1、問(wèn)題與數(shù)據(jù)

為了探討基因X突變與惡性腫瘤Y不同組織類型發(fā)生風(fēng)險(xiǎn)的關(guān)系，某醫(yī)生設(shè)計(jì)了一項(xiàng)病例對(duì)照研究。該醫(yī)生納入所在科室一年收治的145名該惡性腫瘤患者，并從醫(yī)院體檢數(shù)據(jù)庫(kù)中隨機(jī)選擇了100名未患該腫瘤的體檢者作為對(duì)照。相關(guān)信息整理成表1：

表1 各病例組織類型與突變情況

變量賦值情況如表2：

表2 變量及變量賦值情況

2、對(duì)數(shù)據(jù)結(jié)構(gòu)的分析

該研究中，“病例”與“對(duì)照”的關(guān)系不再是簡(jiǎn)單的“患病”與“不患病”，而是病例分為四類（本例中包含對(duì)照組共四類），且各類別無(wú)次序關(guān)系?；蛘哒f(shuō)，因變量Y不再是二分類的，而是無(wú)序多分類的。通過(guò)無(wú)序多分類的Logistic回歸分析可以將三種不同組織類型的病例分別與對(duì)照組進(jìn)行對(duì)比，分別得到基因X突變與三種腫瘤組織類型的暴露-風(fēng)險(xiǎn)關(guān)系。

3、SPSS分析方法

A. 數(shù)據(jù)錄入SPSS

若數(shù)據(jù)格式如表1所示，則首先在SPSS變量視圖（Variable View）中新建三個(gè)變量：ID代表患者編號(hào)，Y代表組織類型，X代表是否突變，賦值參考表2.

然后在數(shù)據(jù)視圖（Data View）中錄入數(shù)據(jù)。

B. 選擇Analyze → Regression → Multinomial Logistic

C. 選項(xiàng)設(shè)置

將變量Y選入因變量（Dependent）位置，變量X選入因子（Factors）位置。如果自變量中還有連續(xù)型變量，則需要放入?yún)f(xié)變量（Covariate）位置。由于因變量Y有多個(gè)分類，而無(wú)序多分類Logistic回歸的原理是先指定一個(gè)類別為參考類別，然后將其他類別分別與參考類別對(duì)比。故需點(diǎn)擊Reference Category設(shè)置參考類別（本例中作為參考類別的為對(duì)照組）。

SPSS默認(rèn)選擇因變量賦值中按升序排列后最后類別（即賦值最大者）為參考類別（即對(duì)照組），而本研究中參考類別Y賦值為0，故可以點(diǎn)擊First Category 或直接在Custom中輸入0，點(diǎn)擊Continue。

如果要分析的自變量不止一個(gè)，且要分析不同自變量之間的交互作用，則需點(diǎn)擊Model進(jìn)行設(shè)置，否則無(wú)需進(jìn)行設(shè)置。

Statistics、Criteria等維持默認(rèn)設(shè)置即可。點(diǎn)擊OK，SPSS生成分析結(jié)果。

4、結(jié)果解讀

Case Processing Summary 對(duì)數(shù)據(jù)進(jìn)行了總結(jié)。

Model Fitting Information 給出的模型擬合好壞的信息。其中-2Log Likelihood值越小越好，從結(jié)果中可以看出，加入自變量后的模型比只有常數(shù)項(xiàng)的模型擬合要好（27.311<80.234），似然比檢驗(yàn)（Likelihood Ratio Tests）結(jié)果顯示這種模型的改善是有統(tǒng)計(jì)學(xué)意義的（P<0.001），說(shuō)明自變量X的加入是有統(tǒng)計(jì)學(xué)意義的。

Likelihood Ratio Tests 與Model Fitting Information給出的信息一致，不再贅述。

Parameter Estimates表格給出了參數(shù)估計(jì)值。首先在表格的注釋a說(shuō)明了此次回歸所使用的參考類別為“對(duì)照”，即數(shù)據(jù)中的對(duì)照組。表中給出了三種組織類型腫瘤分別與對(duì)照相比的自變量X的回歸系數(shù)，且三個(gè)系數(shù)均有統(tǒng)計(jì)學(xué)意義。

以腺癌組為例，X=0相比于X=1，系數(shù)值Exp（B）為0.068，說(shuō)明基因X未突變者患腺癌的風(fēng)險(xiǎn)是突變者患腺癌風(fēng)險(xiǎn)的0.068倍，將0.068取倒數(shù)即為基因X突變者患腺癌風(fēng)險(xiǎn)是未突變者的1/0.068=14.71倍，P（Sig.）<0.001，說(shuō)明差異有統(tǒng)計(jì)學(xué)意義。其他兩組系數(shù)解釋同。如果想直接得到X=1 對(duì)比 X=0的結(jié)果，可以將自變量X當(dāng)作協(xié)變量放入Covariate中，而不作為因子進(jìn)行分析?；蛘邔⒆宰兞糠催^(guò)來(lái)，如突變陽(yáng)性時(shí)，X=0；突變陰性時(shí)，X=1。

