高校教师健康状况影响因素的多分类Logistic回归分析
多因素logistic回归分析spss
多因素logistic回归分析spssLogistic回归分析是一种用来研究影响离散变量的因素的方法，该方法的输出是一个logistic模型，这一模型可以用于预测变量的值，即预测该变量的值有多高的概率会取各种可能的取值。
简言之，logistic回归分析的主要目的是把客观的结果（例如，是否改变某个政策，是否感染某种疾病等）变成可预测的离散变量，以便分析影响客观结果的各种因素。
Spss可以提供多因素logistic回归分析，这种分析可用于识别影响离散变量（例如，是否改变某个政策，是否感染某种疾病等）的多个因素之间的关联。
该分析需要有一个组合变量作为自变量，以及一个离散变量作为因变量。
例如，如果您要研究性别和年龄两个因素如何影响某种疾病的发生率，那么性别和年龄两个因素就是组合变量，而疾病的发生率则是因变量。
1.建立变量和分类（上述示例中需要建立性别和年龄两个变量，以及分类变量的可能的取值）。
2.执行logistic回归分析。
打开spss，并在“分析”菜单中打开多元分析，然后点击“逻辑回归”，并选择您要研究的变量和分类。
3.生成回归模型和检验其统计学意义。
在spss中，您可以使用类似“回归系数”之类的描述性统计学方法来估算回归模型，并可以使用“p-值”来判断回归模型中各变量的统计学意义。
4.Interpret模型。
根据p值判断各变量的统计学意义，进而分析影响离散变量的多个因素之间的关联。
四、总结Logistic回归分析是一种用来研究影响离散变量的因素的方法，spss可以提供多因素logistic回归分析，这种分析可用于识别影响离散变量的多个因素之间的关联，spss中步骤：建立变量和分类，执行logistic回归分析，生成回归模型和检验其统计学意义，Interpret模型。
高校离退休教师身体活动影响因素的多重线性回归分析
DUAN Ya鄄mei1 ,LIU Lei2 (1. School of Nursing,Weinan Vocational and Technical College,Weinan Shanxi 714000; 2. School of Nursing,Shengyang Medical College,Shengyang Liaoning 110034,China)
[ Abstract] Objective: To explore the influencing factors of physical activity level of retired teachers in colleges and universities. Methods:One hundred and forty鄄four retired teachers were selected from two universities in Shenyang using the convenience sampling method. The social demography data,social support,depression and physical activity were cross鄄sectional measured using self鄄designed questionnaire,social support rating scale,geriatric depression scale鄄30 and physical activity scale for elderly. Results:The results of single factor analysis showed that the physical activity levels in female,teachers with spouses living and performing work were higher than that in male,teachers without spouses and non鄄performing work( P < 0. 01) ,the higher the education level and income was,the more physical activity was( P < 0. 01) ,and the more chronic diseases was,the less physical activity was( P < 0. 01) . The results of multiple linear regression analysis showed that the gender,level of education,marital status,performing work,chronic diseases,economic income,social support and depression were the influencing factors of physical activity of retired teachers in colleges and universities. Conclusions:At the time of designing physical activity interventions,the improving social support and caring the depression of elderly should be paid attention to,which can be used to enhance the physical activity levels of the elderly. [ Key words] physical activity;retired teacher;depression;social support;regression analysis
多分类有序反应变量Logistic回归及其应用
3、社会心理因素：老年人的心理状态、生活环境、生活习惯等也会对其睡 眠质量产生影响。例如，孤独、抑郁、生活压力等心理问题可能导致睡眠障碍。
有序多分类Logistic回归分析
