，比如基于深度学习的模型等。

基于决策树模型与Logistic回归模型分析安徽省护士心理资本的影响因素

基于决策树模型与Logistic回归模型分析安徽省护士心理资本的影响因素魏梓萱，刘安诺*，尤梅，韩南南，丁原安徽医科大学护理学院，安徽 230032Analysis on influencing factors of nurses' psychological capital in Anhui province based on decision tree model and Logistic regression modelWEI　Zixuan, LIU　Annuo, YOU　Mei, HAN　Nannan, DING　YuanNursing College of Anhui Medical University, Anhui 230032 ChinaCorresponding Author LIUAnnuo,E⁃mail:****************Abstract Objective：To explore the influencing factors of nurses' psychological capital in Anhui province.Methods：To study the influencing factors of psychological capital of 33 330 nurses in Anhui province by using the decision tree model and the Logistic regression model，and to evaluate the effect of the two prediction models by receiver operating curve.Results：Both Logistic regression analysis and decision tree model showed that the number of night shift per month，the degree of love for nursing，the degree of knowledge of COVID⁃19，the report of public opinion on nurses，and the self-rated health status were factors influencing the psychological capital of nurses.The degree of nurses' love for nursing work is the main factor affecting psychological capital.The sensitivity and specificity of the binary Logistic regression model are 76.3% and 66.5% respectively.The sensitivity and specificity of the decision tree model were 64.3% and 73.9%（P<0.001）.Conclusion：The psychological capital of nurses in Anhui province is above the average level，and is affected by many factors such as work，public opinion and self-rated health.Therefore，it is necessary to pay more attention to the mental health of nurses and take more measures to improve their psychological capital level.Both models have certain classification prediction value，among which the sensitivity of the Logistic regression model is higher，and the specificity of the classification decision tree model is higher.The two models complement each other so that the results are more clinical significance.Keywords nurse； psychological capital； decision tree model； Logistic regression； influencing factor； investigation study摘要目的:探究安徽省护士心理资本的影响因素。

logistic回归分析及其应用

11
Logistic回归分析的一般步骤
变量的编码哑变量的设置和引入各个自变量的单因素分析变量的筛选交互作用的引入建立多个模型选择较优的模型模型应用条件的评价输出结果的解释
2019/4/9 12
1.变量的编码
变量的编码要易于识别注意编码的等级关系改变分类变量的编码，其分析的意义并不改变。牢记编码
一元直线回归多元直线回归

2019/4/9
2
一元直线回归模型 y=a+bx+e 多元直线回归模型 y = a + b1x1 + b2x2 + … + bkxk + e
2019/4/9
3
F(y) ：因变量的logit值
1.00
0.75
0.50
0.25
如果一定要进行直线回归也可以做出结果，但此时效果不佳。当自变量取一定值时，因变量的预测值可能为负数。
删除变量
合并变量及变量的分类
2019/4/9
39
其他问题
logistic回归的局限性
理论上的不足：自变量对疾病的影响是
独立的，但实际情况及推导结果不同。模型有不合理性：“乘法模型”与一般希望的“相加模型”相矛盾。最大似然法估计参数的局限样本含量不宜太少：例数大于200例时才可不考虑参数估计的偏性。
表达式：
eb1x1+b2x2+… +bkxk P= 1 - eb1x1+b2x2+… +bkxk 常用于分析配比的资料
2019/4/9
10
概述小结
logistic回归对因变量的比数的对数值（ logit值）建立模型因变量的logit值的改变与多个自变量的加权和呈线性关系因变量呈二项分布

