SPSS 分享分类资料的Logistic回归分析.docx

SPSS 分享分类资料的Logistic回归分析.docx

《SPSS 分享分类资料的Logistic回归分析.docx》由会员分享，可在线阅读，更多相关《SPSS 分享分类资料的Logistic回归分析.docx（14页珍藏版）》请在冰豆网上搜索。

SPSS分享分类资料的Logistic回归分析

SPSS分享：

分类资料的Logistic回归分析

所谓Logistic模型，或者说Logistic回归模型，就是人们想为两分类的应变量作一个回归方程出来，可概率的取值在0~1之间，回归方程的应变量取值可是在实数集中，直接做会出现0~1范围之外的不可能结果，因此就有人耍小聪明，将率做了一个Logit变换，这样取值区间就变成了整个实数集，作出来的结果就不会有问题了，从而该方法就被叫做了Logistic回归。

随着模型的发展，Logistic家族也变得人丁兴旺起来，除了最早的两分类Logistic外，还有配对Logistic模型，多分类Logistic模型、随机效应的Logistic模型等。

由于SPSS的能力所限，对话框只能完成其中的两分类和多分类模型，下面我们就介绍一下最重要和最基本的两分类模型。

10.3.1界面详解与实例

例11.1某研究人员在探讨肾细胞癌转移的有关临床病理因素研究中，收集了一批行根治性肾切除术患者的肾癌标本资料，现从中抽取26例资料作为示例进行logistic回归分析（本例来自《卫生统计学》第四版第11章）。

∙i：

标本序号

∙x1：

确诊时患者的年龄（岁）

∙x2：

肾细胞癌血管内皮生长因子（VEGF），其阳性表述由低到高共3个等级 

∙x3：

肾细胞癌组织内微血管数（MVC） 

∙x4：

肾癌细胞核组织学分级，由低到高共4级 

∙x5：

肾细胞癌分期，由低到高共4期 

∙y：

肾细胞癌转移情况（有转移y=1;无转移y=0）。

  i x1 x2 x3 x4 x5 y

1 59 2 43.4 2 1 0

2 36 1 57.2 1 1 0

3 61 2 190 2 1 0

4 58 3 128 4 3 1

5 55 3 80 3 4 1

6 61 1 94.4 2 1 0

7 38 1 76 1 1 0

8 42 1 240 3 2 0

9 50 1 74 1 1 0

10 58 3 68.6 2 2 0

11 68 3 132.8 4 2 0

12 25 2 94.6 4 3 1

13 52 1 56 1 1 0

14 31 1 47.8 2 1 0

15 36 3 31.6 3 1 1

16 42 1 66.2 2 1 0

17 14 3 138.6 3 3 1

18 32 1 114 2 3 0

19 35 1 40.2 2 1 0

20 70 3 177.2 4 3 1

21 65 2 51.6 4 4 1

22 45 2 124 2 4 0

23 68 3 127.2 3 3 1

24 31 2 124.8 2 3 0

25 58 1 128 4 3 0

26 60 3 149.8 4 3 1

在菜单上选择Analyze==》Regression==》BinaryLogistic...，系统弹出Logistic回归对话框如下：

左侧是候选变量框，右上角是应变量框，选入二分类的应变量，下方的Covariates框是用于选入自变量的，只不过这里按国外的习惯被称为了协变量。

两框中间的是BLOCK系列按扭，我在上一课已经讲过了，不再重复。

中下部的>a*b>框是用于选入交互作用的，和其他的对话框不太相同（我也不知道为什么SPSS偏在这里做得不同），下方的Method列表框用于选择变量进入方法，有进入法、前进法和后退法三大类，三类之下又有细分。

最下面的四个按钮比较重要，请大家听我慢慢道来：

∙Select>>钮：

用于限定一个筛选条件，只有满足该条件的记录才会被纳入分析，单击它后对话框会展开让你填入相应的条件。

不过我觉得该功能纯属多余，和专门的Select对话框的功能重复了。

∙Categorical钮：

如果你的自变量是多分类的（如血型等），你必须要将它用哑变量的方式来分析，那么就要用该按钮将该变量指定为分类变量，如果有必要，可用里面的选择按钮进行详细的定义，如以哪个取值作为基础水平，各水平间比较的方法是什么等。

当然，如果你弄不明白，不改也可以，默认的是以最大取值为基础水平，用Deviance做比较。

oSave钮：

将中间结果存储起来供以后分析，共有预测值、影响强度因子和残差三大类。

oOptions钮：

这一部分非常重要，但又常常被忽视，在这里我们可以对模型作精确定义，还可以选择模型预测情况的描述方式，如StatisticsandPlots中的Classificationplots就是非常重要的模型预测工具，Correlationsofestimates则是重要的模型诊断工具，Iterationhistory可以看到迭代的具体情况，从而得知你的模型是否在迭代时存在病态，下方则可以确定进入和排除的概率标准，这在逐步回归中是非常有用的。

好，根据我们的目的，应变量为Y，而X1~X5为自变量，具体的分析操作如下：

1.Analyze==》Regression==》BinaryLogistic...

