完整版Stata做logistic回归共36页
- 格式：ppt
- 大小：4.64 MB
- 文档页数：36
下载文档原格式
合集下载
logistic回归分析精选PPT课件
Number of obs =
LR chi2(1)
=
Prob > chi2
=
Pseudo R2
=
152 30.67 0.0000 0.1455
------------------------------------------------------------------------------
case |
Coef. Std. Err.
z P>|z| [95% Conf. Interval]
-------------+----------------------------------------------------------------
exposure | 2.112829 .4228578 5.00 0.000 1.284043 2.941615
2
二分类资料的分析
非条件logistic模型：成组病例对照研究资料 条件logistic模型：配比病例对照研究资料3源自非条件logistic回归模型
lo （ p ） g 0 ＋ i 1 X 1 ＋ t ＝ 2 X 2 k X k
01X1＋ 2X2＋ ＋ kXk
p1ee01X12X2 kXk 1
|------------------------+----------------------
Odds ratio |
8.271605
| 3.4193 21.33091 (exact)
Attr. frac. ex. |
.8791045
| .7075425 .9531197 (exact)
Attr. frac. pop |
.4626866
stata logistic回归 公式
stata logistic回归公式Stata Logistic回归公式在Stata中进行logistic回归分析时，可以使用以下公式：1. Logistic回归模型Logistic回归模型用于二分类问题，其基本形式为：logit(p) = β0 + β1*X1 + β2*X2 + ... + βk*Xk其中，logit(p)表示事件发生的对数几率(log odds)，p为事件发生的概率。
β0, β1, β2,…, βk是回归系数，分别对应自变量X1, X2,…, Xk。
2. Odds RatioOdds ratio(OR)用于衡量自变量对事件发生概率的影响程度。
Odds ratio的计算公式如下：OR = exp(β)其中，β为自变量的回归系数。
当OR大于1时，表示自变量对事件发生的概率有正向影响；当OR小于1时，表示自变量对事件发生的概率有负向影响。
3. Log Odds比较通过比较不同自变量的log odds，可以判断其对事件发生的影响程度。
log odds比较的计算公式如下：logit(p1) - logit(p2) = (β1*X1 + β2*X2 +... + βk*X k) - (β1*X'1 + β2*X'2 + ... + βk*X'k)其中，logit(p1)和logit(p2)分别代表两组自变量对应的log odds，X1, X2,…, Xk为第一组自变量的取值，X’1, X’2,…, X’k 为第二组自变量的取值。
示例解释假设我们通过logistic回归分析，想要预测一个人是否会购买某种产品。
我们收集了以下自变量：性别、年龄、收入水平。
我们可以使用如下公式进行回归分析：logit(p) = β0 + β1*性别+ β2*年龄 + β3*收入水平通过得到的回归系数，我们可以计算出Odds Ratio，衡量不同自变量对购买概率的影响程度。
例如，如果我们计算出性别的回归系数β1为，则该男性购买该产品的概率为女性的倍。
logistic回归
M
0
X nM1
X nM2 … X nMm
Logistic回归
第32页，共43页。
应用
➢ 矫正混杂因素 ➢ 筛选影响因素
➢ 疾病预测和预后
Logistic回归
第33页，共43页。
ROC曲线
第34页，共43页。
涵义与起源
ROC【receiver(relative) operating characteristic的缩写，
估计。
即
OR P1 (1 P1) P1 RR P0 (1 P0 ) P0
Logistic回归
第21页，共43页。
假设检验
检验假设为：
H0：所有 H1： i
0
i
0, i
0,1,2,,
p
常用的检验方法有以下三种： 似然比检验 Wald检验
记分检验
Logistic回归
第22页，共43页。
似然比检验
原理：最大似然( likelihood )估计
自变量X引入回归方程——L0、L1 若L0/L1=1，则接受H1，拒绝H0.
