医学统计学：Logistic回归分析.pdf

2019/6/6 《医学统计学基础》  线性回归模型要求因变量是连续的正态分布变量，且 自变量和因变量呈线性关系。 Logistic回归分析  广义线性模型的一般形式： g ( )   X  X  X  i 0 1 1i 2i 2i p pi i 连接函数 线性成分  广义线性模型中，因变量的分布可扩展到非连续的资料，如二项 分布、Poisson分布、负二项分布等。  包括：多元线性回归模型，logistic 回归模型，Probit 回归模型， Poisson 回归模型，负二项回归模型 2  医学研究中经常需要分析因变量是分类变量的问题；  当因变量是分类变量时，其自变量与因变量更多的是 非线性关系，严重违背了线性回归模型的假设条件。 二分类变量：生存与死亡，有病与无病，有效与无效，感染与 故直接应用线性回归分析不合理； 未感染 无序多分类：ABO血型：A型、B型、AB型、O型  不能直接分析 y 与 x 的关系 y=f(x) ，因y仅取有 职业：工人、农民、医生、其他 限的几个值 有序多分类： 疾病程度（轻度、中度、重度） 转换角度 治疗效果（治愈、显效、好转、无效） 高血压患者（高血压病、临界高血压、正常）