5、結(jié)果匯總

基因X突變患者相比于未突變患者，其發(fā)生某惡性腫瘤類型為腺癌、鱗癌和大細(xì)胞癌的風(fēng)險(xiǎn)分別為14.71（1/0.068，P<0.001），3.66（1/0.273，P=0.002），8.93（1/0.112，P<0.001）倍，均有統(tǒng)計(jì)學(xué)意義。

6、總結(jié)與拓展

1)SPSS結(jié)果中會(huì)給出Pseudo R-Square，即偽R方，或假R方，與普通線性回歸中衡量模型擬合好壞的R方概念類似。但由于Logistic回歸中因變量為分類變量，其計(jì)算方法與普通線性回歸中的R方不同，其值一般較小，可不予關(guān)注。

2)無(wú)序多分類Logistic回歸并非只用于病例對(duì)照研究中，只要分析時(shí)指定對(duì)照，且與指定的對(duì)照進(jìn)行比較得出的回歸結(jié)果可以說(shuō)明想探究的問(wèn)題即可。如在本研究中，若研究者關(guān)注的不是基因X突變對(duì)不同類別的腫瘤發(fā)生的風(fēng)險(xiǎn)情況，而是基因X突變對(duì)三種類別腫瘤的發(fā)生風(fēng)險(xiǎn)是否有差異，以及差異的大小，那么就不需要納入對(duì)照。

在本例分析中雖然我們可以在數(shù)值上看出基因X突變對(duì)三種類別腫瘤的發(fā)生風(fēng)險(xiǎn)是不同的，但無(wú)法從統(tǒng)計(jì)學(xué)上進(jìn)行判斷，因?yàn)檫@種差異并沒(méi)有進(jìn)行統(tǒng)計(jì)學(xué)檢驗(yàn)。要探討這種差異，可以將參考類別選為三種類別腫瘤中的一中，如想比較腺癌和鱗癌的差異，則可選鱗癌組為對(duì)照，這樣得出的回歸系數(shù)即為基因X突變引起兩種類別腫瘤發(fā)生風(fēng)險(xiǎn)的比值。

3)實(shí)際應(yīng)用中可能也需要調(diào)整一些混雜因素變量，若變量為分類型變量則放入因子位置，若為連續(xù)型變量則放入?yún)f(xié)變量位置，其分析和解釋與要分析的暴露變量是一致的。

4)可以把無(wú)序多分類Logistic回歸看作是多個(gè)二分類Logistic回歸的同時(shí)實(shí)現(xiàn)。

7、無(wú)序多分類Logistic回歸適用條件

1)不限于病例對(duì)照類型；

2)因變量為分類變量，分類大于兩個(gè)，且各分類之間并無(wú)次序關(guān)系。

來(lái)CDA學(xué)業(yè)務(wù)數(shù)據(jù)分析師，SPSS理論結(jié)合實(shí)戰(zhàn)進(jìn)行項(xiàng)目數(shù)據(jù)分析，助你成為從事數(shù)據(jù)采集、清洗、處理、分析并能制作業(yè)務(wù)報(bào)告、提供決策的新型數(shù)據(jù)分析人才，點(diǎn)擊了解課程詳情！

數(shù)據(jù)分析師一定要了解的大廠入門券，CDA數(shù)據(jù)分析師認(rèn)證證書(shū)！

CDA（數(shù)據(jù)分析師認(rèn)證），與CFA相似，由國(guó)際范圍內(nèi)數(shù)據(jù)科學(xué)領(lǐng)域行業(yè)專家、學(xué)者及知名企業(yè)共同制定并修訂更新，迅速發(fā)展成行業(yè)內(nèi)長(zhǎng)期而穩(wěn)定的全球大數(shù)據(jù)及數(shù)據(jù)分析人才標(biāo)準(zhǔn)，具有專業(yè)化、科學(xué)化、國(guó)際化、系統(tǒng)化等特性。

同時(shí)，CDA全?？荚嚥季趾驼J(rèn)證體系已得到教育部直屬中國(guó)成人教育協(xié)會(huì)及大數(shù)據(jù)專業(yè)委員會(huì)認(rèn)可，并由為IBM、華為等提供全球認(rèn)證服務(wù)的Pearson VUE面向全球提供靈活的考試服務(wù)。

