如何用SPSS做logistic回归分析解读Word下载.docx
《如何用SPSS做logistic回归分析解读Word下载.docx》由会员分享，可在线阅读，更多相关《如何用SPSS做logistic回归分析解读Word下载.docx（10页珍藏版）》请在冰点文库上搜索。
年龄为数值变量，可直接输入到
spss
中，而
性别需要转化为（1、0）分类变量输入到
当中，假设男性为
1，
女性为
0，但在后续分析中系统会将
1，0
置换（下面还会介绍），因
此为方便期间我们这里先将男女赋值置换，即男性为“0”，女性为
“1”。
图
1-1
第二步：
打开“二值
Logistic
回归分析”对话框：
沿着主菜单的“分析（Analyze）→回归（Regression）→二元
logistic（Binary
Logistic）”的路径（图
1-2）打开二值
Logistic
回归分析选项框（图
1-3）。
1-3
左侧对话框中有许多变量，但在单因素方差分析中与
显著相关的为性别、年龄、有无高血压，有无糖尿病等（P<
0.05），
因此我们这里选择以性别和年龄为例进行分析。
在图
中，因为我们要分析性别和年龄与
的相关程度，因
此将
选入因变量（Dependent）中，而将性别和年龄选入协变量
（Covariates）框中，在协变量下方的“方法（Method）”一栏中，
共有七个选项。
采用第一种方法，即系统默认的强迫回归方法（进入
“Enter”）。
接下来我们将对分类（Categorical），保存（Save），选项
（Options）按照如图
1-4、1-5、1-6
中所示进行设置。
在“分类”对
话框中，因为性别为二分类变量，因此将其选入分类协变量中，参考
类别为在分析中是以最小数值“0（第一个）”作为参考，还是将最大
数值“1（最后一个）”作为参考，这里我们选择第一个“0”作为参
考。
在“存放”选项框中是指将不将数据输出到编辑显示区中。
在
“选项”对话框中要勾选如图几项，其中“exp（B）的
CI（X）”一定要勾
选，这个就是输出的
OR
CI
值，后面的
95%为系统默认，不需要更改。
另外在“选项”对话框中，“输出”一栏中，系统默认为“在每个
步骤中”，这里更改为“在最后一个步骤中”，即：
输出结果将仅仅
给出最终结果，而省略每一步的计算过程。
由于我们采用强迫回归，
逐步回归概率选项可以不管
此外还有一个选项需要说明。
一是分类临界值（Classification
cutoff），默认值为
0.5，即按四舍五入的原则将概率预测值化为
或者
1。
如果将数值改为
0.6，则大于等于
0.6
的概率值才表示为
否则为
其情况余依此类推。
二是最大迭代值（Maximum
Iterations），规定系统运算的迭代次数，默认值为
20
次，为安全起
见，我们将迭代次数增加到
50。
原因是，有时迭代次数太少，计算结
果不能真正收敛。
三是模型中包括常数项（Include
constant
in
model），即模型中保留截距。
除了迭代次数之外，其余两个选项均采
用系统默认值。
完成后，点击各项中“继续（Continue）”按钮。
返回图
1-3，单
击“确定”按钮。
（二）结果解读
其他结果参照文章《利用
进行
回归分析》中解读，
这里重点将两点：
第一，分类变量编码（图
1-7），由于这里包括性
别分类变量，而我们对性别赋值为
1
0，但在
中系统会默认把
我们的数值进行置换，即
1→参数编码
0，0→参数编码
1，而最终输出
结果是以
来计算的，而
0
为参考数据。
所以这也就是为什么我么之
前要对研究组男性的赋值进行置换了。
如果男性为
那么
中最终
输出的将是女性的分析结果。
1-7
第二，最终输出数据（图
1-8）在该结果中，Exp（B）即为文献中提
及的
值，而
EXP（B）的
95%C.I.即为文献中提及的
值。
其中
Exp（B）表
示某因素（自变量）内该类别是其相应参考类别具有某种倾向性的倍
数。
而有的文献中提到的
Crode
Adjust
则分别为单因素优势
率（Crode
odds
ratio）和多因素优势率（Adjust
ratio），即
仅对性别单个变量的单因素分析或者对性别和年龄等多个变量进行多
因素分析后所得到的不同结果。
则为可信区间（Confidence
interval）。
Sig.即我们常说的
P
值，P<
0.05
为显著（无效假说不成
立，具有统计学意义），P>
为不显著（无效假说成立，不具有统
计学意义）。
二、多项（多元、多分类、Multinomial）logistic
前面讲的二元
回归分析仅适合因变量
Y
只有两种取值（
二分类）的情况，当
具有两种以上的取值时，就要用多项
logistic
回归（Mutinomial
Regression）分析了。
这种分析不仅可
以用于医疗领域，也可以用于社会学、经济学、农业研究等多个领域
。