为了探讨上述因素对老年人睡眠质量的影响，我们采用有序多分类Logistic 回归分析方法进行建模和分析。有序多分类Logistic回归是一种统计方法，它能 够根据有序类别变量的取值来估计多个类别的影响因素，并计算各因素的影响方 向和作用大小。
还应注意其他潜在影响因素的作用，以便更好地预防和改善公务员的亚健康 状况。
谢谢观看
பைடு நூலகம்
（2）数据拟合：将数据带入Logistic回归模型，用最大似然估计法对模型 参数进行估计。
（3）模型评估：通过交叉验证、准确率、AUC值等指标对模型进行评估，判 断其预测性能。
（4）模型优化：根据模型评估结果，对模型进行优化调整，包括特征选择、 参数调整等。
3、结果解读
多分类有序反应变量Logistic回归的结果解读包括以下几个方面：
影响因素
老年人睡眠质量受到多种因素的影响，包括身体健康状况、药物使用、社会 心理因素等。
1、身体健康状况：老年人往往存在各种健康问题，如慢性疾病、疼痛、呼 吸困难等，这些疾病会直接或间接影响睡眠质量。
2、药物使用：部分老年人在日常生活中需要使用药物来控制血压、治疗疼 痛等。然而，某些药物可能导致不良反应，从而影响睡眠质量。
1、因变量的处理：将亚健康状况分为5个等级（非常健康、健康、轻微不健 康、不健康、非常不健康），并将其作为有序分类变量进行统计处理。
2、自变量的选择：选择工作压力、生活方式、心理状况等作为自变量，并 将其进行标准化处理，以便进行比较和分析。
3、模型的建立：采用有序多分类logistic回归分析方法，建立模型并拟合 数据。通过模型的结果，可以观察各个自变量对因变量的影响程度及比较各个自 变量之间的相对重要性。
江苏省大学生体质健康影响因素的logistic回归分析
控 体 节 食 一 ． ５ ０ ０ ０ ００８ ． ４
游泳安 全 受他人攻击
０ ０ ７ ０ ３ ． ２ ． ３ ７ ０ ０ ８ ０ ０１ ． ６ ． ６
Ｌ 时间 网 性年龄
００８ ． ９ ００８ ． ８
０Ｏ ． ０１ ００２ ． ０
素 ｌ ｉｉ回归 分析 ，其 中 ｌ ｏ ｓｃ ｇｔ ９个指 标的 Ｐ Ｏ １ ，按照 ０ ０ ＜ ．０ ．５的检
０００ ００３ ． ６ ． ３
００７ ． ４ ００９ ． ９ ００３ ． ３ ０Ｏ ． ０１
对 应 的第 一 手
是否Ｉ 溉 ‘． ０ ００６ 嗡消年 龄 ００４ ．９
健康状况
喝饮料 吃 甜 点 西式快 餐
喝 奶
０ １６ ０Ｏ ０ ． ０ ． ０
０ ０２ ０ １３ ． ４ ． ４ 一 ． ３ ０ ２ ８ ００３ ． ８ ００８ ０ ７＇ ． ０ ． ８ｔ
单 因 素 ｌｇｓｃ回 归分 析 ； 多 因素 分 析 采 用 多 素 ｌ ｉｔ ｏｉｉ ｔ ｏ ｓ ｃ同 ｇ ｉ
分 析 ，模 型 筛 选 方 法 为 逐 步 回 归法 ， 多 因素 ｌｇｓｉ ｏ ｉｔ ｃ同 归
指 标
ｒ
Ｐ
指 标
ｒ
Ｐ
年龄 学生年 级 １ 收 入 ｝ ＿ ］
０５５ ００ ０ ． ２ ． ０ ０ ６ ． １ ０ ０ ０ ４ ． ０ 一 ． １ 独 不愉快 火 眠
００２ ． ３ ００９ ．６ 一 ． １ ０ １８
０００ ．０ ０ ０ ． Ｉ ５ ０００ ． ０
父亲学 历 母亲学 历
学爿成 绩 是否住宿 有无献 血
００６ ００ ０ ． ５ ５ ０ ０ ０ ６ ６ ． １ ． ５ ３
多分类无序logistic回归 结果解读
多分类无序logistic回归的结果解读涉及多个步骤。
首先，你需要对模型的整体情况进行描述，例如R方值。
然后，逐一分析X对于Y（相对于的对比项）的影响情况。
如果X对应的P值小于0.05，则说明X 会对Y（相对于的对比项）产生影响关系，此时可结合OR值进一步分析影响幅度。
以一个具体的例子来说明：你正在研究影响总统候选人民主党支持度的因素，包括年龄、学历和性别。
你使用多分类无序logistic回归进行数据分析。
1. 模型整体情况：首先，你描述了模型的R方值。
例如，模型伪R 平方值（McFadden R平方）为0.025，意味着年龄、学历、性别可以解释总统候选人民主党支持率的
2.45%变化原因。
2. 影响因素分析：接下来，你逐一分析了年龄、学历和性别对民主党支持率的影响。
年龄：P值大于0.05，说明年龄对民主党支持率没有显著影响。
学历：P值小于0.05，说明学历对民主党支持率有显著影响。
进一步分析OR值，如果OR值大于1，说明高学历更有可能支持民主党；如果OR值小于1，则说明低学历更有可能支持民主党。
性别：P值小于0.05，说明性别对民主党支持率有显著影响。
进一步分析OR值，如果OR值大于1，说明女性更有可能支持民主党；如果OR值小于1，则说明男性更有可能支持民主党。
3. 总结：基于以上分析，你得出结论：学历和性别对总统候选人民主党支持率有显著影响，而年龄没有明显影响。
同时，你也给出了具
体的影响幅度。
以上是一个基本的多分类无序logistic回归结果解读示例。
具体解读可能因数据和研究目的而有所不同。
logistic单因素多因素结果解读
Logistic回归是一种统计方法，用于研究分类变量与一系列解释变量之间的关系。
单因素和多因素logistic回归是该方法的两种常见类型。
在单因素logistic回归中，研究者一次只考虑一个解释变量对因变量的影响。
这种方法主要用于初步探索哪些变量可能对因变量有影响，但结果可能受到混杂因素的影响，因此可能不是非常可靠。
在多因素logistic回归中，研究者考虑所有可能的影响因素。
这种方法能够校正各种混杂因素的影响，因此结果更加可信。
多因素分析通常在单因素分析的基础上进行，以全面了解各因素对因变量的综合影响。
解读结果时，应注意模型的拟合度、变量的显著性等指标。
对于单因素分析，应关注该变量对因变量的影响是否显著。
对于多因素分析，应关注该变量在控制其他因素后对因变量的影响，以及该变量与其他变量的交互作用。
总之，单因素和多因素logistic回归是研究分类变量与解释变量之间关系的常用方法。
在解读结果时，应注意模型的拟合度和变量的显著性等指标，以全面了解各因素对因变量的影响。
福州地区高校教师亚健康影响因素的累积比数模型分析
本次调查的 １ ５ 人 中， ８ １ 亚健康的人数为 ６ １ ， ３人 占 ５．９ 。各 种亚健康 表现情 况见 表 ２ ４４ ％ 。 在亚健康标 准的 ｌ ３种症 状 中， 以选择 “ 较多 出