-2lnL近似服从 分2 布
G = 2(lnL1-lnL0)= 2ln（L1/L0） ν=p-l
Logistic回归
第23页，共43页。
似然比检验
具体方法是：
①先拟合不包含待检验因素的logistic模型，求对数似
资料：1. 应变量为反映某现象发生与不发生的二值
变量； 2. 自变量宜全部或大部分为分类变量，可有
少数数值变量。分类变量要数量化。
Logistic回归
第2页，共43页。
适用范围
用途：研究某种疾病或现象发生和多个危险因素（ 或保护因子）的数量关系。
stata有序logit回归
Stata有序逻辑的实现与结果释义
有序逻辑针对的情况是自变量Y有两种意思的情况，并且分类的变量顺序是有意义的。
例如自变量的分类有：优秀、良好、一般
如何在stata里面实现有序logit回归
Stata中实现有序逻辑的回归命令为：
oligit 因变量Y 自变量X 控制变量1 控制变量2 .......控制变量X
标准误可以通过以下方式进行调整：
1.选择异方差稳健标准误
2.选择聚类稳健标准误
如果是面板数据的话，我们可以通过LSDV法加如个体虚拟变量的方式去控制个体效应，或者可以加入时间虚拟的变量的方式去控制时间效应。
回归结果的意义：
Number of observation 回归的样本量
Prob>chi2= ？一般小于0.05就还算可以
Coef 回归的贝塔系数
Std err 标准误
z值和p值得区别在于假设的不同。
stata回归结果详解stata回归解释
no 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
y 0.9 1.1 4.8 3.2 7.8 2.7 1.6 12.5 1 2.6 0.3 4 0.8 3.5 10.2 3 0.2 0.4 1 6.8 11.6 1.6 1.2 7.2 3.2
第9页，共26页。
tw (function t=tden(20,x),range(-3 3)), xline(0.17 2.086)
5.系数置信区间
0.17
2.086
t
t0
ttail(df,t) = p 计算单边P值 双边时P值加倍就行了 如： ttail(20,0.17498)*2=0.863
invttail(df,p) = t 计算单边临界值 在双边95%置信度，5%显著水平 时的临界值为： t0=invttail(20,0.025)=2.086
设正确的模型为 却对
进行回归，得
Y=0+1X1+2X2+ Y=0+ 1X1+v
第18页，共26页。
将正确模型 Y=0+1X1+2X2+ 的离差形式
代入
得
1 21，其中1是x2对x1回归的斜率
(1)如果漏掉的X2与X1相关，则上式中的第二项在小样本下求期 望与大样本下求概率极限都不会为零，从而使得OLS估计量在
第1页，共26页。
第2页，共26页。
1.方差分析
第二列SS对应的是误差平方和，或称变差。
n
n
1.第一行为回归平方和或回归变差SSR，表示因变量的预 1.SSR ( yˆi y)2 (yˆi yˆ )2 249.37
y 0.9 1.1 4.8 3.2 7.8 2.7 1.6 12.5 1 2.6 0.3 4 0.8 3.5 10.2 3 0.2 0.4 1 6.8 11.6 1.6 1.2 7.2 3.2
第9页，共26页。
tw (function t=tden(20,x),range(-3 3)), xline(0.17 2.086)
5.系数置信区间
0.17
2.086
t
t0
ttail(df,t) = p 计算单边P值 双边时P值加倍就行了 如： ttail(20,0.17498)*2=0.863
invttail(df,p) = t 计算单边临界值 在双边95%置信度，5%显著水平 时的临界值为： t0=invttail(20,0.025)=2.086
设正确的模型为 却对
进行回归，得
Y=0+1X1+2X2+ Y=0+ 1X1+v
第18页，共26页。
将正确模型 Y=0+1X1+2X2+ 的离差形式
代入
得
1 21，其中1是x2对x1回归的斜率
(1)如果漏掉的X2与X1相关，则上式中的第二项在小样本下求期 望与大样本下求概率极限都不会为零，从而使得OLS估计量在
第1页，共26页。
第2页，共26页。
1.方差分析
第二列SS对应的是误差平方和，或称变差。
n
n
1.第一行为回归平方和或回归变差SSR，表示因变量的预 1.SSR ( yˆi y)2 (yˆi yˆ )2 249.37
社会统计分析与数据处理技术(Stata)10 Logistic 回归
• z是单个系数检验的统计量；P>|z|是系数检验的p值
• 最后一列为系数95%的置信区间
二元 logistic 回归分析中系数的解释与多元线性回归分析 中回归系数的解释并无不同， i 表示， xi 改变一个单位 时，logit P 的平均变化量
• 但是，由于系数为对数，不能像线性回归系数那样进行直 接解释。需要将其利用上述公式转换为风险比后，系数才 有更明确的意义。假设否，那么不能直接将系数解释为自 变量对因变量的影响程度
i.sibs
_Isibs_0-2
(naturally coded; _Isibs_0 omitted)
Iteration 0: log likelihood = -361.07032
Iteration 1: log likelihood = -315.29173
Iteration 2: log likelihood = -311.064
_Isibs_1 | -.214453 .2296539 -0.93 0.350 -.6645664 .2356604
_Isibs_2 | -.8062853 .397851 -2.03 0.043 -1.586059 -.0265118
_cons | 13.41728 1.39888 9.59 0.000 10.67553 16.15903
Log likelihood = -310.99464
Pseudo R2
= 0.1387
------------------------------------------------------------------------------
enroll |
Coef. Std. Err.
