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(如存活与死亡、患病与未患病等)与多个自变量得关系。

比较常用得情形就是分析危险因素与就是否发生某疾病相关联。

例如,若探讨胃癌得危险因素，可以选择两组人群,一组就是胃癌组,一组就是非胃癌组,两组人群有不同得临床表现与生活方式等,因变量就为有或无胃癌,即“就是”或“否”,为二分类变量，自变量包括年龄、性别、饮食习惯、就是否幽门螺杆菌感染等。

自变量既可以就是连续变量,也可以为分类变量。

通过Logistiｃ回归分析，就可以大致了解胃癌得危险因素。

Lｏｇistic回归与多元线性回归有很多相同之处,但最大得区别就在于她们得因变量不同。

多元线性回归得因变量为连续变量;Logistic回归得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回归得用法
一般而言,Logisｔic回归有两大用途，首先就是寻找危险因素,如上文得例子,找出与胃癌相关得危险因素;其次就是用于预测,我们可以根据建立得Lｏgistｉc 回归模型,预测在不同得自变量情况下,发生某病或某种情况得概率（包括风险评分得建立)。

2、用Logisｔic回归估计危险度
所谓相对危险度（ｒisk ｒatio,ＲR）就是用来描述某一因素不同状态发生疾病（或其它结局)危险程度得
比值。

Loｇistic回归给出得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得风险超出或减少得程度。

如不同性别得胃癌发生危险不同，通过Loｇistｉc回归可以求出危险度得具体数值,例如1、
7,这样就表示,男性发生胃癌得风险就是女性得1、7倍。

这里要注意估计得方向问题,以女性作为参照,男性患胃癌得OR就是１、7。

如果以男性作为参照,算出得OＲ将会就是0、58８(1／1、7),表示女性发生胃癌得风险就是男性得0、5８８倍,或者说,就是男性得５8、8％。

撇开了参照组,相对危险度就没有意义了。

Logistic回归在医学研究中广泛使用得原因之一,就就是模型直接给出具有临床实际意义得OＲ值，很大程度上方便了结果得解读与推广。

图1 相对危险度(rｉsk ratｉｏ,RＲ)与OＲ（oｄdｓraｔio)得表达
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:就是应该报告OR 值,还就是β值,还就是两个都要报告？这个决定权最终当然还就是作者本人,但有一点需要进一步了解:ＯR值与β值其实就是等价得。

图2 ＯR值与β值得公式推导
4 Ｌoｇisｔic回归结果判读
“EＸP（B)”即为相应变量得OR值(又叫优势比,比值比)，为在其她条件不变得情况下,自变量每改变1个单位,事件得发生比“Ｏdds”得变化率。

伪决定系数ｃｏx & SnｅlｌR2与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得变异占因变量总变异得比例。

但对于Ｌoｇistic回归而言,通常瞧到得伪决定系数得大小不像线性回归模型中得决定系数那么大。

ﻫ预测结果列联表解释,瞧”分类表“中得数据，提供了２类样本得预测正确率与总得正确率。

建立Ｌogｉｓtic回归方程
loｇit(P）=β０＋β1*X1+β２*X2+……＋βm＊Xｍ
图2 Lｏgｉstiｃ回归结果报告样例。