表 １ 基 本 情 况
１ ．调查 对 象 随 机 抽 取 福 州 三 所 综 合 性 大 学
ｌｏ ２ ０名教 师 。
２ 调查 内容 自行设计 《 ． 高校教 师健 康影 响 因素
调查表》 调查表 由一般状况 （ ， 包括年龄、 性别 、 职称、
工 龄、 姻状况 、 婚 文化 程度 等 ） 健 康状 况 、 、 亚健 康 症状
出现” “ 常出现 ” 列 ｌ 和 经 所 ３种 症 状 中 １项及 以上 为
阳性 ， 排除 医生 明确 诊 断患 有 疾 病 者 ， 诊 断 为 亚健 即 康。 ４ ．调查方法 统一 培训 调查 人 员 ， 场 由各 高校 现
派出专人负责监督。采用 自填式调查表，０ ８ ５ ２０ 年 月
中国卫生统计 ２ １ ６月第 ２ ０ ０年 ７卷第 ３期
福州 地 区高校 教 师亚 健 康 影 响 因素 的 累积 比数 模 型 分析
吴 彬 曹建平 宋建 华。 郭露 华 许 志 波
【 提 要】 目的 了解福州地区高校教师的亚健康状况并探讨其主要影响因素。方法 收集三所大学的教师 体检 资料并对 １ ５ 名教师健康和生活习惯进行 问卷调查 ， ８ １ 采用有序多分类 ｌ ｉｉ 回归分析亚健康的影响因素。结果 高校 ｏ ｓｃ ｇｔ 教师中健康者 占总调查人数 的 １． ％， ３ ２ 亚健康者 占 ５． ％ ， ４４ 慢性病患病人 数 占 ３ ． ％ 。压力 、 ２４ 教龄 、 睡眠时 间、 体育锻 炼、 吸烟和性别是影响亚健康 的主要 因素。结论 福建高校教师 的健康状 况不容乐观 ， 加强体 育锻炼 、 烟、 戒 规律作息 和 保持健康心态是保持健康的关键措施 。 【 关键词 】 高校教师 亚健康 影响因素 有序多分类 ｌ ｉｉ ｏ ｓｃ回归 ｇｔ
单因素与多因素logistic回归的解读
单因素logistic回归与多因素logistic回归都是用于研究因变量（通常为0-1或1-2-3顺序变量）与一个或多个自变量之间的关系。
但这两者在应用和解释上有所不同。
1. 单因素logistic回归：顾名思义，这种分析主要研究因变量对一个自变量的影响。
例如，如果您想研究某个特定的因素（如年龄、性别或教育水平）如何影响某种疾病的风险，单因素logistic回归可能是一个合适的选择。
2. 多因素logistic回归：与单因素logistic回归不同，多因素分析考虑了两个或更多自变量与因变量之间的关系。
这通常用于更全面地了解哪些因素共同作用以影响因变量。
例如，在预测冠心病的风险时，多因素logistic回归可能会考虑年龄、性别、高血压、糖尿病等多个因素。
在数据分析的全过程中，这两种方法通常都有其用途。
例如，在研究有生育障碍的妇女进行注射HCG后卵巢反应的影响因素时，可能首先使用单因素logistic回归来识别哪些因素具有显著影响，然后进一步使用多因素logistic回归来评估这些因素如何共同作用。
全体教师身体健康调查报告
全体教师身体健康调查报告背景为了了解全体教师的身体健康状况，我们进行了一次全面的调查。
本报告旨在总结调查结果，并提出相关建议，以促进教师的身心健康。
健康调查结果健康状况调查显示，全体教师的健康状况总体较好，占比约75%。
其中，正常健康者超过半数，有一定健康问题的教师占比约25%。
健康问题类型身体疲劳：调查发现身体疲劳是最常见的健康问题，占调查总人数的60%。
长时间的站立和讲课，加上工作压力大，导致了大部分教师的身体疲劳感。
压力和焦虑：调查显示，超过30%的教师感受到了不同程度的工作压力和焦虑。
工作压力和教学任务的增加都是造成压力和焦虑的主要原因。
缺乏运动：有超过20%的教师反映他们没有足够的时间和精力从事运动或进行体育锻炼。
睡眠质量差：20%的教师报告称他们的睡眠质量较差，该现象可能与工作压力和生活习惯有关。
不良饮食习惯：调查结果显示，约有15%的教师有不良的饮食习惯，他们通常食用高糖、高脂肪、高盐的外卖或快餐。
健康问题的影响这些健康问题直接影响了教师的工作表现和生活品质。
身体疲劳和缺乏运动会导致教师精神不振，影响学生的教学效果。
压力和焦虑会增加教师心血管疾病的风险，而睡眠质量差和不良饮食习惯会对身体健康产生负面影响。
健康促进建议为了帮助教师提高身体健康水平，我们提出以下建议：1. 提供职业培训：为教师提供职业培训和技能提升课程，帮助他们更好地管理工作压力和焦虑。
2. 创造健康环境：学校可以创建一个健康的工作环境，提供健康食品，鼓励教师进行运动和体育锻炼。
3. 支持健康生活方式：学校应支持教师进行定期体检，并提供相关保健服务。
同时，鼓励教师保持良好的饮食习惯和睡眠品质。
4. 研讨和资源分享：组织健康研讨会和分享会，让教师们相互交流健康经验，从而激发健康的生活方式。
5. 提供心理支持：学校可以设立心理咨询机构或提供相关资源，帮助教师应对压力和焦虑。
结论全体教师的身体健康是学校教学质量和未来发展的重要组成部分。
Logistic回归分析报告结果解读分析-logit回归解读
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。
1.Logistic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。
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。
多因素logistic回归结果解读
多因素logistic回归结果解读
多因素logistic 回归是一种统计分析方法，它使用多个因素来预测一个二元分类问题（例如“是”或“否”）。
回归将数据看作二元变量（通常为“0”或“1”），然后将数据与不同因素组合进行比较，从而确定哪些因素对于预测所关心的二元变量最具有影响力。
当全部数据和变量都全部考虑时，利用模型可以预测最可能的二元变量。
多因素logistic 回归的结果通常包括：
1. 系数（coef）：这些值表示每个因素如何影响因变量。
正系数表示某个因素与因变量的概率是正相关的，而负系数则表示负相关。
2. 标准误（Std.Error）：该值代表每个系数的测量误差。
3. z值：这些值表示每个系数的标准正态分布的z值，用于检验系数是否显著。
4. P值：这些值表示每个系数对应的z值的概率，如果P值低于显著性水平（通常为0.05），可以判断该系数显著。
