如何用spss实现配比的条件logistics回归分析.docxVIP

如何用 spss 实现配比的条件 logistics 回归分析 孙大鹏 sundapeng87@ 仅以此篇献给那些专注于使用 spss 而不会使用 sas、R、epiinfo 等统计软件的同志，spss 是大家用的非常广泛的统计工具，它的数据管理非常直观，但是有一点就是它的回归分析中没有条件logistics 回归分析模块。而这个分析模块在后三个软件中可以轻松实现。 下面就给大家介绍一下如何使用spss 进行条件 logistics 回归分析。原理就是利用生存分析中的 cox 回归模型。 一、变量准备。 （一）首先我们准备好的数据应该有个因变量 y，为 0，1 格式的， 0 代表对照或未发病，1 代表病例或已发病。 （二）我们要分析的自变量 x1，x2，一般为二分类变量，1 或 0， 是否。当然也可以是多组的分类变量，这个比较麻烦（一般不推荐， 后面结果分析会说一下）。 （三）分组变量标注分组的代码 group。假设 1：4 配比，这 5 个个案为一组，共用一个 group 号。 （四）Cox 回归模型，需要一个 time 的生存时间变量，这个变量我们这样设置，首先有个因变量y，为 0，1 格式的，计算 time=2-y。这样子就是设置成病例生存时间为 1，对照生存时间为 2。病例发病对照不发病，对照的生存时间必然要长于病例。 数据见附件 1 二、操作步骤 （一）数据导入 spss。不会的回家自己学去。 （二）分析----生存函数----Cox 回归 打开对话框 （三）选取变量，第一时间 选入 time 变量；第二个状态选入 y 即病例和对照，定义事件为为 1； 协变量选择X，你要分析的因素 方法选择向前条件 分层选择 group；重要 选项中可以设置计算可信区间 （四）结果判读 方程中的变量 方程中的变量 95.0% CI 用于 Exp(B) B SE Wald df Sig. Exp(B) 下部 上部 步骤 1 x 1.870 .512 13.369 1 .000 6.491 2.382 17.693 Sig 为P 值；B 为系数； Exp（B）为 OR 值，后面为 OR 值可信区间 三、关于 x 为分类变量，并且为多组时的问题 （一）需要对协变量设置分类，选择第一个后，记得要点击更改。如果选入变量，分类按钮为灰色，这是请点击分层的变量，移出再移入，分类按钮就变换过来了。 （二）这个样子就可以计算分析了，但是结果的显示数据正确， 但是结果表格 OR 值和X 分类变量的对应关系混乱。具体原因暂时没 清楚，建议出现多分类变量时使用另外三个统计分析软件。 分类变量编码b频率 (1)(2)xa02460015710211601示性参数编码分类变量: x方程中的变量95.0% CI 用于 Exp(B)例如：下面 分类变量编码b 频率 (1) (2) xa 0 246 0 0 1 57 1 0 2 116 0 1 示性参数编码 分类变量: x 方程中的变量 95.0% CI 用于 Exp(B) B SE Wald df Sig. Exp(B) 下部 上部 x 37.995 2 .000 x(1) 2.378 .388 37.456 1 .000 10.779 5.034 23.081 x(2) 1.170 .339 11.902 1 .001 3.221 1.657 6.260 附件一 示例数据 id group y x time 1 1 1 1 1 2 1 0 1 2 3 1 0 1 2 4 1 0 1 2 5 2 1 1 1 6 2 0 1 2 7 2 0 1 2 8 2 0 0 2 9 3 1 1 1 10 3 0 1 2 11 3 0 0 2 12 3 0 0 2 13 4 1 1 1 14 4 0 1 2 15 4 0 0 2 16 4 0 0 2 17 5 1 1 1 18 5 0 1 2 19 5 0 0 2 20 5 0 0 2 21 6 1 1 1 22 6 0 1 2 23 6 0 0 2 24 6 0 0 2 25 7 1 1 1 26 7 0 1 2 27 7 0 0 2 28 7 0 0 2 29 8 1 1 1 30 8 0 0 2 31 8 0 0 2 32 8 0 0 2 33 9 1 1 1 34 9 0 0 2 35 9 0 0 2 36 9 0 0 2 37 10 1 1 1 38 10 0 0 2 39 10 0 0 2 40 10 0 0 2 41 11 1 1 1 42 11 0 0 2 43 11 0 0 2 44 11 0 0 2 45 12 1 0 1 46 12 0 1 2 47 12 0 1 2 48 12 0 0 2 49 13 1 0 1 50 13 0 1 2 51 1