spss logistic回歸分析結(jié)果如何分析

如何用spss17.0進(jìn)行二元和多元logistic回歸分析

一、二元logistic回歸分析

二元logistic回歸分析的前提為因變量是可以轉(zhuǎn)化為0、1的二分變量，如：死亡或者生存，男性或者女性，有或無(wú)，Yes或No，是或否的情況。

下面以醫(yī)學(xué)中不同類(lèi)型腦梗塞與年齡和性別之間的相互關(guān)系來(lái)進(jìn)行二元logistic回歸分析。

（一）數(shù)據(jù)準(zhǔn)備和SPSS選項(xiàng)設(shè)置

第一步，原始數(shù)據(jù)的轉(zhuǎn)化：如圖1-1所示，其中腦梗塞可以分為ICAS、ECAS和NCAS三種，但現(xiàn)在我們僅考慮性別和年齡與ICAS的關(guān)系，因此將分組數(shù)據(jù)ICAS、ECAS和NCAS轉(zhuǎn)化為1、0分類(lèi)，是ICAS賦值為1，否賦值為0。年齡為數(shù)值變量，可直接輸入到spss中，而性別需要轉(zhuǎn)化為（1、0）分類(lèi)變量輸入到spss當(dāng)中，假設(shè)男性為1，女性為0，但在后續(xù)分析中系統(tǒng)會(huì)將1，0置換（下面還會(huì)介紹），因此為方便期間我們這里先將男女賦值置換，即男性為“0”，女性為“1”。 圖 1-1

第二步：打開(kāi)“二值Logistic 回歸分析”對(duì)話框：

沿著主菜單的“分析（Analyze）→回歸（Regression）→二元logistic（Binary Logistic）”的路徑（圖1-2）打開(kāi)二值Logistic 回歸分析選項(xiàng)框（圖1-3）。

如圖1-3左側(cè)對(duì)話框中有許多變量，但在單因素方差分析中與ICAS顯著相關(guān)的為性別、年齡、有無(wú)高血壓，有無(wú)糖尿病等（P<0.05），因此我們這里選擇以性別和年齡為例進(jìn)行分析。

在圖1-3中，因?yàn)槲覀円?a href="http://www.3lll3.cn/view/19600.html" target="_blank">分析性別和年齡與ICAS的相關(guān)程度，因此將ICAS選入因變量（Dependent）中，而將性別和年齡選入?yún)f(xié)變量（Covariates）框中，在協(xié)變量下方的“方法（Method）”一欄中，共有七個(gè)選項(xiàng)。采用第一種方法，即系統(tǒng)默認(rèn)的強(qiáng)迫回歸方法（進(jìn)入“Enter”）。 接下來(lái)我們將對(duì)分類(lèi)（Categorical），保存（Save），選項(xiàng)（Options）按照如圖1-4、1-5、1-6中所示進(jìn)行設(shè)置。在“分類(lèi)”對(duì)話框中，因?yàn)樾詣e為二分類(lèi)變量，因此將其選入分類(lèi)協(xié)變量中，參考類(lèi)別為在分析中是以最小數(shù)值“0（第一個(gè)）”作為參考，還是將最大數(shù)值“1（最后一個(gè)）”作為參考，這里我們選擇第一個(gè)“0”作為參考。在“存放”選項(xiàng)框中是指將不將數(shù)據(jù)輸出到編輯顯示區(qū)中。在“選項(xiàng)”對(duì)話框中要勾選如圖幾項(xiàng)，其中“exp(B)的CI(X)”一定要勾選，這個(gè)就是輸出的OR和CI值，后面的95%為系統(tǒng)默認(rèn)，不需要更改。

另外在“選項(xiàng)”對(duì)話框中，“輸出”一欄中，系統(tǒng)默認(rèn)為“在每個(gè)步驟中”，這里更改為“在最后一個(gè)步驟中”，即：輸出結(jié)果將僅僅給出最終結(jié)果，而省略每一步的計(jì)算過(guò)程。由于我們采用強(qiáng)迫回歸，逐步回歸概率選項(xiàng)可以不管

此外還有一個(gè)選項(xiàng)需要說(shuō)明。一是分類(lèi)臨界值（Classification cutoff），默認(rèn)值為0.5，即按四舍五入的原則將概率預(yù)測(cè)值化為0 或者1