否则，我们不能确认该系数是否有影响。
利用这些结果，我们可以根据自己的需要，确定哪些因素对于预测因变量最具有影响力，可以进行进一步的分析，并针对不同情况进行预测。
多因素非条件logistic回归
多因素非条件logistic回归多因素非条件logistic回归是一种常用的统计分析方法，用于研究多个自变量对于二分类结果的影响程度。
本文将介绍多因素非条件logistic回归的基本原理、应用场景以及步骤。
一、基本原理多因素非条件logistic回归是一种广义线性模型，用于建立自变量与二分类结果之间的关系。
它基于logistic函数（也称为S型函数），通过将自变量的线性组合映射到[0,1]的范围内，来描述自变量与二分类结果之间的概率关系。
二、应用场景多因素非条件logistic回归广泛应用于医学、社会科学、市场营销等领域的研究中。
例如，在医学领域，研究人员可以使用多因素非条件logistic回归来分析各种因素对于患病与否的影响程度，以便预测和预防疾病的发生。
三、步骤进行多因素非条件logistic回归分析时，通常需要以下步骤：1. 收集数据：收集包括自变量和二分类结果在内的相关数据。
2. 数据预处理：对数据进行清洗、缺失值处理、异常值处理等预处理工作。
3. 变量选择：根据领域知识和统计方法，选择与二分类结果相关的自变量进行分析。
4. 模型拟合：将选定的自变量输入logistic回归模型，拟合出模型参数。
5. 模型评估：通过各种指标（如AIC、BIC、似然比检验等）评估模型的拟合效果。
6. 结果解释：根据模型参数的正负和大小，解释自变量对于二分类结果的影响程度。
7. 预测与应用：根据已建立的模型，进行未知样本的预测，或者根据模型结果制定相应的决策。
多因素非条件logistic回归的优点是可以考虑多个自变量的影响，更贴近实际情况。
然而，它也有一些限制，比如对于样本量较小或者自变量之间存在共线性的情况，可能会导致模型参数的不准确性。
多因素非条件logistic回归是一种重要的统计分析方法，可以应用于各种领域的研究。
通过充分利用多个自变量，我们可以更全面地了解自变量对于二分类结果的影响，从而做出科学合理的预测和决策。
昆明市高校教师健康状况的调查研究
昆明市高校教师健康状况的调查研究昆明市是中国西南地区的重要文化教育中心，拥有众多高等学府和科研机构，每年吸引着大量的学生和教师前来求学与工作。
随着教育事业的不断发展，越来越多的高校教师加入到了教育工作中。
教师作为学校教育工作中的重要一环，他们的健康状况对于教育事业的发展也有着重要的影响。
对昆明市高校教师的健康状况进行调查研究，对于提高教师的工作满意度和工作质量，对于促进学校教育事业的可持续发展具有十分重要的意义。
一、调查目的1、了解昆明市高校教师的健康状况，包括身体健康和心理健康等方面。
2、分析影响高校教师健康状况的主要因素，并提出相应的对策措施。
3、为高校教师提供健康管理和保健建议，提高他们的工作效率和生活质量。
二、调查内容1、调查对象：昆明市各高校的在职教师。
2、调查范围：调查涉及的高校包括云南大学、昆明理工大学、云南师范大学等。
3、调查内容：（1）身体健康状况：包括患病情况、体检情况、生活习惯等。
（2）心理健康状况：包括压力来源、情绪变化、心理调适等。
（3）工作环境和工作压力：包括工作强度、工作满意度、工作压力等。
（4）健康管理和保健意识：包括健康保健知识的获取途径、保健措施的采取情况等。
三、调查方法1、问卷调查：设计问卷，通过网络或者实地进行问卷调查，收集高校教师的相关信息。
2、访谈调查：针对部分高校教师，进行面对面深度访谈，了解其具体的健康状况和工作情况。
四、调查结果1、身体健康状况：根据问卷调查结果显示，昆明市高校教师的身体健康状况总体较好，患病率低，大部分教师有定期进行体检。
但也存在部分教师因长期过度工作导致身体亚健康的情况。
2、心理健康状况：调查显示，高校教师在工作中常常面临重压和高强度工作，导致部分教师心理压力较大，甚至有焦虑和抑郁的症状。
但多数教师认为通过适当的心理调适，可以有效缓解工作压力。
3、工作环境和工作压力：绝大多数高校教师对自己的工作环境和氛围都比较满意，但也有一部分教师认为工作强度过大，导致工作压力较大。
(整理)多项分类Logistic回归分析的功能与意义1.
多项分类Logistic回归分析的功能与意义我们经常会遇到因变量有多个取值而且无大小顺序的情况，比如职业、婚姻情况等等，这时一般的线性回归分析无法准确地刻画变量之间的因果关系，需要用其它回归分析方法来进行拟合模型。
SPSS的多项分类Logistic回归便是一种简便的处理该类因变量问题的分析方法。
例子：下表给出了对山东省某中学20名视力低下学生视力监测的结果数据。
试用多项分类Logistic回归分析方法分析视力低下程度（由轻到重共3级）与年龄、性别（1代表男性，2代表女性）之间的关系。
并单击向右的箭头按钮使之进入“因变量”列表框，选择“性别”使之进入“因子”列表框，选择“年龄”使之进入“协变量”列表框。
还是以教程“blankloan.sav"数据为例，研究银行客户贷款是否违约（拖欠）的问题，数据如下所示：上面的数据是大约700个申请贷款的客户，我们需要进行随机抽样，来进行二元Logistic 回归分析，上图中的“0”表示没有拖欠贷款，“1”表示拖欠贷款，接下来，步骤如下：1：设置随机抽样的随机种子，如下图所示：选择“设置起点”选择“固定值”即可，本人感觉200万的容量已经足够了，就采用的默认值，点击确定，返回原界面、2：进行“转换”—计算变量“生成一个变量（validate)，进入如下界面：在数字表达式中，输入公式：rv.bernoulli（0.7），这个表达式的意思为：返回概率为0.7的bernoulli分布随机值如果在0.7的概率下能够成功，那么就为1，失败的话，就为"0"为了保持数据分析的有效性，对于样本中“违约”变量取缺失值的部分，validate变量也取缺失值，所以，需要设置一个“选择条件”点击“如果”按钮，进入如下界面：如果“违约”变量中，确实存在缺失值，那么当使用"missing”函数的时候，它的返回值应该为“1”或者为“true"，为了剔除”缺失值“所以，结果必须等于“0“也就是不存在缺失值的现象点击”继续“按钮，返回原界面，如下所示：将是“是否曾经违约”作为“因变量”拖入因变量选框，分别将其他8个变量拖入“协变量”选框内，在方法中，选择：forward.LR方法将生成的新变量“validate" 