2.Dependent框：

选入Y

3.Covariates框：

选入x1~x5

4.OK钮：

单击

10.3.2结果解释

LogisticRegression

上表为记录处理情况汇总，即有多少例记录被纳入了下面的分析，可见此处因不存在缺失值，26条记录均纳入了分析。

上表为应变量分类情况列表，没什么好解释的。

Block0:

BeginningBlock

此处已经开始了拟合，Block0拟合的是只有常数的无效模型，上表为分类预测表，可见在17例观察值为0的记录中，共有17例被预测为0，9例1也都被预测为0，总预测准确率为65.4%，这是不纳入任何解释变量时的预测准确率，相当于比较基线。

上表为Block0时的变量系数，可见常数的系数值为-0.636。

上表为在Block0处尚未纳入分析方程的侯选变量，所作的检验表示如果分别将他们纳入方程，则方程的改变是否会有显著意义（根据所用统计量的不同，可能是拟合优度，Deviance值等）。

可见如果将X2系列的哑变量纳入方程，则方程的改变是有显著意义的，X4和X5也是如此，由于Stepwise方法是一个一个的进入变量，下一步将会先纳入P值最小的变量X2，然后再重新计算该表，再做选择。

Block1:

Method=ForwardStepwise（Conditional）

此处开始了Block1的拟合，根据我们的设定，采用的方法为Forward（我们只设定了一个Block，所以后面不会再有Block2了）。

上表为全局检验，对每一步都作了Step、Block和Model的检验，可见6个检验都是有意义的。

此处为模型概况汇总，可见从STEP1到STEP2，DEVINCE从18降到11，两种决定系数也都有上升。

此处为每一步的预测情况汇总，可见准确率由Block0的65%上升到了84%，最后达到96%，效果不错，最终只出现了一例错判。

上表为方程中变量检验情况列表，分别给出了Step1和Step2的拟合情况。

注意X4的P值略大于0.05，但仍然是可以接受的，因为这里用到的是排除标准（默认为0.1），该变量可以留在方程中。

以Step2中的X2为例，可见其系数为2.413，OR值为11。

上表为假设将这些变量单独移出方程，则方程的改变有无统计学意义，可见都是有统计学意义的，因此他们应当保留在方程中。

最后这个表格说明的是在每一步中，尚未进入方程的变量如果再进入现有方程，则方程的改变有无统计学意义。

可见在Step1时，X4还应该引入，而在Step2时，其它变量是否引入都无关了。

10.3.3模型的进一步优化与简单诊断

10.3.3.1模型的进一步优化

前面我们将X1~X5直接引入了方程，实际上，其中X2、X4、X5这三个自变量为多分类变量，我们并无证据认为它们之间个各等级的OR值是成倍上升的，严格来说，这里应当采用哑变量来分析，即需要用Categorical钮将他们定义为分类变量。

但本次分析不能这样做，原因是这里总例数只有26例，如果引入哑变量模型会使得每个等级的记录数非常少，从而分析结果将极为奇怪，无法正常解释，但为了说明哑变量模型的用法，下面我将演示它是如何做的，毕竟不是每个例子都只有26例。

默认情况下定义分类变量非常容易，做到如上图所示就可以了，此时分析结果中的改变如下：

上表为自变量中多分类变量的哑变量取值情况代码表。

左侧为原变量名及取值，右侧为相应的哑变量名及编码情况：

以X5为例，表中可见X5=4时，即取值最高的情况被作为了基线水平，这是多分类变量生成哑变量的默认情况。

而X5

（1）代表的是X5=1的情况（X5为1时取1，否则取0），X5

（2）代表的是X5=2的情况，依此类推。

同时注意到许多等级值有几个记录，显然后面的分析结果不会太好。

相应的，分析结果中也以哑变量在进行分析，如下所示：

上表出现了非常有趣的现象：

所有的检验P值均远远大于0.05，但是所有的变量均没有被移出方程，这是怎么回事？

再看看下面的这个表格吧。

这个表格为方程的似然值改变情况的检验，可见在最后Step2生成的方程中，无论移出X2还是X4都会引起方程的显著性改变。

也就是说，似然比检验的结果和上面的Walds检验结果冲突，以谁为准？

此处应以似然比检验为准，因为它是全局性的检验，且Walds检验本身就不太准，这一点大家记住就行了，实在要弄明白请去查阅相关文献。

请注意：

上面的哑变量均是以最高水平为基线水平，这不符合我们的目的，我们希望将最低水平作为基线水平。

比如以肾细胞癌第一期为基线水平，需要这样做只要在Categoriacl框中选中相应的变量，在ReferenceCategory处选择First,再单击Change即可，此时变量旁的标示会做出相应的改变如下：

分析结果中也会做出相应的改变，此处略。

10.3.3.2模型的简单诊断

SPSS本身提供了几种用于模型诊断的工具，基本上都集中在Options对话框中，除了大家熟悉的残差分析外，这里这种介绍三种简单而有非常有用的工具：

迭代记录、相关矩阵和分类图。

上表为Block1的迭代记录，可见无论是似然值，还是三个系数值，均是从迭代开始就向着一个方向发展，最终达到收敛，这说明整个迭代过程是健康的，问题不大；如果中途出现波折，尤其是当引入新变量后变化方向改变了，则提示要好好研究。

上表为方程中变量的相关矩阵，可见X2和常数相关性较强，当引入X4后仍然如此，提示要关注这一现象，以防因自变量间的共线性导致方程系数不稳（此时迭代记录多半也会有波动）。

当然，由于本例只有26条记录，这一问题是没有办法深入研究的。

上图是Step1结束时，即只引入X2时的预测图，0和1代表实际取值，当预测的概率值大于0.5时，则预测结果为1，反之为0，由上图可见，该模型对0的预测是比较好的，多数的概率都在0附近，但对1的预测不准，即使正确的，计算出的概率也在0.8左右，并且有好几个都判错了。

上图为Step2结束后模型的预测状况，可见此时预测结果有了较大的改善，概率精度提高了许多，只有一例0被错判为了1，并且从分布上看，这一例可能是极端情况，再引入其它变量也不见的能将预测效果改变多少。