。如果

將數(shù)值改為0.6，則大于等于0.6 的概率值才表示為1，否則為0。其情況余依此類(lèi)推。二是最大迭代值（Maximum Iterations），規(guī)定系統(tǒng)運(yùn)算的迭代次數(shù)，默認(rèn)值為20 次，為安全起見(jiàn)，我們將迭代次數(shù)增加到50。原因是，有時(shí)迭代次數(shù)太少，計(jì)算結(jié)果不能真正收斂。三是模型中包括常數(shù)項(xiàng)（Include constant in model），即模型中保留截距。除了迭代次數(shù)之外，其余兩個(gè)選項(xiàng)均采用系統(tǒng)默認(rèn)值。

完成后，點(diǎn)擊各項(xiàng)中“繼續(xù)（Continue）”按鈕。返回圖1-3，單擊“確定”按鈕。

（二）結(jié)果解讀

其他結(jié)果參照文章《利用SPSS進(jìn)行Logistic回歸分析》中解讀，這里重點(diǎn)將兩點(diǎn)： 第一，分類(lèi)變量編碼（圖1-7），由于這里包括性別分類(lèi)變量，而我們對(duì)性別賦值為1和0，但在spss中系統(tǒng)會(huì)默認(rèn)把我們的數(shù)值進(jìn)行置換，即1→參數(shù)編碼0，0→參數(shù)編碼1，而最終輸出結(jié)果是以1來(lái)計(jì)算的，而0為參考數(shù)據(jù)。所以這也就是為什么我么之前要對(duì)研究組男性的賦值進(jìn)行置換了。如果男性為1那么spss中最終輸出的將是女性的分析結(jié)果。

圖1-7

第二，最終輸出數(shù)據(jù)（圖1-8）在該結(jié)果中，Exp(B)即為文獻(xiàn)中提及的OR值，而EXP(B)的95%C.I.即為文獻(xiàn)中提及的CI值。其中Exp(B)表示某因素（自變量）內(nèi)該類(lèi)別是其相應(yīng)參考類(lèi)別具有某種傾向性的倍數(shù)。而有的文獻(xiàn)中提到的Crode OR和Adjust OR則分別為單因素優(yōu)勢(shì)率（Crode odds ratio）和多因素優(yōu)勢(shì)率（Adjust odds ratio），即僅對(duì)性

別單個(gè)變量的單因素分析或者對(duì)性別和年齡等多個(gè)變量進(jìn)行多因素分析后所得到的不同結(jié)果。CI則為可信區(qū)間（Confidence interval）。Sig.即我們常說(shuō)的P值，P<0.05為顯著（無(wú)效假說(shuō)不成立，具有統(tǒng)計(jì)學(xué)意義），P>0.05為不顯著（無(wú)效假說(shuō)成立，不具有統(tǒng)計(jì)學(xué)意義）。 二、多項(xiàng)（多元、多分類(lèi)、Multinomial）logistic回歸分析

前面講的二元logistic回歸分析僅適合因變量Y只有兩種取值（二分類(lèi)）的情況，當(dāng)Y具有兩種以上的取值時(shí)，就要用多項(xiàng)logistic回歸（Mutinomial Logistic Regression）分析了。這種分析不僅可以用于醫(yī)療領(lǐng)域，也可以用于社會(huì)學(xué)、經(jīng)濟(jì)學(xué)、農(nóng)業(yè)研究等多個(gè)領(lǐng)域。如不同階段（初

一、初二、初三）學(xué)生視力下降程度，不同齲齒情況（輕度、中度、重度）下與刷牙、飲食、年齡的關(guān)系等。

下面我們以圖1-2中，對(duì)apoba1（ApoB/AI）項(xiàng)中數(shù)值做四分位數(shù)后，將病人的ApoB/AI的比值劃分為低、較低、中、高四個(gè)分位后利用多項(xiàng)logistic回歸分析其與ICAS之間的相互關(guān)系。

首先來(lái)做四分位數(shù)，很多人在做四分位數(shù)的時(shí)候都是自己算出來(lái)的，其實(shí)在SPSS里面給出了做四分位數(shù)的程度即分析（Aanlyze）→描述統(tǒng)計(jì)（Descriptive Statistics）→頻率（Frequencies）。打如圖2-1開(kāi)頻率對(duì)話框。將我們要分析的數(shù)值變量Apoba1選入到變量對(duì)話框中。 選擇統(tǒng)計(jì)量，按照?qǐng)D2-2中勾選四分位數(shù)選項(xiàng)，其他選項(xiàng)按照自己需要勾選，然后點(diǎn)擊圖2-1中的確定按鈕，開(kāi)始運(yùn)算。在圖2-3中可以讀取我們的四分位數(shù)