拖入"选择变量“框内，并点击”规则“设置相应的规则内容，如下所示：设置validate 值为1，此处我们只将取值为1的记录纳入模型建立过程，其它值（例如：0）将用来做结论的验证或者预测分析，当然你可以反推，采用0作为取值记录点击继续，返回，再点击“分类”按钮，进入如下页面在所有的8个自变量中，只有“教育水平”这个变量能够作为“分类协变量” 因为其它变量都没有做分类，本例中，教育水平分为：初中，高中，大专，本科，研究生等等, 参考类别选择：“最后一个”在对比中选择“指示符”点击继续按钮，返回再点击—“保存”按钮，进入界面：在“预测值"中选择”概率，在“影响”中选择“Cook距离” 在“残差”中选择“学生化”点击继续，返回，再点击“选项”按钮，进入如下界面：分析结果如下：1：在“案例处理汇总”中可以看出：选定的案例489个，未选定的案例361个，这个结果是根据设定的validate = 1得到的，在“因变量编码”中可以看出“违约”的两种结果“是”或者“否” 分别用值“1“和“0”代替，在“分类变量编码”中教育水平分为5类，如果选中“为完成高中，高中，大专，大学等，其中的任何一个，那么就取值为1，未选中的为0，如果四个都未被选中，那么就是”研究生“ 频率分别代表了处在某个教育水平的个数，总和应该为489个1：在“分类表”中可以看出：预测有360个是“否”（未违约）有129个是“是”（违约）2：在“方程中的变量”表中可以看出：最初是对“常数项”记性赋值，B为-1.026，标准误差为：0.103那么wald =( B/S.E)²=(-1.026/0.103)² = 99.2248, 跟表中的“100.029几乎接近，是因为我对数据进行的向下舍入的关系，所以数据会稍微偏小，B和Exp(B) 是对数关系，将B进行对数抓换后，可以得到：Exp(B) = e^-1.026 = 0.358, 其中自由度为1，sig为0.000，非常显著1：从“不在方程中的变量”可以看出，最初模型，只有“常数项”被纳入了模型，其它变量都不在最初模型内表中分别给出了，得分，df , Sig三个值, 而其中得分（Score)计算公式如下：（公式中（Xi- X¯) 少了一个平方）下面来举例说明这个计算过程：(“年龄”自变量的得分为例）从“分类表”中可以看出：有129人违约，违约记为“1”则违约总和为129，选定案例总和为489那么：y¯ = 129/489 = 0.2638036809816x¯ = 16951 / 489 = 34.664621676892所以：∑(Xi-x¯)² = 30074.9979y¯（1-y¯）=0.2638036809816 *（1-0.2638036809816 ）=0.19421129888216 则：y¯（1-y¯）* ∑(Xi-x¯)² =0.19421129888216 * 30074.9979 = 5 840.9044060372 则：[∑Xi(yi - y¯）]^2 = 43570.8所以：=43570.8 / 5 840.9044060372 =7.4595982010876 = 7.46 （四舍五入）计算过程采用的是在EXCEL 里面计算出来的，截图如下所示：从“不在方程的变量中”可以看出，年龄的“得分”为7.46，刚好跟计算结果吻合！！答案得到验证~1:从“块1” 中可以看出：采用的是：向前步进的方法，在“模型系数的综合检验”表中可以看出：所有的SIG 几乎都为“0”而且随着模型的逐渐步进，卡方值越来越大，说明模型越来越显著，在第4步后，终止，根据设定的显著性值和自由度，可以算出卡方临界值，公式为：=CHIINV(显著性值,自由度) ，放入excel就可以得到结果2：在“模型汇总“中可以看出：Cox&SnellR方和Nagelkerke R方拟合效果都不太理想，最终理想模型也才：0.305 和0.446，最大似然平方的对数值都比较大，明显是显著的似然数对数计算公式为：计算过程太费时间了，我就不举例说明计算过程了Cox&SnellR方的计算值是根据：1：先拟合不包含待检验因素的Logistic模型，求对数似然函数值INL0 （指只包含“常数项”的检验）2：再拟合包含待检验因素的Logistic模型，求新的对数似然函数值InLB （包含自变量的检验）再根据公式：即可算出：Cox&SnellR方的值！提示：将Hosmer 和Lemeshow 检验和“随机性表” 结合一起来分析1：从 Hosmer 和Lemeshow 检验表中，可以看出：经过4次迭代后，最终的卡方统计量为：11.919，而临界值为：CHINV(0.05,8) = 15.507卡方统计量< 临界值，从SIG 角度来看：0.155 > 0.05 , 说明模型能够很好的拟合整体，不存在显著的差异。
高校教师健康状况影响因素的多分类Logistic回归分析
高校教师健康状况影响因素的多分类Logistic回归分析陈京萍;徐谦;陈新林;贺振泉;林雪芳;莫传伟【期刊名称】《安徽中医学院学报》【年(卷),期】2011(30)1【摘要】Objective To investigate the distribution of health status of staffs in a university and to explore the risk factors of health status, and to providc a basis for preventing sub-health and diseases, and for improving the health level of staffs. Methods Two hundreds and seventy-six staffs were enrolled using ran dom sampling method when they received physical examination in 2009. The information about constitution in Chinese medicine, health status and demographic data were collected. The risk factors of health status were analyzed by using multinomial logistic regression. Results Normal type, phlegm wetness type,and yang-deficiency type were the main constitution types among staffs in the university. There were 15.22％ healthy people, 70.65％ sub-healthy people, and 14. 