z P>|z| [95% Conf. Interval]
• 最后一列为系数95%的置信区间
二元 logistic 回归分析中系数的解释与多元线性回归分析 中回归系数的解释并无不同， i 表示， xi 改变一个单位 时，logit P 的平均变化量
• 但是，由于系数为对数，不能像线性回归系数那样进行直 接解释。需要将其利用上述公式转换为风险比后，系数才 有更明确的意义。假设否，那么不能直接将系数解释为自 变量对因变量的影响程度
i.sibs
_Isibs_0-2
(naturally coded; _Isibs_0 omitted)
Iteration 0: log likelihood = -361.07032
Iteration 1: log likelihood = -315.29173
Iteration 2: log likelihood = -311.064
_Isibs_1 | -.214453 .2296539 -0.93 0.350 -.6645664 .2356604
_Isibs_2 | -.8062853 .397851 -2.03 0.043 -1.586059 -.0265118
_cons | 13.41728 1.39888 9.59 0.000 10.67553 16.15903
Log likelihood = -310.99464
Pseudo R2
= 0.1387
------------------------------------------------------------------------------
enroll |
Coef. Std. Err.
z P>|z| [95% Conf. Interval]
第13章StataLogistic回归分析
第13章StataLogistic回归分析⽬录前⾯我们讲述得回归分析⽅法都要求因变量是连续变量，但很多情况下因变量是离散得⽽⾮连续得。
例如，公司招聘⼈才时根据对应聘⼈员得特征做出录⽤或者不录⽤得评价、毕业学⽣对职业得选择等。
这时就需要⽤到Logistic回归分析。
根据因变量得离散特征：常⽤得Logistic回归分析⽅法有3终，包括⼆元Logistic回归分析、多元Logistic回归分析以及有序Logistic回归分析等。
13.1⼆元Logistic回归分析我们经常会遇到因变量只有两种取值的情况，例如是否患病、是否下⾬等，这时⼀般的线性回归分析将⽆法准确刻画变量之间的因果关系，需要⽤其他的回归分析⽅法来进⾏拟合模型。
Stata的⼆项分类Logistic回归便是⼀种简便的处理⼆分类因变量问题的分析⽅法。
数据（案例13.1）给出了20名肾癌患者的相关数据。
试⽤⼆分类Logistic回归分析⽅法分析患者肾细胞转移情况（有转移y=1、⽆转移y=0）与患者年龄、肾细胞癌⾎管内⽪⽣长因⼦（其阳性表⽰由低到⾼3个等级）、肾细胞核组织学分级（由低到⾼共4级）、肾细胞癌组织内微⾎管数、肾细胞癌分期（由低到⾼共4期）之间的关系。
logit V1 V2 V3 V4 V5 V6 #本命令的含义时以V1为因变量，以V2 V3 V4 V5 V6 为⾃变量，进⾏⼆元Logistic回归分析，研究变量之间的因果影响关系。
其中⾃变量的影从上述分析结果可以看出由20个样本参与了分析，模型的F值（5，14）=1.64，P值（Prob > F）= 0.2135，说明模型整体是不显著的。
模型的可决系数（R-squared）为0.3695，模型的修正的可决系数（Adj R-squared）为0.1444，说明模型的解释能⼒也是⽐较差的。
下⾯的不过多赘述哈。
我们可以看出最⼩⼆乘线性模型的整体显著性、系数显著性以及模型的整体解释能⼒都是由较⼤提升看空间的。
stata中多元logit回归的命令
stata中多元logit回归的命令多元logit回归是一种用于分析多个分类变量之间关系的统计方法。
在stata软件中，可以使用"mlogit"命令进行多元logit回归分析。
本文将介绍多元logit回归的命令和使用方法。
多元logit回归是一种广义线性模型，它可以用来分析一个或多个分类变量（取两个以上取值）与若干自变量之间的关系。
多元logit 回归可以用于解决多分类问题，比如预测一个人属于三个不同职业中的哪一个，或者预测一个产品属于几个不同市场中的哪一个。
在stata中进行多元logit回归分析，首先需要加载数据集，并使用"mlogit"命令来拟合模型。
下面是一些常用的选项和参数：1. "mlogit"命令的基本语法如下：mlogit depvar [indepvars] [if] [in] [weight], options2. "depvar"表示被解释变量，即要预测的分类变量。