如不同阶段（初一、初二、初三）学生视力下降程度，不同龋齿情
况（轻度、中度、重度）下与刷牙、饮食、年龄的关系等。
下面我们以图
1-2
中，对
apoba1（ApoB/AI）项中数值做四分位数
后，将病人的
ApoB/AI
的比值划分为低、较低、中、高四个分位后利
用多项
回归分析其与
之间的相互关系。
首先来做四分位数，很多人在做四分位数的时候都是自己算出来的
，其实在
里面给出了做四分位数的程度即分析（Aanlyze）→描
述统计（Descriptive
Statistics）→频率（Frequencies）。
打如图
2-1
开频率对话框。
将我们要分析的数值变量
Apoba1
选入到变量对话
框中。
选择统计量，按照图
2-2
中勾选四分位数选项，其他选项按照自己
需要勾选，然后点击图
中的确定按钮，开始运算。
2-3
中可
以读取我们的四分位数
第
4/7
页
图中百分数表示的是对该变量做的四分位数的百分比，25
表示前
25%的，50
表示前
50%的，75
75%的。
每一项对应的后面数值即
为相应的四分位数，如
0.5904，即为前
25%的个体与后
75%个体的分位
按照如上方法得出
的比率后我们可以把该比值划分为四个
区间，即当
的比率<
0.5904
为低、当
0.5904≤ApoB/AI
的比率
≤0.88
时为较低、当
0.89≤ApoB/AI
的比率≤1.0886
时为中，当
的比率>
1.0886
时为高。
然后将这一划分如图
中“四分位
数”一项用分类数值表示即
代表低，2
代表较低，3
代表中，4
代表
高。
这里还要强调的是我们要研究其与
之间的相互关系，那么我
们需要将其设为二分类变量，即是
的情况为
1，否则为
0，但多
项
回归分析也会将
置换，所以我们需要在这里将我们
需要研究的情况置换为
0，然后将其他置换为
下面就可以进行多项
回归分析了。
2-4
打开多项
回归分析对话框
（图
2-5）。
2-5
所示，在”因变量”中选入刚才我们输入的四分位数分类
变量，在因子中输入分类变量
ICAS（这里一定是分类变量，可以是一
个也可以是多个），在“协变量”中输入数值变量如年龄（这里一定
是数值变量，可以是一个也可以是多个），但因本次没有对年龄进行
分析，仅对
进行了单因素分析，所以我们把年龄移出协变量选项。
在
中对因变量的定义是，如果因变量
有
J
个值（即
J
类），以其中一个类别作为参考类别，其他类别都同他相比较生成
J-1
个冗余的
Logit
变换模型，而作为参考类别的其模型中所有系数均为
中可以对所选因变量的参考类别进行设置，如图
在因
变量对话框下有一“参考类别”选项。
点击后会弹出图
2-6
对话框。
在该对话框中我们选中设定，输入数值
1，这代表我们以分类数值
所
代表的类别作为参考类别，即最低数值作为参考类别。
单击继续。
当然也可以选择“第一类别”和“最后类别”，入选中
分别表示以最低数值或最高数值作为参考类别。
其他设置与二元
Logis
tic
分析相似，将我们要输出的项勾选即可，点击图
中确定，输出
数据。
输出数据基本与二元
分析相似，我们重点讲下最后一项
“参考估计”，如图
2-7
所示，其中参考类别为
ICAS=1
的分类情况，
而其中的
ICAS=0
分为
2、3、4
三种，分别给出了
时的数值。
而其中
Exp（B）（即
值）表示某因素（自变量）内该类别是其相应参
考类别具有某种倾向性的倍数。
如
Exp（B）=2.235
时，即表示在较轻这
一类别下
患者数为其他类别（ECAS
NCAS）的
2.235
倍。
这里
面的显著水平即为
这里要强调的是，一些文献中在输出数据的时候经常会给出“Refe
rent（参考）”项，这里的
Referent，即为我们这里所选的参考类别
1，因为
作为参考类别，所以其所有数值为
0，即无数据输出。
因此
在文中需标注其为
Referent。
读书的好处
1、行万里路，读万卷书。
2、书山有路勤为径，学海无涯苦作舟。
3、读书破万卷，下笔如有神。
4、我所学到的任何有价值的知识都是由自学中得来的。
——达尔文
5、少壮不努力，老大徒悲伤。
6、黑发不知勤学早，白首方悔读书迟。
——颜真卿
7、宝剑锋从磨砺出，梅花香自苦寒来。
8、读书要三到：
心到、眼到、口到
9、玉不琢、不成器，人不学、不知义。
10、一日无书，百事荒废。
——陈寿
11、书是人类进步的阶梯。
12、一日不读口生，一日不写手生。
13、我扑在书上，就像饥饿的人扑在面包上。
——高尔基
14、书到用时方恨少、事非经过不知难。
——陆游
15、读一本好书，就如同和一个高尚的人在交谈——歌德
16、读一切好书，就是和许多高尚的人谈话。
——笛卡儿
17、学习永远不晚。
18、少而好学，如日出之阳；
壮而好学，如日中之光；
志而好学，如炳烛之光。
——刘向
19、学而不思则惘，思而不学则殆。
——孔子
20、读书给人以快乐、给人以光彩、给人以才干。
——培根
升级会员 