13％ diseased people. The risk factors of sub-health included all unbalance constitution (normal type as control group), female, and intermediate title (primary title as control group). The risk factors of diseascs included qi-deficiency type (normal type as control group), and professor (primary title as control group). Conclusion The staffs with unbalance constitution, intermediate title and professor title as well as females should be particularly concerned in universities. Some appropriatemeasures should be taken to reduce thc incidence of sub-health and diseases and to improve overall health status of staffs in universities.%目的调查某高校教工人群的健康状况及其相关影响因素,为更好地预防亚健康和疾病、提高教工的健康水平提供依据.方法采用简单随机抽样的方法,在2009年全校教师职工体检之际,抽取276名教工进行中医体质、亚健康状况和个人基本资料调查,使用多分类Logistic回归进行多因素分析.结果高校教工人群的中医体质类型主要是平和质(18.84%)、痰湿质(17.03%)、阳虚质(16.30%).健康人群占15.22%,亚健康人群占70.65%,患病人群占14.13%.亚健康的影响因素包括所有病理性体质(对照组为平和质)、女性、中级职称(对照组为初级职称);疾病的影响因素包括气虚质(对照组为平和质)、教授职称(对照组为初级职称).结论高校应该特别关注偏颇体质人群、女性人群、中级职称和教授职称人员,采取针对性的预防干预措施,降低他们亚健康和疾病的发生率,提高教师队伍的整体健康水平.【总页数】4页(P23-26)【作者】陈京萍;徐谦;陈新林;贺振泉;林雪芳;莫传伟【作者单位】广州中医药大学门诊部,广东,广州,510405;广州中医药大学基础医学院,广东,广州,510006;广州中医药大学基础医学院,广东,广州,510006;广州中医药大学基础医学院,广东,广州,510006;广州中医药大学门诊部,广东,广州,510405;广州中医药大学基础医学院,广东,广州,510006【正文语种】中文【中图分类】R229【相关文献】1.公务员亚健康状况影响因素的有序多分类logistic回归分析 [J], 范欣欣;陈立明;许军2.民宿众筹成效的影响因素分析——基于有序多分类Logistic回归分析 [J], 皮常玲;殷杰3.泸州市女性围绝经期综合征影响因素的无序多分类logistic回归分析 [J], 唐兰兰; 李卉; 杨超; 魏道芳; 张容; 叶运莉; 张俊辉4.图书馆众筹绩效影响因素的实证分析——基于有序多分类Logistic回归分析 [J], 郭韫丽; 尹小莉5.老年人睡眠质量影响因素的有序多分类Logistic回归分析 [J], 付利婷;门瑞雪;范志光;郑闪闪;安倩倩因版权原因，仅展示原文概要，查看原文内容请购买。
中学女教师心理健康状况及影响因素Logistic回归方程构建
中学女教师心理健康状况及影响因素Logistic回归方程构建李雪霏;徐茗;王姿欢;俞文兰;于常艳【期刊名称】《中国健康教育》【年(卷),期】2024(40)1【摘要】目的分析中学女教师心理健康状况并构建影响因素Logistic回归方程。
方法于2020年6—10月采取分层随机整群抽样方法抽取12所中学的1899名中学女教师纳入研究,采用电子问卷的方式进行调查,筛选中学女教师焦虑、抑郁的影响因素,建立Logistic回归方程并验证。
结果1754例中学女教师发生焦虑487例,抑郁463例,焦虑率为27.77%、抑郁率为26.40%。
多因素Logistic分析结果显示,年龄>45岁、周均工作时间>40 h、合并慢性疾病、职业压力中或重的中学女教师焦虑发生率高于年龄≤45岁、周均工作时间≤40 h、未合并慢性疾病、职业压力轻者,OR值分别为2.248(95%CI:1.625~3.110)、3.838(95%CI:2.828~5.209)、3.860(95%CI:2.831~5.262)、3.004(95%CI:2.132~4.233),积极参与心理健康讲座和团体心理辅导的中学女教师焦虑发生率低于未积极参与者,OR值为0.248(95%CI:0.181~0.339);周均工作时间>40 h、兼任行政职务、合并慢性疾病、职业压力中或重的中学女教师抑郁发生率高于周均工作时间≤40 h、未兼任行政职务、未合并慢性疾病、职业压力轻,OR值分别为3.259(95%CI:2.414~4.398)、2.273(95%CI:1.672~3.089)、2.857(95%CI:2.102~3.883)、3.451(95%CI:2.415~4.931),积极参与心理健康讲座和团体心理辅导的中学女教师抑郁发生率低于未积极参与者,OR值为0.302(95%CI:0.223~0.410);以上P均<0.05。
