抖音点赞粉丝推广运营虚拟服务平台 - 亿抖网欧梦公司

抖音粉丝点赞服务
打通抖音运营之路

多因素logistic回归分析(查看logistic回归结果)

本文基于SPSS软件,使用多因素Logistic回归筛选disease可能的独立危险因素。因变量disease为分类变量,1为有病,0为无病;自变量共6个变量,其中age、bmi、testa和testb为数值变量,均设置为Scale;sex为二分类变量,work为多分类变量,均设置为Nominal

假设经过单因素Logistic回归,age、bmi、testa、testb、sex、work均有统计学意义(p<0.10),故把这些变量都纳入多因素Logistic回归分析。

 

1、把数据从Excel中复制到SPSS,并设置数据类型。

 

 

2、点击Analyze,选择Regression,接着选择Binary Logistic。

 

3、在Logistic Regression对话框中,disease选入Dependent框,其他变量选入Covariates框

 

4、work为多分类变量,需要设置为哑变量,以work=1为参照。

点击Categorical按钮,在Logistic Regression:Define Categorical Variables对话框中,work选入Categorical Covariates框中,在右下方,Reference Category默认为last,我们通常勾选first,并点击上方的Change按钮,在Categorical Covariates框中,显示work(indicator(first))即表示修改成功,最后点击continue。

 

 

在Logistic Regression对话框中,点击Options,勾选CI for exp(B),点击Continue。

 

5、主要结果:

Logistic回归的主要结果为OR值、95%可信区间以及P值,表中Sig.为p值,Exp(B)为OR值,95% C.I. for EXP(B)为OR值的95%可信区间。

本文结果为,testa和testb的p值均小于0.001,OR值分别为1.126和15.133,表示testa和testb为disease可能的独立危险因素。

 

思考题:

 

如果把单因素Logistic回归有统计学意义的变量都纳入多因素分析,可能会因为变量间存在共线性而导致结果出现异常,大家知道如何检测和处理多重共线性的问题吗?请在留言区写下你的答案,一起探讨学习。

 

14天小白变统计高手训练营(升级版)开班在即

1、每月举办一期,月初开班,中间加入,只能跟着大家进度走,未学内容在下一期补上。

2、一期学不会,可跟着下一期接着学,直到学会为止。

3、训练营学员在学习结束后,会邀请进专门的小白训练营统计群,为大家构建高质量的统计与科研学习圈。

 

目前课程内容包括:

变量编码、缺失值插补、异常值检测与处理、正态性检验、t检验、方差分析、非参数检验、卡方检验、精确概率法、相关性检验、Logistic回归、ROC、联合诊断ROC、kappa检验等。

每天轻松学会一个统计方法。

我们的缺点麻烦您能提出,谢谢支持!

联系我们 网站地图