电脑桌面
添加小米粒文库到电脑桌面
安装后可以在桌面快捷访问

Logistic回归分析简介

Logistic回归分析简介_第1页
1/4
Logistic回归分析简介_第2页
2/4
Logistic回归分析简介_第3页
3/4
Logistic 回归分析简介 Logistic 回归:实际上属于判别分析,因拥有很差的判别效率而不常用。1. 应用围:① 适用于流行病学资料的危险因素分析② 实验室中药物的剂量-反响关系③ 临床试验评价④ 疾病的预后因素分析2. Logistic 回归的分类:① 按因变量的资料类型分:二分类多分类其中二分较为常用② 按讨论方法分:条 件 Logistic 回归非条件 Logistic 回归两者针对的资料类型不一样,后者针对成组讨论,前者针对配对或配伍讨论。3.Logistic 回归的应用条件是:① 独立性。各观测对象间是相互独立的;② LogitP 与自变量是线性关系;③ 样本量。经验值是病例对比各 50 例以上或为自变量的 5-10 倍〔以 10倍为宜〕,不过随着统计技术和软件的开展,样本量较小或不能进展似然估量的情况下可采纳准确 logistic 回归分析,此时要求分析变量不能太多,且变量分类不能太多;④ 当队列资料进展 logistic 回归分析时,观察时间应该一样,否那么需考虑观察时间的影响〔建议用 Poisson 回归〕。4. 拟和 logistic 回归方程的步骤:① 对每一个变量进展量化,并进展单因素分析;② 数据的离散化,对于连续性变量在分析过程中常常需要进展离散变成等级资料。可采纳的方法有依据经验进展离散,或是根据四分、五分位数法来确定等级,也可采纳聚类方法将计量资料聚为二类或多类,变为离散变量。③ 对性质相近的一些自变量进展局部多因素分析,并探讨各自变量〔等级变量,数值变量〕纳入模型时的适宜尺度,与对自变量进展必要的变量变换;④ 在单变量分析和相关自变量分析的根底上,对 P≤α〔常取 0.2,0.15或 0.3〕的变量,以与专业上认为重要的变量进展多因素的逐步筛选;模型程序每拟合一个模型将给出多个指标值,供用户推断模型优劣和筛选变量。可以采纳双向筛选技术:a 进入变量的筛选用 score 统计量或 G统计量或 LRS(似然比统计量),用户确定 P 值临界值如:0.05、0.1 或0.2,选择统计量显著且最大的变量进入模型;b 剔除变量的选择用 Z 统计量(Wald 统计量),用户确定其 P 值显著性水平,当变量不显者,从模型中予以剔除。这样,选入和剔除反复循环,直至无变量选入,也无变量删除为止,选入或剔除的显著界值确实定要依具体的问题和变量的多寡而定,一般地,当纳入模型的变量偏多,可提高选入界值或降低剔除标准,反之,那么降低选入界值、提高删除标准。但筛选标准的不同会影响分析结果,...

1、当您付费下载文档后,您只拥有了使用权限,并不意味着购买了版权,文档只能用于自身使用,不得用于其他商业用途(如 [转卖]进行直接盈利或[编辑后售卖]进行间接盈利)。
2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。
3、如文档内容存在违规,或者侵犯商业秘密、侵犯著作权等,请点击“违规举报”。

碎片内容

Logistic回归分析简介

确认删除?
VIP
微信客服
  • 扫码咨询
会员Q群
  • 会员专属群点击这里加入QQ群
客服邮箱
回到顶部