根据训练集构建Logistic回归方程,在验证集预测焦虑、抑郁曲线下面积分别为0.786、0.736。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
式中 Y 表示因变量, 可以取值为 0, 1, 2, 表示自变量, 一共有 m 个自变量。
im i
, i。 X
质、 阳虚质、 瘀血质、 气虚质。本研究得到的体质分 布情况跟其他结果一致 [ 7 8] , 都是气虚质、 痰湿质、 阳 虚质所占比例最多 , 原因在于人群同处在广州地区, 受到相同自然环境以及社会环境的影响。本次调查 的高校教工人群中 , 健康人群占 15. 22% , 亚健康人 群占 70. 65% , 患病人群占 14. 13% 。本研究的结果 跟范存欣等研究广东省高校职工健康状态分布的结 果一致
510405; 2. 广州中医药大学基础医学院, 广东 广州 510006) ( 1. 广州中医药大学门诊部 , 广东 广州
[ 摘要 ] 目的 调查某高校教工人群的健康状况及其相关影响因素, 为更好地预防亚健康和疾病、 提高教工的 健康水平提供依据。 方法 采用简单随机抽样的方法 , 在 2009 年全校教师职工体检之际, 抽取 276 名教工 进行中医体质、 亚健康状况和个人基本资料调查, 使用多分类 Lo gist ic 回归进行多因素分析。 结果 高校教 工人群的中医 体质 类 型主 要是 平 和质 ( 18. 84% ) 、 痰 湿 质 ( 17. 03% ) 、 阳虚 质 ( 16. 30% ) 。 健康 人 群占 15. 22% , 亚健康人群占 70. 65% , 患病人群占 14. 13% 。亚健康的影响因素包括所有病理性体质( 对照组为 平和质) 、 女性、 中级职称 ( 对照组为初级职称 ) ; 疾病的影响因素包括气虚质 ( 对照组为平和质 ) 、 教授职称 ( 对 照组为初级职称 ) 。 结论 高校应该特别关注偏颇体质人群 、 女性人群、 中级职称和教授职称人员 , 采取针对 性的预防干预措施, 降低他们亚健康和疾病的发生率, 提高教师队伍的整体健康水平 。 [ 关键词] 中医体质; 健康状况 ; 高等学校 ; 多分类 L og ist ic 回归 [ 中图分类号] R229 [ 文献标志码 ] A [ DOI] 10. 3969/ j. issn. 1000 2219. 2011. 01. 010 健康不仅仅是没有疾病和身体虚弱, 而且是身 体上、 精神上和社会适应上的完好状态。随着对健 康和疾病的深入研究, 发现疾病谱是一个复杂的变 化过程, 在健康和疾病之间还存在一系列过程 , 在这 个过程中 , 找不到实质性病变 , 却出现体虚困乏、 易 感疲劳、 失眠、 休息质量不高、 注意力不集中, 甚至不 能正常生活和工作、 情绪不稳定、 抵抗力差等症状 , 前苏联学者 Berkman 称之为 第三状态 或 中间状 态 。国内常常称之为 亚健康状态
[ 1]
康分布情况以及相关的影响因素, 使用多因素 Lo gistic 回归方程探讨影响高校教师健康的因素, 从而 为更好地预防亚健康、 防治疾病、 提高高校教工人群 的健康水平提供参考。 1 对象与方法 1. 1 对象 某全日制高校全校教工体检在 2009 年 12 月 14 至 21 日共 8 d 举行 , 全校参加体检教工共 1 136 人。本研究采用简单 随机抽取的方 法, 从体 检的 8 d 中抽取 4 d, 对当天参加体检的教工进行调 查。对象纳入标准 : 年龄 18~ 60 岁, 男女不限; 同意 参加研究的正式在编员工。排除标准 : 合同制人员, 非在编人员 , 或不愿意参与本研究的正式在编员工。 1. 2 研究工具 本研 究包括体检和调查 两部分。 体检包括测量血压、 身高、 体质量 ; 五官科检验; 血液 分析、 代谢四项、 肝功能两项、 血脂四项、 相关抗原两 项 ( 定性 ) 、 EB 病毒 ; 胸片、 心电图、 B 超 ( 肝胆脾胰、 双肾膀胱、 前列腺或盆腔、 乳腺 ) 、 妇检、 肛检等。调 查内容包括个人基本资料、 亚健康量表和中医体质 量表。个人基本资料包括个人基本情况: 年龄、 性别、 婚姻、 职称、 职务、 工作性质; 生活方式: 抽烟、 喝酒、 睡 眠习惯、 锻炼; 压力情况: 教学、 科研、 经济、 家庭压力 等。采用陈青山等提出的亚健康量表[ 3] 诊断亚健康 状态, 采用王琦等研发的中医体质量表 来判断中医 体质类型。结合体检结果以及亚健康问卷调查结果 来诊断高校教师的健康状态: 健康、 亚健康、 患病。 1. 3 统计分析 多分类 L ogist ic 回归模型[ 5] 可以表 P( Y= i) | X 示为 : logit ( P i ) = Ln P ( Y = 0) | X =
安徽中医学院学报 第 30 卷 第 1 期 2011 年 2 月 JOURNAL OF ANHU I T CM COLLEGE Vol.30 No.1 Feb. 2011
23
临床研究
高校教师健康状况影响因素的多分类 Logistic 回归分析
陈京萍1 , 徐 谦2 , 陈新林2 , 贺振泉2 , 林雪芳1 , 莫传伟2
[ 9]
注 : 因阴虚质、 湿热质、 气郁质、 特禀质例数较 少 , 合并 为 其他体质 ; 疾病主要包括原发性高血压、 糖尿病、 心血管疾 病 等。最终学历、 职称、 中医 体质等 多分类 变量 在多因 素分 析 中都哑变量化处理。
安徽中医学院学报 第 30 卷 第 1 期 2011 年 2 月 JOURNAL OF ANHU I T CM COLLEGE Vol.30 No.1 Feb. 2011 表2 健康状态 亚健康 自变量 中医体质 ( 对照组 = 平和质 ) 气虚质 阳虚质 痰湿质 瘀血质 性别 其他体质 ( 对照组 = 男性 ) 职称 ( 对照组 = 初级 ) 中级 副教授 教授 疾病 中医体质 ( 对照组 = 平和质 ) 气虚质 阳虚质 痰湿质 瘀血质 其他体质 性别 ( 对照组 = 男性 ) 职称 ( 对照组 = 初级 ) 中级 副教授 教授 健康状态影响因素的多分类 L og istic 回归分析结果 B 2. 39 1. 57 2. 02 2. 53 0. 97 - 0. 80 0. 99 0. 40 1. 29 SE 1. 10 0. 63 0. 63 1. 08 0. 47 0. 40 0. 49 0. 54 0. 76 Wald 4. 70 6. 18 10. 10 5. 43 4. 25 4. 00 4. 01 0. 55 2. 88 P 0. 030 0. 013 0. 001 0. 020 0. 039 0. 045 0. 045 0. 457 0. 090 OR 10. 92 4. 80 7. 52 12. 52 2. 65 0. 45 2. 68 1. 49 3. 62 95% CI
