logistic回归由浅入深指南
2012-04-29 MedSci MedSci原创
多重线性回归的因变量y是连续型变量,自变量可以是连续的,也可以是分类的。但是现实中,因变量不一定都是连续的,还有其他分类的情形。比如想分析某病的危险因素,这时因变量就无法用连续资料来表示,而是表示为疾病的“有”或“无”两种情形。在这种情况下,用多重线性回归就不合适了, 而logistic回归则是处理这种数据的得力工具。 logistic回归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
多重线性回归的因变量y是连续型变量,自变量可以是连续的,也可以是分类的。但是现实中,因变量不一定都是连续的,还有其他分类的情形。比如想分析某病的危险因素,这时因变量就无法用连续资料来表示,而是表示为疾病的“有”或“无”两种情形。在这种情况下,用多重线性回归就不合适了, 而logistic回归则是处理这种数据的得力工具。 logistic回归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,等等。例如,想探讨胃癌发生的危险因素,可以选择两组人群,一组是胃癌组,一组是非胃癌组,两组人群肯定有不同的体征和生活方式等。这里的因变量就是是否胃癌,即“是”或 “否”,为两分类变量,自变量就可以包括很多了,例如年龄、性别、饮食习惯、幽门螺杆菌感染等。自变量既可以是连续的,也可以是分类的。通过 logistic回归分析,就可以大致了解到底哪些因素是胃癌的危险因素。 logistic回归与多重线性回归实际上有很多相同之处,最大的区别就在于他们的因变量不同,其他的基本都差不多,正是因为如此,这两种回归可以归于同一个家族,即广义线性模型(generalized
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
高手啊,虽然没怎么看明白
144
感谢作者对独立预后因子概念的阐述!
121
感谢分享
153
#logistic回归#
54
useful
191