值。圖中百分?jǐn)?shù)表示的是對(duì)該變量做的四分位數(shù)的百分比，25表示前25%的，50表示前50%的，75表示前75%的。每一項(xiàng)對(duì)應(yīng)的后面數(shù)值即為相應(yīng)的四分位數(shù)，如0.5904，即為前25%的個(gè)體與后75%個(gè)體的分位數(shù)。

按照如上方法得出ApoB/AI的比率后我們可以把該比值劃分為四個(gè)區(qū)間，即當(dāng)ApoB/AI的比率<0.5904為低、當(dāng)0.5904≤ApoB/AI的比率≤0.88時(shí)為較低、當(dāng)0.89≤ApoB/AI的比率≤1.0886時(shí)為中，當(dāng)ApoB/AI的比率>1.0886時(shí)為高。然后將這一劃分如圖1-1中“四分位數(shù)”一項(xiàng)用分類(lèi)數(shù)值表示即1代表低，2代表較低，3代表中，4代表高。這里還要強(qiáng)調(diào)的是我們要研究其與ICAS之間的相互關(guān)系，那么我們需要將其設(shè)為二分類(lèi)變量，即是ICAS的情況為1，否則為0，但多項(xiàng)logistic回歸分析也會(huì)將1，0置換，所以我們需要在這里將我們需要研究的情況置換為0，然后將其他置換為1。下面就可以進(jìn)行多項(xiàng)logistic回歸分析了。如圖

2-4打開(kāi)多項(xiàng)logistic回歸分析對(duì)話框（圖2-5）。

如圖2-5所示，在”因變量”中選入剛才我們輸入的四分位數(shù)分類(lèi)變量，在因子中輸入分類(lèi)變量ICAS（這里一定是分類(lèi)變量，可以是一個(gè)也可以是多個(gè)），在“協(xié)變量”中輸入數(shù)值變量如年齡（這里一定是數(shù)值變量，

可以是一個(gè)也可以是多個(gè)），但因本次沒(méi)有對(duì)年齡進(jìn)行分析，僅對(duì)ICAS進(jìn)行了單因素分析，所以我們把年齡移出協(xié)變量選項(xiàng)。

在SPSS中對(duì)因變量的定義是，如果因變量Y有J個(gè)值（即Y有J類(lèi)），以其中一個(gè)類(lèi)別作為參考類(lèi)別，其他類(lèi)別都同他相比較生成J-1個(gè)冗余的Logit變換模型，而作為參考類(lèi)別的其模型中所有系數(shù)均為0。在SPSS中可以對(duì)所選因變量的參考類(lèi)別進(jìn)行設(shè)置，如圖2-5在因變量對(duì)話框下有一“參考類(lèi)別”選項(xiàng)。點(diǎn)擊后會(huì)彈出圖2-6對(duì)話框。在該對(duì)話框中我們選中設(shè)定，輸入數(shù)值1，這代表我們以分類(lèi)數(shù)值1所代表的類(lèi)別作為參考類(lèi)別，即最低數(shù)值作為參考類(lèi)別。 單擊繼續(xù)。當(dāng)然也可以選擇“第一類(lèi)別”和“最后類(lèi)別”，入選中分別表示以最低數(shù)值或最高數(shù)值作為參考類(lèi)別。其他設(shè)置與二元Logistic分析相似，將我們要輸出的項(xiàng)勾選即可，點(diǎn)擊圖2-5中確定，輸出數(shù)據(jù)。 輸出數(shù)據(jù)基本與二元Logistic分析相似，我們重點(diǎn)講下最后一項(xiàng)“參考估計(jì)”，如圖2-7所示，其中參考類(lèi)別為ICAS=1的分類(lèi)情況，而其中的ICAS=0分為2、3、4三種，分別給出了ICAS=0時(shí)的數(shù)值。而其中Exp(B)（即OR值）表示某因素（自變量）內(nèi)該類(lèi)別是其相應(yīng)參考類(lèi)別具有某種傾向性的倍數(shù)。如Exp(B)=2.235時(shí)，即表示在較輕這一類(lèi)別下ICAS患者數(shù)為其他類(lèi)別（ECAS和NCAS）的2.235倍。這里面的顯著水平即為P值。

這里要強(qiáng)調(diào)的是，一些文獻(xiàn)中在輸出數(shù)據(jù)的時(shí)候經(jīng)常會(huì)給出“Referent（參考）”項(xiàng)，這里的Referent，即為我們這里所選的參考類(lèi)別1，因?yàn)?

1作為參考類(lèi)別，所以其所有數(shù)值為0

，即無(wú)數(shù)據(jù)輸出。因此在文中需標(biāo)注其為Referent。