i [ 4]
。因此 , 健康
状况的范畴应该包括健康、 亚健康以及患病。 高校教师是知识密集型群体, 肩负着培养人才 和科教兴国的重任。高校教师教学科研压力大 , 生 活方式不科学, 生活作息不规律, 缺乏必要的体育锻 炼等等, 都可以导致体质的下降, 从而引发亚健康。 范存欣等[ 2] 研究发现高校教师的压力非常大, 特别 是科研压力, 只有做出了一定的科研成果才能提高 专业技术职称, 提高待遇 ; 在此情况下, 高校教师亚 健康的患病率高达 70% 。另外 , 大部分教师处于中 年期、 部分处于更年期 , 生理上由盛转衰, 逐渐出现 阴阳气血失调, 脏腑功能减退 , 随之出现诸多疾病 , 比如糖尿病、 原发性高血压、 肿瘤等慢性病。对于高 校教师, 导致其出现亚健康以及疾病的影响因素可 能并不一致。本研究通过调查某高校教工人群的健
表 1 某高校健康调查抽样人群的人口学资料 ( n = 276) 变量 性别 分类 男= 0 女= 1 最终学历 本科及以下 = 0 硕士研究生 = 1 博士研究生 = 2 职称 正高 = 3 副高 = 2 中级 = 1 初级 = 0 中医体质 平和质 = 0 气虚质 = 1 阳虚质 = 2 痰湿质 = 3 瘀血质 = 4 其他体质 = 5 健康状况 健康 = 0 亚健康 = 1 疾病 = 2 人数 / 例 112 164 81 119 76 38 65 122 51 52 23 45 47 23 86 42 195 39 比例 / % 40. 58 59. 42 29. 35 43. 12 27. 54 13. 77 23. 55 44. 20 18. 48 18. 84 8. 33 16. 30 17. 03 8. 33 31. 16 15. 22 70. 65 14. 13
。
中医体质学认为, 体质是人体生命过程中, 在先 天禀赋和后天获得的基础上所形成的形态结构、 生 理功能和心理状态方面综合的、 相对稳定的固有特 质。体质是从生理、 心理和社会适应方面综合评价 健康的一种模式。中医体质分为 9 种类型 : 平和质、 气虚质、 阴虚质、 阳虚质、 痰湿质、 湿热质、 瘀血质、 气 郁质、 特禀质。本研究表明: 与平和质人群比较 , 所 有病理体质的职工发生亚健康的概率都要大。原因 在于平和质人群先天禀赋良好、 后天调养得当, 气血 充足, 精力充沛, 体健神旺 , 对外界环境适应能力较 强 , 是健康人群的体质体现。其他体质是偏颇体质, 存在机体阴阳失衡的表现 。比如瘀血质人群体内 有血液运行不畅的倾向或瘀血内阻的病理基础, 平 素面色晦黯 , 皮肤偏黯或色素沉着, 容易出现瘀斑,
基金项目 : 广州中医药大学科研创新基金项目 ( K 0090077) 作者简介 : 陈京萍 ( 1964 ) , 女 , 副研究员 通信作者 : 陈新林 , 020 39358036, chenx lsums@ 126.m。
24
安徽中医学院学报 第 30 卷 第 1 期 2011 年 2 月 JOURNAL OF ANHUI T CM COLLEGE Vol. 30 No. 1 Feb.2011
[ 2]
是截距参数 ,
是第 m 个自变量的偏回归系数。本研究中健康
状态 ( Y ) 包括 3 种情况 : 健康、 亚健康和患病 ( 分别 使用 0、 1、 2 表示 ) 。 使用 Epidat a 3. 1 录入以及管理数据, 用 SP SS 13. 0 对数据进行统计分析。描述基本人口学资料 ; 使用多分类 Lo gist ic 回归进行多因素分析。检验水 准 = 0. 05。 2 结果 本次调查共纳入 276 名教工, 其中男 112 人, 女 164 人; 平 均年龄 为 ( 37. 2 8. 7) 岁 ( 22. 1~ 59. 9 岁) 。中医体质方面 , 平和质占 18. 84% , 痰 湿质占 17. 03% , 阳虚质占 16. 30% 。健康 状况方面, 亚健 康人群占 70. 65% , 健康人群占 15. 22% , 患病人群 占 14. 13% 。其他情况见表 1 。 影响健康最主要的因素有中医体质、 性别和职 称, 见表 2。 亚健康: 相对于平和质人群来说 , 气 虚质、 阳虚质、 痰湿质、 瘀血质、 其他体质人群都容易 出现亚健康状态, 优势比 ( odds rat io, OR ) > 2, P < 0. 05 。如气虚质体质人群出现亚健康的风险是平和 质人群的 10. 92 倍( OR = 10. 92) 。男性比女性出现 亚健康的概率要小 ( OR = 0. 45, P < 0. 05) 。与初级 职称人员比较, 中级职称人员相对容易出现亚健康 问题 , 但是副教授和教授跟初级职称人员无显著性 差别。 疾病: 气虚质人群出现疾病的风险是平和 质人群的 16. 37 倍。比起初级职称人员 , 教授相对 容易出现疾病。其他变量或者其他分类的比较都无 统计学意义。 3 讨论 多分类 L og ist ic 回归分 析作 为多元 统计学 方 法, 用于研究 多分类 因变 量与 影响因 素之 间的 关 系[ 5 6] 。在许多事件中并不只是 有与无 、 是与否 等二分类变量类型, 还存在多分类变量类型。比如 健康状态的健康、 亚 健康、 患病 , 疾病的轻、 中、 重。 面对上述多分类因变量 , 应该采用多分类 L og ist ic 回归分析其与影响因素之间的关系。 本研究结果显示, 高校教工人群的中医体质分 类主要为平和质 ( 18. 84% ) 、 痰湿质 ( 17. 03% ) 、 阳虚 质( 16. 30% ) 。本次调查人群平和质占了较大比例 , 这可能跟该校近几年招收较多的年轻教师有关 , 因 为年轻教师年轻力壮、 精力充沛、 脏腑功能状态强健 壮实 , 一般表现为平和质。除了平和质 , 其他体质都 是偏颇体质。高校教工的偏颇 体质主要包括 痰湿