報(bào)名方式

登錄CDA認(rèn)證考試官網(wǎng)注冊(cè)報(bào)名>>點(diǎn)擊報(bào)名

報(bào)名費(fèi)用

Level Ⅰ：1200 RMB

Level Ⅱ：1700 RMB

Level Ⅲ：2000 RMB

考試地點(diǎn)

Level Ⅰ：中國(guó)區(qū)30+省市，70+城市，250+考場(chǎng)，考生可就近考場(chǎng)預(yù)約考試 >看看我所在的地哪里報(bào)名<

Level Ⅱ+Ⅲ：中國(guó)區(qū)30所城市，北京/上海/天津/重慶/成都/深圳/廣州/濟(jì)南/南京/杭州/蘇州/福州/太原/武漢/長(zhǎng)沙/西安/貴陽(yáng)/鄭州/南寧/昆明/烏魯木齊/沈陽(yáng)/哈爾濱/合肥/石家莊/呼和浩特/南昌/長(zhǎng)春/大連/蘭州>看看我所在的地哪里報(bào)名<

報(bào)考條件

業(yè)務(wù)數(shù)據(jù)分析師 CDA Level I >了解更多<

? 報(bào)考條件：無(wú)要求。

? 考試時(shí)間：隨報(bào)隨考。

建模分析師 CDA Level II >了解更多<

? 報(bào)考條件（滿足任一即可）：

1、獲得CDA Level Ⅰ認(rèn)證證書(shū)；

2、本科及以上學(xué)歷，需從事數(shù)據(jù)分析相關(guān)工作1年以上；

3、本科以下學(xué)歷，需從事數(shù)據(jù)分析相關(guān)工作2年以上。

? 考試時(shí)間：

一年四屆 3月、6月、9月、12月的最后一個(gè)周六。

大數(shù)據(jù)分析師 CDA Level II >了解更多<

? 報(bào)考條件（滿足任一即可）：

1、獲得CDA Level Ⅰ認(rèn)證證書(shū)；

2、本科及以上學(xué)歷，需從事數(shù)據(jù)分析相關(guān)工作1年以上；

3、本科以下學(xué)歷，需從事數(shù)據(jù)分析相關(guān)工作2年以上。

? 考試時(shí)間：

一年四屆 3月、6月、9月、12月的最后一個(gè)周六。

數(shù)據(jù)科學(xué)家  CDA Level III >了解更多<

? 報(bào)考條件（滿足任一即可）：

1、獲得CDA Level Ⅱ認(rèn)證證書(shū)；

2、本科及以上學(xué)歷，需從事數(shù)據(jù)分析相關(guān)工作3年以上；

3、本科以下學(xué)歷，需從事數(shù)據(jù)分析相關(guān)工作4年以上。

? 考試時(shí)間：

一年四屆 3月、6月、9月、12月的最后一個(gè)周六。

（備注：數(shù)據(jù)分析相關(guān)工作不限行業(yè)，可涉及統(tǒng)計(jì)，數(shù)據(jù)分析，數(shù)據(jù)挖掘，數(shù)據(jù)庫(kù)，數(shù)據(jù)管理，大數(shù)據(jù)架構(gòu)等內(nèi)容。）

——熱門課程推薦：

想學(xué)習(xí)PYTHON數(shù)據(jù)分析與金融數(shù)字化轉(zhuǎn)型精英訓(xùn)練營(yíng)，您可以點(diǎn)擊>>>“人才轉(zhuǎn)型”了解課程詳情；

想從事業(yè)務(wù)型數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“數(shù)據(jù)分析師”了解課程詳情；

想從事大數(shù)據(jù)分析師，您可以點(diǎn)擊>>>“大數(shù)據(jù)就業(yè)”了解課程詳情；

想成為人工智能工程師，您可以點(diǎn)擊>>>“人工智能就業(yè)”了解課程詳情；

想了解Python數(shù)據(jù)分析，您可以點(diǎn)擊>>>“Python數(shù)據(jù)分析師”了解課程詳情；

想咨詢互聯(lián)網(wǎng)運(yùn)營(yíng)，你可以點(diǎn)擊>>>“互聯(lián)網(wǎng)運(yùn)營(yíng)就業(yè)班”了解課程詳情； 

想了解更多優(yōu)質(zhì)課程，請(qǐng)點(diǎn)擊>>>

推薦學(xué)習(xí)書(shū)籍
《CDA一級(jí)教材》適合CDA一級(jí)考生備考，也適合業(yè)務(wù)及數(shù)據(jù)分析崗位的從業(yè)者提升自我。完整電子版已上線CDA網(wǎng)校，累計(jì)已有10萬(wàn)+在讀~

免費(fèi)加入閱讀：https://edu.cda.cn/goods/show/3151?targetId=5147&preview=0