Logistic回归中出现P值与OR的95%置信区间（CI）结果矛盾

2013-08-16 MedSci MedSci原创

回归置信区间

    在统计分析时，偶尔会遇到这样的情况：P值与OR的95%置信区间（CI）结果矛盾的情况，即P<0.05，但OR的95%置信区间却包括1；或者P>0.05，但OR的95%置信区间却不包括1。    在单因素Logistic回归和多因素Logistic回归中都出现了这样情况。一般认为，这种情况很难发生，因为它们检验具有一致性

    在统计分析时，偶尔会遇到这样的情况：P值与OR的95%置信区间（CI）结果矛盾的情况，即P<0.05，但OR的95%置信区间却包括1；或者P>0.05，但OR的95%置信区间却不包括1。    在单因素Logistic回归和多因素Logistic回归中都出现了这样情况。一般认为，这种情况很难发生，因为它们检验具有一致性。之所以发生这种情况，还与变量有关。有些人采取如下方法：一般都是合并变量的例数，回避这一问题。实际上，可能有如下一些原因：1：存在多重共线性，多重共线性会产生大的标准误，导致单因素分析中Wald检验中P值过大，虽然标准误增大，会使OR的95%置信区间变宽，95%CI的上线或下线特别接近1但还未超过1这个界限，所以出现了P>0.05，但OR的95%置信区间却不包括1。    解决的办法是可以利用逐步筛选变量的方法找出与因变量相关的变量，其他没有进入模型的变量在单因素分析中不给予分析。此外，还可以设法将彼此高度相关的自变量先综合成新变量，然后做因变量关于综合变量

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 (7)
#插入话题
  1. 2016-01-21 yoga2008

    very good very good ，我要好好学习！

    0

  2. 2016-01-08 qingfengqishi5

    收藏了

    0

  3. 2013-11-01 liao1619

    #置信区间#

    0

  4. 2013-10-30 xlwang2703

    #logistic回归#

    0

  5. 2013-10-14 zjg197415

    非常有有用，值得看看，我也碰到过这种问题。

    0

相关资讯

用SPSS进行非线性回归分析实例

非线性回归分析 在回归分析中，当自变量和因变量间的关系不能简单地表示为线性方程，或者不能表示为可化为线性方程的时侯，可采用非线性估计来建立回归模型。 SPSS提供了非线性回归“Nonlinear”过程，下面就以实例来介绍非线性拟合“Nonlinear”过程的基本步骤和使用方法。 应用实例 研究了南美斑潜蝇幼虫在不同温度条件下的发育速率，得到试验数据如下： 表5-1 南美斑潜蝇幼虫在不同

用SPSS进行非线性回归分析实例

非线性回归分析 在回归分析中，当自变量和因变量间的关系不能简单地表示为线性方程，或者不能表示为可化为线性方程的时侯，可采用非线性估计来建立回归模型。 SPSS提供了非线性回归“Nonlinear”过程，下面就以实例来介绍非线性拟合“Nonlinear”过程的基本步骤和使用方法。 应用实例 研究了南美斑潜蝇幼虫在不同温度条件下的发育速率，得到试验数据如下： 表5-1 南美斑潜蝇幼虫在不同

八、列联表、线性回归分析

八、列联表分析 （一）简介：列联表分析经常用来判断同一个调查的对象的两个特性之间 是否存在明显相关关系。例如，房地产商常常设计列联表问卷，调查顾客 的职业和顾客所选房子的类型有否有明显的相关关系。列联表分析同样也 可以由Excel 加以实现，下面用一个例子给予说明。如图附-26 所示，表 中是某装修公司的调查报告，试用列联表分析方法分析在顾客的所在地区 和所选房子的地板类型之间是否存在

常用回归分析方法介绍：logistic回归、poission回归、probit回归、cox回归

回归分析可以说是统计学中内容最丰富、应用最广泛的分支。这一点几乎不带夸张。包括最简单的t检验、方差分析也都可以归到线性回归的类别。而卡方检验也完全可以用logistic回归代替。 众多回归的名称张口即来的就有一大片，线性回归、logistic回归、cox回归、poission回归、probit回归等等等等，可以一直说的你头晕。为了让大家对众多回归有一个清醒的认识，这里简单地做一下总结： 1，

logistic回归由浅入深指南

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

二元Logistic回归案例分析

   二元Logistic，从字面上其实就可以理解大概是什么意思，Logistic中文意思为“逻辑”但是这里，并不是逻辑的意思，而是通过logit变换来命名的，二元一般指“两种可能性”就好比逻辑中的“是”或者“否”一样，Logistic 回归模型的假设检验——常用的检验方法有似然比检验（likelihood ratio test） 和 Wald检验）似然比检验的具体步骤如下：1