学霸笔记：Logistic回归分析

2016-06-16 MedSci MedSci原创

回归Logistic

Logistic回归：实际上属于判别分析，因拥有很差的判别效率而不常用。现在用得最多的是临床研究中的观察性研究。1． 应用范围： ① 适用于流行病学资料的危险因素分析 ② 实验室中药物的剂量-反应关系 ③ 观察性研究结果中混杂控制 ④ 疾病的预后因素分析 2． Logistic回归的分类： ① 按因变量的资料类型

Logistic回归：实际上属于判别分析，因拥有很差的判别效率而不常用。现在用得最多的是临床研究中的观察性研究。1． 应用范围： ① 适用于流行病学资料的危险因素分析 ② 实验室中药物的剂量-反应关系 ③ 观察性研究结果中混杂控制 ④ 疾病的预后因素分析 2． Logistic回归的分类： ① 按因变量的资料类型分： 二分类 多分类 其中二分较为常用 ② 按研究方法分： 条  件Logistic回归 非条件Logistic回归 两者针对的资料类型不一样，后者针对成组研究，前者针对配对或配伍研究。 3．Logistic回归的应用条件是： ① 独立性。各观测对象间是相互独立的； ② LogitP与自变量是线性关系； ③ 样本量。经验值是病例对照各50例以上或为自变量的5-10倍（以10倍为宜），不过随着统计技术和软件的发展，样本量较小或不能进行似然估计的情况下可采用精确logistic回归分析，此时要求分析变量不能太多，且变量分类不能太多； ④ 当队列

作者：MedSci



版权声明：
本网站所有注明“来源：梅斯医学”或“来源：MedSci原创”的文字、图片和音视频资料，版权均属于梅斯医学所有。非经授权，任何媒体、网站或个人不得转载，授权转载时须注明“来源：梅斯医学”。其它来源的文章系转载文章，本网所有转载文章系出于传递更多信息之目的，转载内容不代表本站立场。不希望被转载的媒体或个人可与我们联系，我们将立即进行删除处理。
在此留言
评论区 (11)
#插入话题

相关资讯

在线课堂：Logistic回归统计系列课程

在统计学中Logistic回归占据着重要的位置，尤其是在临床研究中，Logistic回归一直备受关注。Logistic回归又称Logistic回归分析，主要在流行病学中应用较多，比较常用的情形是探索某疾病的危险因素，根据危险因素预测某疾病发生的概率等。

偏最小二乘回归在医学统计学中的应用

偏最小二乘回归是一种新型的多元统计数据分析方法，它与1983年由伍德和阿巴诺等人首次提出。近十年来，它在理论、方法和应用方面都得到了迅速的发展。密西根大学的弗耐尔教授称偏最小二乘回归为第二代回归分析方法。 偏最小二乘回归方法在统计应用中的重要性主要的有以下几个方面： （1）偏最小二乘回归是一种多因变量对多自变量的回归建模方法。 （2）偏最小二乘回归可以较好地解决许多以往用普通多元回归无法解决

SPSS 17.0中如何安装偏最小二乘回归（PLS）模块

不过，在SPSS 22.0中已默认安装了，不必再次安装了。在数据处理中需要在SPSS中用到偏最小二乘回归(Partial Least Squares Regression，PLS)功能，要安装PLS插件，在各个论坛上查找了很多资料，但是发现介绍的都不够具体，导致在装过以后运行的过程中出错。同时，相关软件报错，不能正确安装。同时SPSS被IBM收购，也给同学们带来不好麻烦。 其中偏最小二乘

七种常见的回归分析技术，助力建模和数据分析

回归分析是建模和分析数据的重要工具。本文解释了回归分析的内涵及其优势，重点总结了应该掌握的线性回归、逻辑回归、多项式回归、逐步回归、岭回归、套索回归、ElasticNet回归等七种最常用的回归技术及其关键要素，最后介绍了选择正确的回归模型的关键因素。 什么是回归分析？ 回归分析是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模

Logistic回归、决策树和支持向量机介绍

分类问题是我们在各个行业的商业业务中遇到的主要问题之一。在本文中，我们将从众多技术中挑选出三种主要技术展开讨论，逻辑回归（Logistic Regression）、决策树（Decision Trees）和支持向量机（Support Vector Machine，SVM）。 上面列出的算法都是用来解决分类问题（SVM和DT也被用于回归，但这不在我们的讨论范围

回归分析中，多重共线性的处理策略方法

在多元线性回归模型经典假设中，其重要假定之一是回归模型的解释变量之间不存在线性关系，也就是说，解释变量X1，X2，……，Xk中的任何一个都不能是其他解释变量的线性组合。如果违背这一假定，即线性回归模型中某一个解释变量与其他解释变量间存在线性关系，就称线性回归模型中存在多重共线性。多重共线性违背了解释变量间不相关的古典假设，将给普通最小二乘法带来严重后果。 造成多重共线性的原因： 1、解