安徽地区大学生抑郁症危险因素的二元logistic回归分析

安徽地区大学生抑郁症危险因素的二元logistic回归分析崔然;时萍;申国明;王文杰;聂小曼;方玉梅;盛万里【摘要】目的:探讨大学生抑郁症的危险因素,为高校健全大学生心理预警机制和教育提供依据.方法:随机抽取安徽省内6所大学2 593名学生,统一填写一般情况调查表(包括年龄、年级、家庭和谐程度、专业满意度等)和一份标准化的抑郁自评量表.采用二元logistic回归分析进行危险因素筛选.结果:27.70%的学生抑郁症状明显,其中轻度抑郁19.21%,中度抑郁7.52%,重度抑郁1.00%,抑郁严重度为0.48±0.10.性别、家庭经济状况、家庭和睦程度、情感状态、专业满意度、体育锻炼、社会活动和人际关系与抑郁症状的产生均有一定关系(P<0.05～P<0.01),年级、独生子女、单亲家庭和儿童留守情况与抑郁症均无明显关系(P＞ 0.05).结论:多种因素参与大学生抑郁症的发生过程,其危险因素应受到更多的重视.建立有效的心理筛查与预警机制、及时的跟踪和干预,是防止大学生心理健康恶化的根本.%Objective:To explore the risk factors of undergraduate depression and provide the basis for developing psychological warning mechanism and education. Methods:Two thousand five hundred and ninety-three undergraduates from six universities were randomly selected and required to fill out an uniform general questionnaire( including some basic information such as age, grade,family harmony degree, profession satisfaction, etc. ) and the standardized Self-rating Depression Scale. The risk factors were analysedby binary logistic regression procedure. Results:The depression symptoms of 27. 70% undergraduates were evident, which included 19. 21% mild,7. 52% moderate and 1. 00% severe depressive symptoms. The mean depression severity was 0.48 ±0. 10. There were a certain relation betweengender, family financial situation, family harmony degree, affectional status, profession satisfaction, physical exercise, social activity and interpersonal relationship and depressive symptoms (P < 0. 05 to P < 0. 01) . The grade, only-child, single-parent family and stay-at-home children were not significantly associated with depression( P > 0. 05 ) . Conclusions:A variety of factors are involved in the occurrence of undergraduate depression. Paying attention to the risk factors, establishing effective psychological screening and early warning mechanisms and timely tracking and intervention is the foundation of preventing the mental health deteriorating of undergraduate.【期刊名称】《蚌埠医学院学报》【年(卷),期】2013(038)004【总页数】4页(P455-458)【关键词】抑郁症;大学生;危险因素;二元logistic回归分析【作者】崔然;时萍;申国明;王文杰;聂小曼;方玉梅;盛万里【作者单位】安徽中医学院,中西医结合临床学院,安徽,合肥,230038;安徽中医学院,中西医结合临床学院,安徽,合肥,230038;安徽中医学院,中西医结合临床学院,安徽,合肥,230038;安徽中医学院,中西医结合临床学院,安徽,合肥,230038;安徽中医学院,中西医结合临床学院,安徽,合肥,230038;安徽中医学院,中西医结合临床学院,安徽,合肥,230038;安徽中医学院,中西医结合临床学院,安徽,合肥,230038【正文语种】中文【中图分类】R749.41抑郁症是重要的全球公共健康问题，因具有较高的终生患病率，对个人的健康和社会功能已经形成了严重威胁。

基于多元有序logistic回归的大学生性健康需求分析

基于多元有序logistic回归的大学生性健康需求分析刘明芝;王汉苗;牟善纪;侯日霞【期刊名称】《西北医学教育》【年(卷),期】2018(026)004【摘要】通过对日照市5所高校的大学生采取分层抽样,并采用多元有序logistic 回归模型,实证检验大学生性健康需求程度与性知识、性态度、性行为及社会生态因素之间的关系,测定其影响强度.结果表明,大学生性健康知识需求强烈,考虑到引入回归模型的各因素后,大学生性健康知识需求度与学历、性知识知晓程度、性教育经历和形式、不正确的性态度、不安全的性行为存在反向显著关系;与性频率、性别等存在高度相关;与家庭经济条件、父母婚姻状况、是否独生子女关系等变量不明显.因此,结合大学生性健康素养教育的迫切性,分析了当前开展性健康教育不足的原因,指出高校应针对性的改善教育形式,重塑其性健康素养.【总页数】6页(P654-659)【作者】刘明芝;王汉苗;牟善纪;侯日霞【作者单位】济宁医学院管理学院,山东日照 276826;济宁医学院管理学院,山东日照 276826;日照市计划生育协会,山东日照 276826;济宁医学院管理学院,山东日照276826【正文语种】中文【中图分类】G479【相关文献】1.基于多元有序logistic回归的大学生性健康需求分析 [J], 刘明芝;王汉苗;牟善纪;侯日霞;;;;2.家庭就业观念对金融工程大学生预期就业地区选择的影响——基于有序多元logistic回归的实证分析 [J], 申靖;邱富好3.农村小学教师工作满意度及其影响因素——基于多元有序Logistic回归模型的实证研究 [J], 肖庆业;4.宁波中小餐饮企业"食责险"投保意愿的影响因素研究——基于多元有序logistic 回归模型 [J], 支绍颖;王小雨;傅乐乐;倪舒婷5.基于多元有序Logistic回归的突发公共卫生事件下用户信息焦虑行为影响因素分析——以新冠肺炎疫情为例 [J], 虞爱琴;肖志雄;周鳗琦;石中玉;谢雨萱;迟鑫彦因版权原因，仅展示原文概要，查看原文内容请购买。