"[indepvars]"表示解释变量，即用来预测分类变量的自变量。
"[if]"和"[in]"是可选的子样本选择条件。
"[weight]"表示样本权重。
3. 常用的选项包括：- "basecategory(varname)"：指定基准分类变量的名称。
- "rchoice(varname)"：指定随机选择的分类变量的名称。
- "nolog"：不输出回归结果。
- "robust"：进行鲁棒标准误估计。
- "vce(cluster varname)"：进行聚类标准误估计。
使用多元logit回归进行分析的一般步骤如下：1. 加载数据集：使用"use"命令加载stata数据集，或者使用"import"命令导入其他格式的数据。
最新Stata做logistic回归word版本
例5 产后大出血分为两大类：即宫缩乏力性 (称为子宫因素)及胎盘因素。在产后大出血 与有无妊高症x1及有无人流史x2的关系研 究中，将产后出血量<400ml的产妇作为 对照，出血量>400ml的作为病例，并分 为上述两类，共调查了933人，其中子宫因 素出血的155人，胎盘因素出血的33人， 对照745人。结果见表5。
多类结果的logistic回归
在医学研究中，常常会遇到结果变 量是多分类的情况，如同一种肿 瘤的不同亚型；病例-对照研究 中的一个对照组，两个或多个病 例组；或一个病例组，两个或多 个对照组，如医院对照和健康人 群对照等。
用于多类结果的logistic 回归的命 令是mlogit。
mlogit [因变量 [自变量]] [, base (#) constraints(clist) level(#) rrr ]
(2) 分组频数资料，一般自变量较少，且均为 分类变量，常以各自变量(不包括因变量)各 水平的组合的频数表形式出现，因变量常表 达为分子与分母。如例2。用下列命令：
blogit 阳性数变量 总观察数变量 [，logit 命 令选择项]
或 glogit 阳性数变量 总观察数变量 [， level(#) or]
clogit y ht dose drug, group(match）
结果显示，随着剂量的上升，服用 雌激素与患内膜癌间的联系也明显 上升，呈现出明显的剂量－反应关 系。这种关系是否为线性的？ dose 用哑变量形式是否更好？
xi : clogit y ht i.dose drug, group(match)
也可以用logit命令
可以利用例3做逐步回归
Stata 用于逐步回归分析的命令是在要执行的命 令前增加sw 。
应用Stata做logistic回归
(2) 分组频数资料，一般自变量较少，且均为 分类变量，常以各自变量(不包括因变量)各 水平的组合的频数表形式出现，因变量常表 达为分子与分母。如例2。用下列命令： blogit 阳性数变量 总观察数变量 [，logit 命 令选择项] 或 glogit 阳性数变量 总观察数变量 [， level(#) or] (3) 个体水平资料，即一个观察对象一条记录。 如例3，直接使用logit 命令估计即可。 拟合模型后可以用指令predict 得到预测概率， 然后进行模型诊断、应用等。
条件logistic 回归
非条件logistic 回归适用于平行组设计的病例-对 照研究，队列研究，而不适用于配比设计的病例 -对照研究。对于配比的病例-对照研究资料需要 用条件logistic 回归。其命令为： clogit 因变量 [自变量] , group(配比变量) [ level(#) or ] 其中group()是必选项，它是用来区分各配比 组的。level(#)及or 的意义同logit。
例6 南通医学院陈佩珍教授研究了儿童智商 等级与其母亲文化程度的关系，共收集了 857名儿童的资料，见表6。
可以计算出OR=1.89， 解释为：当母亲的文化程度提高一个等级时， 儿童智力提高一个或一个以上等级的可能性 将增加0.89倍
ቤተ መጻሕፍቲ ባይዱ
小结 Logit、 blogit 、 glogit 、 blogit 、 clogit 、 mlogit 、 ologit
其中，筛选变量的P 值有3 种组合 pr(#) /* 后退法 pe(#) /* 向前法 pr(#) pe(#) /* 逐步后退法 pr(#) pe(#) forward /* 逐步向前法
pr(#)是剔除变量的P 值，pe(#)是选 入变量的P 值，如果只选pr(#)，则表示 用后退法，如果同时选用pr(#)和pe(#) 表示逐步法。应用时，为防止计算进入死 循环，pr(#)须略大于pe(#)。例如， pe(0.05)，pr(0.051)。